摘要目的 探讨胸部CT人工智能技术联合CT征象诊断肺磨玻璃结节(GGN)良恶性及侵袭性的价值.方法 选取2021 年6 月至2023 年6 月收治的肺GGN患者121 例,根据手术病理诊断结果分为良性组24 例与恶性组97 例.患者均行胸部CT检查,分析影像医师阅片CT征象、人工智能定量参数对肺GGN良恶性的诊断价值.并将恶性组根据侵袭性分为非浸润亚组58 例与浸润亚组39 例,对比2 亚组胸部CT人工智能定量参数,分析各参数与恶性肺GGN侵袭性的关系.结果 恶性组分叶征、毛刺征、支气管充气征、空泡征、胸膜凹陷征、血管集束征比例高于良性组,结节长径、最大面积、体积、平均CT值、心胸比率(CTR)大于良性组(P＜0.05).受试者工作特征曲线分析,CT征象分叶征、毛刺征、空泡征、支气管充气征、血管集束征、胸膜凹陷征诊断肺GGN良恶性的曲线下面积(AUC)分别为0.694、0.663、0.669、0.669、0.642、0.756,联合诊断AUC为0.874;人工智能定量参数结节长径、最大面积、体积、平均CT值、CTR诊断肺GGN良恶性的AUC分别为0.787、0.792、0.751、0.770、0.789,联合诊断AUC为0.882;CT征象与人工智能定量参数联合诊断肺GGN良恶性的AUC为 0.951,诊断价值最优.浸润亚组结节长径、结节短径、最大面积、体积、平均CT值、CTR大于非浸润亚组(P＜0.05).结节长径、结节短径、最大面积、体积、平均CT值、CTR与恶性肺GGN侵袭性呈正相关(P＜0.01).结论 胸部CT人工智能技术联合CT征象可有效提高肺GGN良恶性的诊断准确率,可通过二者联合诊断早期鉴别肺GGN良恶性以及恶性肺GGN侵袭性,以制订针对性干预方案.