【摘要】目的 研究CT网络深度学习人工智能法联合血清胃泌素释放肽前体(proGRP)+细胞角蛋白19片段(Cyfra21-1)在肺结节定性中的临床价值。方法 选取2023年3月至2024年5月我院收治的230例肺结节患者为研究对象。以手术切除或穿刺活检病理结果为准，比较CT网络深度学习人工智能法与人工测量肺结节直径，比较不同方法对恶性肺结节的检出情况及诊断效能，比较恶性结节不同浸润性患者血清proGRP、Cyfra21-1水平，并采用受试者工作特征曲线(ROC)分析血清proGRP、Cyfra21-1对恶性结节浸润性的鉴别诊断价值，Kappa指数分析CT网络深度学习人工智能法联合血清proGRP+Cyfra21-1 评估恶性结节浸润性与病理结果一致性。结果 CT网络深度学习人工智能法测量时间显著短于人工测量，差异有统计学意义(P＜0.05)；手术切除或穿刺活检病理结果显示恶性158例，良性72例，CT网络深度学习人工智能法、proGRP、Cyfra21-1、联合检出恶性肺结节分别为151例、112例、87例、 151例，CT网络深度学习人工智能法的灵敏度、准确度、特异度高于proGRP、Cyfra21-1，联合的灵敏度高于proGRP、Cyfra21-1，联合的准确度、特异度高于CT网络深度学习人工智能法、proGRP、 Cyfra21-1，差异有统计学意义(P＜0.05)；浸润性腺癌患者血清proGRP、Cyfra21-1高于非浸润性腺癌，差异有统计学意义(P＜0.05)；ROC分析显示， 血清proGRP、Cyfra21-1均对恶性肺结节浸润性具有一定鉴别诊断价值；一致性分析显示，CT网络深度学习人工智能法联合血清proGRP+Cyfra21-1评估恶性结节浸润性与病理结果一致性为94.94%， Kappa值为0.872(95% CI: 0.717~1.028)(P＜0.05)。结论 CT网络深度学习人工智能法及血清proGRP、Cyfra21-1联合应用对肺结节性质及恶性结节浸润性均具有较高鉴别诊断价值，可作为临床肺结节定性诊断及评估浸润性的新方案，并有助于缩短诊断时间、指导临床选择合理干预方式。