【摘要】目的 建立并验证从瘤周环境提取的放射组学特征模型区分早期浸润性肺腺癌(IAC)高级别生长模式的价值。方法 对164例早期IAC进行回顾性分析，按照结节内是否具有高级别生长模式分为两组：不含实体和微乳头亚型组、含实体或/和微乳头亚型组。分别统计164例患者的一般临床资料、肺结节影像表征。运用深睿医疗多模态科研平台作为图像勾画及放射组学特征提取工具。手动逐层勾画肺结节得到ROI定义为肿瘤总体积(GTV)，利用软件等比向结节周围肺实质自动扩展2mm得到ROI定义为瘤周体积(PTV)。对提取的放射组学特征进行相关性分析，剔除相关系数在0.9上的特征，特征相关性分析结束后，选择Pearson作为特征选择的方法进一步减轻特征之间的冗余。训练集运用10折交叉验证法，构建 Logistic Regression机器学习模型。采用受试者工作特征曲线和曲线下面积(AUC)评价模型的预测效果。结果 两组患者性别、Ki-67、结节类型、分叶征及毛刺征差异有统计学意义(P＜0.05)。训练集具有良好的诊断效能AUC为0.90(95%CI, 0.83~0.97)，敏感性为80.8%，特异性为80.3%，验证集AUC为0.79(95%CI, 0.67~0.91)，敏感性为80.8%，特异性为73.2%。结论 基于瘤周环境放射组学特征构建的模型能够预测早期浸润性肺腺癌高级别生长模式，为临床提前干预提供参考。