摘要目的:探讨基于增强CT的机器学习模型鉴别结肠癌(CC)淋巴结转移(LNMs)与肿瘤沉积(TDs)的价值.方法:回顾性分析2015年1月—2024年7月于芜湖市第二人民医院行根治性手术治疗且N分期阳性的192例CC患者资料.按手术病理将样本分为LNMs组(n=107)和TDs组(n=85),单因素及多因素logistic回归分析筛选出2组间独立影响因子.样本按7:3随机分成训练组(n=134)和验证组(n=58),单因素分析比较各指标组间差异.采用决策树(DT)、逻辑回归(LR)、随机森林(RF)、弹性网络(ENet)、支持向量机(SVM)、朴素贝叶斯(NB)6种机器学习方法分别构建鉴别LNMs与TDs的预测模型,筛选出最佳输出模型并将其可视化.结果:术前增强CT分类指标环周切缘(CRM)、壁外血管侵犯(EMVI)及结节强化一致性较好(Kappa值0.624～0.763),其他指标一致性非常好(Kappa值0.818～0.970).LNMs与TDs组间经单因素及多因素logistic回归分析筛选出术前癌胚抗原(CEA)、肿瘤强化、CRM、EMVI及腹腔积液5个独立影响因子(P＜0.05);训练与验证组间各指标差异均无统计学意义(P＞0.05).DT、LR、RF、ENet、SVM、NB构建的机器学习模型受试者工作特征曲线下面积(AUC)分别为0.820、0.779、0.742、0.810、0.856、0.817(训练组)以及0.881、0.836、0.817、0.843、0.893、0.840(验证组).SVM为本研究最佳输出模型,EMVI是贡献最大的特征;腹腔积液和肿瘤强化贡献也较显著;术前CEA和CRM贡献相对较小.结论:基于增强CT机器学习模型鉴别结肠癌LNMs与TDs的价值较高.