目的 探讨基于CT影像组学的机器学习模型预测肺部纯磨玻璃结节(pGGN)浸润性的价值。方法 采用回顾性队列研究,分析2022年8月～2024年8月在我科发现的肺纯磨玻璃结节208例,根据病理结果分为非浸润组及浸润组,记录结节CT特征,基于CT图像提取影像组学特征,筛选出最优组学特征,构建影像组学模型,绘制ROC曲线并计算曲线下面积(AUC)。比较影像组学模型与放射科医师及放射科医师联合影像组学模型在预测肺部pGGN浸润性的诊断效能。结果 降维后共筛选出6个最优特征,构建Logistic回归模型,在训练集中,模型的AUC、敏感度和特异度分别为0.786、0.771、0.875,在验证集中分别为0.776、0.735、0.859。影像组学预测模型诊断效能优于放射科医师,并能提高放射科医师诊断效能。结论 基于CT影像组学的机器学习模型对肺部pGGN浸润性的预测具有较高的效能,对患者的治疗方案具有一定的指导价值。