【摘要】目的：探讨基于增强 CT 图像支持向量机模型鉴别诊断透明细胞肾细胞癌（ccRCC）与乏脂性肾血管平滑肌脂肪瘤（fp-RAML）的效果。方法：回顾性分析 2020 年 1 月—2024 年 7 月在广州医科大学附属清远医院行肾脏 CT 增强扫描的 ccRCC 与 fp-RAML 患者各40 例的资料，对图像进行勾画感兴趣容积勾画和特征提取，使用相关性分析、LASSO 回归对特征进行降维，降维处理后的最优特征用于计算每位患者的影像组学评分，并构建 SVM 机器学习模型。结果：在训练集中，fp-RAML 的 Radscore 平均值为（-0.58±0.98），ccRCC 的 Radscore 平均值为（1.44±0.79），两者比较差异有统计学意义（P ＜ 0.05）；在验证集中，fp-RAML 的 Radscore 平均值为（-0.97±1.05），ccRCC 的 Radscore 平均值为（1.24±1.00），两者比较差异有统计学意义（P ＜ 0.05）。SVM 机器学习模型在训练集和验证集中鉴别诊断 ccRCC 与 fp-RAML 的 AUC 分别为 0.972 和 0.923。结论：基于增强 CT 图像支持向量机模型有助于鉴别诊断ccRCC 与 fp-RAML。

【关键词】影像组学；机器学习；支持向量机；透明细胞肾细胞癌；血管平滑肌脂肪瘤