La predicción precisa preoperatoria de la recurrencia bioquímica (BCR) en el cáncer de próstata (CP) es esencial para la optimización del tratamiento, y exige un enfoque explícito en el microambiente tumoral (TME). Para abordar esto, desarrollamos MRMS-CNNFormer, un marco innovador que integra imágenes de resonancia magnética (RM) 2D de múltiples regiones (intratumoral, peritumoral y periprostático) y múltiples secuencias (imágenes pesadas en T2 con supresión de grasa (T2WI-FS) e imágenes ponderadas en difusión (DWI)) con características clínicas. El marco utiliza un codificador basado en para la extracción de características de imagen, seguido de un codificador basado en trans para la integración de características multimodales, y finalmente emplea una capa totalmente conectada (FC) para la predicción final de BCR. En este estudio multicéntrico (46 casos positivos de BCR, 186 casos negativos de BCR), los pacientes de los centros A y B se asignaron a los conjuntos de entrenamiento (n = 146) y validación (n = 36), mientras que los pacientes del centro C (n = 50) formaron el conjunto de prueba externo. El modelo de RM de múltiples regiones demostró un rendimiento superior (AUC, 0.825; IC del 95%, 0.808-0.852) en comparación con los modelos de una sola región. La integración de datos clínicos mejoró aún más la capacidad predictiva del modelo (AUC 0.835; IC del 95%, 0.818-0.869), superando significativamente al modelo clínico solo (AUC 0.612; IC del 95%, 0.574-0.646). MRMS-CNNFormer proporciona un enfoque robusto y no invasivo para la predicción de BCR, ofreciendo información valiosa para la planificación del tratamiento personalizado y la toma de decisiones clínicas en el manejo del CP.