摘要目的 探讨构建体检高分辨率CT(high-resolution computed tomography,HRCT)的影像组学模型术前预测肺部孤立性磨玻璃结节(ground glass nodule,GGN)良恶性的价值.方法 回顾性分析 2019 年 1 月至 2022 年 10 月上海市奉贤区中心医院诊断为肺孤立性GGN的 152 例患者的肺部体检HRCT图像,按照 7∶3 的比例随机分为训练组(n=106)和验证组(n=46).根据病理结果将训练组患者分为恶性组(n=56)和良性组(n=50),比较两组患者临床特征.评估训练组患者肺孤立性GGN的常规CT影像特征,采用PyRadiomics软件在每个病灶的全域感兴趣区(volume of interest,VOI)提取 107 个影像特征,采用Lasso回归筛选影像特征并建立影像组学标签.采用logistic回归建立 3 种预测模型(临床模型、影像组学模型和联合模型),采用ROC曲线和曲线下面积(area under the curve,AUC)评价 3 种模型的预测效能.结果 Lasso回归共筛选出 13 个与预测肺孤立性GGN良恶性最相关的影像组学特征;3 个临床特征在恶性组和良性组的差异有统计学意义,分别为病灶密度(P=0.018)、分叶征(P=0.036)和支气管征(P=0.033).Logistic回归分析显示,影像组学特征的NCCT_original_firstorder_10Percentile、NCCT_original_glrlm_RunEntropy、NCCT_original_shape_Sphericity、临床特征的CT值、临床特征得分和影像组学得分可作为肺孤立性GGN良恶性的预测因素.影像组学模型、临床模型和联合诊断模型的AUC在训练组中分别为 0.971(95%CI 0.884～0.996)、0.866(95%CI 0.786～0.925)和 0.977(95%CI 0.827～0.996),在验证组中分别为0.883(95%CI 0.763～0.961)、0.692(95%CI 0.538～0.819)和0.934(95%CI 0.820～0.986).结论 基于HRCT影像组学特征构建的模型可以有效预测肺孤立性GGN的良恶性.