本发明基于UVP‑TOF‑MS的肺癌筛查模型构建方法，包括步骤：A.呼出气样本采集；B.通过UVP‑TOF‑MS设备对采集的呼出气样本全谱分析，形成谱图样本；C.数据预处理：包括对获得的谱图样本进行各种数据常规预处理和相关计算，选择出适合的特征；D.构建模型：构建集成学习模型，基分类器对每个特征的增益重要性排序，构成集成学习模型的特征集；将逻辑斯蒂回归模型与集成学习模型共同形成一个综合的肺癌筛查预测模型；E.模型性能评估：通过混淆矩阵对肺癌筛查预测模型的性能进行预测，再筛选出表现最佳的肺癌筛查预测模型。本发明选出的特征大多数都具有显著性差异，能够作为潜在的肺癌标志物，对肺癌筛查具有积极意义。