摘要目的·建立一种基于图神经网络(graph neural network,GNN)的胆囊癌CT影像辅助诊断模型,并验证其准确性与可行性.方法·收集2010年1月至2023年11月上海交通大学医学院附属新华医院和附属仁济医院887例正常胆囊、胆囊良性疾病、胆囊癌患者的1 774张腹部增强CT动脉期影像,按照4∶1随机划分为训练集和测试集,建立GNN和卷积神经网络(convolutional neural network,CNN)混合架构的模型VJK-GIN.该模型通过像素级的图构建方式,将每个像素作为图中的一个节点,空间邻接为边,从中提取图像局部纹理特征.在模型结构设计上,VJK-GIN模型采用3层图同构网络模块,并引入虚拟节点模块和跳跃知识机制,最后采用全局池化操作将节点特征压缩为图表示,并通过多层感知机分类器输出诊断结果.通过五折交叉验证法,比较VJK-GIN模型与其他GNN(GCN、GraphSAGE、GAT和GIN)、CNN(ViT、EfficientNetV2 和ConvNeXt)模型的准确率、精确度、召回率、F1 分数以及受试者操作特征曲线(receiver operator characteristic curve,ROC曲线)下面积(area under curve,AUC).结果·五折交叉验证法结果显示,VJK-GIN模型的F1分数为0.799(95%CI 0.775～0.823),召回率为0.795(95%CI 0.773～0.817),精确度为0.799(95%CI 0.775～0.823),AUC为0.812(95%CI 0.792～0.832),准确率为0.773(95%CI 0.748～0.798),所有评估指标均优于其他模型.结论·VJK-GIN模型对于正常胆囊、胆囊良性疾病、胆囊癌增强CT图像识别的稳定性和准确性均较高.