摘要目的 基于MRI动脉晚期图像,构建并验证一种多病灶生境影像组学(multi-lesion habitat radiomics,ML-HR)模型,评估其无创预测肝富血供转移瘤(hypervascular liver metastases,HLM)胃肠道(gastrointestinal,GI)与非GI来源的价值.材料与方法 回顾性纳入双中心111例HLM患者的临床及对比增强MRI资料,按7∶3比例随机分为训练集与验证集.在动脉晚期图像上勾画所有病灶的感兴趣体积(volume of interest,VOI),提取局部影像组学特征并划分亚区域,采用14种机器学习算法分别构建传统单病灶影像组学(single-lesion radiomics,SLR)模型、多病灶影像组学(multi-lesion radiomics,MLR)模型及ML-HR模型,以鉴别HLM是否来源于GI.通过受试者工作特征曲线筛选最优算法并确定最佳模型.结果 共纳入111名患者(241个病灶),其中训练集(n=77),验证集(n=34).决策树(decision tree,DT)、径向基核函数支持向量机(radial basis function support vector machine,rbf_SVM)和极限梯度提升(eXtreme Gradient Boosting,XGBoost)分别为 SLR、MLR 以及ML-HR模型的最佳算法.ML-HR模型性能最优,训练集AUC为0.952(95％置信区间:0.904～0.988),验证集AUC为0.901(95％置信区间:0.765～0.997),显著优于传统模型(P＜0.05).结论 ML-HR模型可有效无创预测HLM的GI与非GI来源,为临床个体化诊疗提供可靠影像学依据.