摘要目的 基于临床特征和血清肿瘤标志物构建辅助鉴别诊断肺部良性、恶性病变的列线图模型.方法 选取2018年1月—2019年12月昆明医科大学第三附属医院接受手术治疗的1 335例肺癌患者(肺癌组)和234例肺部良性结节患者(良性结节组),按7∶3随机分为训练集和验证集.收集所有患者的临床资料,并检测癌胚抗原(CEA)、糖类抗原(CA)125、CA15-3、CA19-9、CA242、CA72-4、细胞角蛋白19片段(CYFRA21-1)、铁蛋白(FER)、鳞状上皮细胞癌抗原(SCC-Ag)和神经元特异性烯醇化酶(NSE)水平.采用Logistic回归分析筛选出差异有统计学意义的指标,并构建列线图模型.采用C-index、受试者工作特征(ROC)曲线、校准曲线和决策曲线评估列线图模型的性能.结果 在训练集中,良性结节组和肺癌组之间年龄和CEA、CA125、CA15-3、CA19-9、CYFRA21-1、SCC-Ag、NSE水平差异均有统计学意义(P＜0.05);年龄、家族肿瘤史、CEA、CYFRA21-1、NSE均是肺癌发生的独立危险因素[比值比(OR)值分别为 1.019、3.243、1.374、1.262、1.073,95％可信区间(CI)分别为 1.001～1.037、1.357～7.749、1.225～1.540、1.127～1.412、1.024～1.125,P＜0.05];采用ROC曲线确立CEA、CYFRA21-1 和NSE鉴别诊断良性结节和肺癌的最佳临界值,依据最佳临界值将3项指标转变为二分类变量,并结合患者的年龄、家族肿瘤史建立列线图模型.在训练集和验证集中,列线图模型的C-index分别为0.816、0.843;鉴别诊断良性结节和肺癌的曲线下面积(AUC)分别为0.822、0.861,敏感性分别为67.5％、65.0％,特异性分别为81.7％、91.8％.列线图模型具有较高的净获益率,净获益率最大值为0.78.在验证集中,Logistic回归模型诊断TNM Ⅰ、Ⅱ、Ⅲ期肺癌的AUC分别为0.775、0.843、0.911,敏感性分别为58.2％、78.3％、83.0％,特异性分别为87.3％、76.1％、88.7％.结论 基于临床特征和血清肿瘤标志物构建的列线图模型对肺部良性、恶性病变的鉴别诊断具有较高的效能.