摘要背景与目的 肺腺癌是非小细胞肺癌(non-small cell lung cancer,NSCLC)重要的病理组织学亚型.而肺浸润性非黏液腺癌(invasive non-mucinous pulmonary adenocarcinomas,INMA)因其显著异质性及组织学成分多样性,患者预后往往较差.建立INMA组织学分级系统是评价其恶性程度的关键.2021年国际肺癌研究协会(International Association for the Study of Lung Cancer,IASLC)提出新的组织学分级系统可以更好地对INMA患者进行预后分层.本研究旨在通过双能计算机断层扫描(dual-energy computed tomography,DECT)参数、分形维数(fractal dimension,FD)、临床特征及常规CT参数建立可视化列线图模型来术前预测INMA IASLC分级.方法 回顾性纳入2021年3月至2025年1月术前行DECT的INMA患者112例.根据IASLC分级将患者分为低-中级别组和高级别组.收集患者临床特征及常规CT参数,包括基线特征、生化标志物及血清肿瘤标志物.双能CT衍生参数,包括碘浓度(iodine concentration,IC)、有效原子序数(effective atomic number,eff-Z)和标准化碘浓度(normalized iodine concentration,NIC),采集并测定NIC比(NIC ratio,NICr)和FD.采用单因素分析比较两组在传统特征及双能CT衍生参数上的差异,将有统计学意义的变量纳入多因素Logistic回归分析,建立临床资料、常规CT参数及双能CT衍生参数的列线图模型并筛选INMA IASLC分级的独立预测因子;利用受试者工作特征(receiver operating characteristic,ROC)曲线分析评估判别能力.结果 多因素分析显示吸烟史[优势比(odds ratio,OR)=2.848,P=0.041]、分叶征(OR=2.163,P=0.004)、支气管充气征(OR=7.833,P=0.005)、动脉期eff-Z(OR=4.266,P＜0.001)及动脉期IC(OR=1.290,P=0.012)是预测INMA IASLC分级的独立影响因素,基于上述指标构建的列线图模型预测性能最佳,曲线下面积(area under the curve,AUC)达0.804(95％CI:0.725-0.883),特异度和灵敏度分别为85.3％和65.7％.结论 基于临床特征、影像学特征及能谱CT衍生参数的列线图模型在INMA IASLC分级的术前无创评估中具有较大的应用潜力.