摘要目的 建立基于MR影像组学及临床病理特征的联合模型评估宫颈癌程序性死亡受体配体1(programmed death-ligand 1,PD-L1)表达水平.材料与方法 回顾性分析辽宁省肿瘤医院2021年1月至2024年9月进行了MR增强扫描的327例宫颈癌患者的临床和影像资料.将样本按照 7∶3 的比例随机分成训练集(n=228)和验证集(n=99).以PD-L1 组合阳性评分(combined positive score,CPS)≥10为分界值,将患者分为高、低表达组.采用ITK-SNAP软件进行病灶分割、通过pyradiomics提取影像组学特征;用皮尔逊相关系数、卡方检验、方差检验及随机森林选择特征,并通过极端梯度提升(extreme gradient boosting,XGBoost)分类器构建预测模型.采用单因素logistic回归分析临床病理资料并构建临床病理模型.将临床病理危险因素联合最佳影像组学特征构建联合模型.采用受试者工作特征(receiver operating characteristic,ROC)曲线、校准曲线和决策曲线分析(decision curve analysis,DCA)评估模型的预测性能.结果 PD-L1 高、低表达组患者的人乳头瘤病毒(human papillomavirus,HPV)感染及分化程度差异有统计学意义(P<0.05),临床模型在训练集及验证集的AUC分别为0.672[95%置信区间(confidence interval,CI):0.598～0.745]、0.698(95%CI:0.578～0.819).在提取的2261个影像组学特征中筛选出7个影像组学特征用于构建模型,训练集和验证集中AUC分别为0.788(95%CI:0.728～0.848)、0.712(95%CI:0.593～0.832).联合模型在训练集和验证集中AUC分别为0.932(95%CI:0.898～0.967)和0.805(95%CI:0.694～0.916).结论 以临床病理特征联合磁共振影像组学模型可有效预测PD-L1表达,帮助识别能够从抗PD-L1免疫治疗中获益的患者.