【摘要】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。

【关键词】计算机体层摄影；影像组学；机器学习；小细胞肺癌；非小细胞肺癌