目的 探讨人工智能辅助诊断系统基于CT图像预测肺腺癌表皮生长因子受体突变的价值，为临床诊断或决策提供支持。方法 回顾性分析2017至2019年就诊于我院经手术或穿刺活检病理证实为肺腺癌患者143例，根据基因检测结果将其分为EGFR突变组(n=68)和EGFR未突变组(n=75)。采用卡方检验或t检验比较两组患者临床病理特征及由AI系统测定三期CT图像所得参数(恶性概率预测值、最大径、3D体积、CT值、能量值)。利用二元Logistic回归分析相关变量，建立模型并获得联合预测因子，采用Hosmer-Lemeshow检验对该模型的拟合优度进行检验，对联合预测因子绘制ROC曲线，探讨AI联合临床病理特征预测肺腺癌癌表皮生长因子受体突变的诊断效能。结果 两组患者临床特征差异均无统计学意义(P>0.05)，AI系统测定三期CT图像所得参数在两组间差异均有统计学意义(P<0.001)。联合预测因子鉴别结节良恶性的ROC曲线下面积AUC为0.957，灵敏度为0.880、特异度为0.880。Hosmer-Lemeshow检验结果表明该模型P>0.10(0.642)，拟合效果较好。结论 基于人工智能肺结节辅助诊断系统预测肺腺癌表皮生长因子受体突变准确度高，有较好的临床应用价值