【摘要】目的：探讨利用人工智能对肺部磨玻璃密度结节（GGN）侵袭性的预测价值。方法：选取 2021 年 6 月—2022 年 12 月在长江大 学附属第一医院放射科行胸部 CT 检查的患者 55 例，并且最终经手术和病理证实为肺腺癌的肺磨玻璃结节 60 枚。参考病理检查结果，60 枚 GGN 被纳入浸润前组（n=34）与侵袭组（n=26），比较两组一般资料与 AI 量化参数，根据 AI 量化参数差异情况绘制受试者工作特征（ROC） 曲线并分析各参数的 AUC 与诊断效能；使用二元 Logistic 回归分析 GGN 侵袭性的独立预测因子。结果：两组性别比例、年龄资料比较无显 著差异（P ＞ 0.05）；侵袭组长径、实性成分占比、平均 CT 值、最大 CT 值、最大面积与体积均高于浸润前组，最小 CT 值低于浸润前组（P ＜ 0.05）。AI 量化参数中的长径、实性成分占比、平均 CT 值、最大面积、体积均对 GGN 侵袭性有较好的预测价值（P ＜ 0.05）。长径、平 均 CT 值均属于预测 GGN 侵袭性的独立影响因子（P ＜ 0.05）。结论：AI 量化参数能够有效预测肺腺癌患者肺部 GGN 侵袭性，且量化参 数中的长径与平均 CT 值属于独立预测因子，预测价值较高，能为患者病情进展评估提供更加准确的数据支持，对后续早期治疗方案制定与 治疗效果评估有积极意义。 

【关键词】人工智能；CT；肺腺癌；肺磨玻璃结节；侵袭性