目的 探索基于CT增强图像影像组学鉴别肾透明细胞癌恶性程度的价值。方法 回顾性分析192例经病理证实为肾透明细胞癌(CCRCC)增强CT图像资料，其中低级别组(Ⅰ-Ⅱ级，n=111)、高级别组(Ⅲ-Ⅳ级，n=81)。对于增强CT皮质髓质期(CMP)、肾实质期(NP)、排泄期(EP)及三期联合的图像进行影像组学特征提取，运用最小绝对收缩率和选择运算符(LASSO)进行降维，选取有价值的组学特征，采用五折交叉验证将样本量分为训练组及测试组，训练组采用支持向量(support vector machine，SVM)及逻辑回归(logistic regression，LR)两类分类器创建CMP、NP、EP及三期联合的影像组学模型，运用受试者工作特征曲线下面积(AUC)、准确度、灵敏度、特异度、精确度最终评估影像组学模型对于肾透明细胞癌恶性程度的诊断效能,并用测试组进一步验证。结果 基于CMP、NP、EP及三期联合图像所建立的影像组学模型与CCRCC恶性程度显著相关，且CMP影像组学模型对于CCRCC恶性程度诊断效能最高(R=0.831，0.801)。SVM分类器模型测试组CMP、NP、EP及三期联合诊断效能ROC曲线下面积(AUC)值分别为 0.819、0.785、0.808、0.812；LR分类器模型测试组CMP、NP、EP及三期联合AUC值分别为0.860、0.789、0.808、0.799；在SVM与LR分类器中，CMP与EP、CMP与NP影像组学模型AUC值之间具有显著差异(P<0.05), NR与EP模型之间无差异(P>0.05)。两类分类器均有较好的诊断性能，且SVM分类器建立的影像组学模型性能较LR分类器更稳定、全面。结论 基于增强CT影像组学特征所建立的影像组学模型对于肾透明细胞癌恶性程度鉴别具有临床指导性作用，且SVM分类器建立的影像组学模型性能更加稳定、全面。