目的：探讨增强CT影像组学特征构建随机森林(RF)机器学习模型鉴别诊断小细胞肺癌(SCLC)与非小细胞肺癌(NSCLC)的应用价值。方法：选取2017年1月—2024年8月在广州医科大学附属清远医院(清远市人民医院)影像中心行肺部CT双期增强扫描的84例患者的增强CT扫描图像，按照约7:3的比例随机分为训练集(58例)和验证集(26例)。使用最大相关最小冗余算(mRMR)法降维处理后的特征分别构建动脉期、静脉期和双期联合RF机器学习模型。采用受试者工作特征(ROC)曲线的曲线下面积(AUC)评估增强CT双期影像组学特征构建RF机器学习模型的诊断效能。结果：动脉期联合静脉期机器学习模型诊断SCLC与NSCLC的灵敏度、特异度、准确率、AUC分别为0.818、0.733、0.769和0.861，其中反映诊断效能的AUC高于单独动脉期和单独静脉期所构建的模型(0.736和0.836)。结论：基于双期增强CT影像组学特征构建的RF模型对SCLC和NSCLC的鉴别具有重要价值。