【摘要】目的：构建CT影像组学对肾移植受者术后1年内发生肺部感染风险的预测模型并评估其预测价值。方法：回顾性分析于 2016年1月—2020年6月在昆明市第一人民医院接受肾移植的110例患者的临床资料及CT影像资料，按7︰3比例将患者分为训练集（77例） 和验证集（33例），后进行全肺的勾画和特征提取，并进行特征筛选、降维，确定与肾移植后肺部感染显著相关的影像组学特征。使用 10 折交叉验证训练了逻辑回归（LR）、K近邻（KNN）、多层感知器（MLP）3种机器学习算法对肾移植后肺部感染进行早期预测。使 用Logistic回归分析筛选危险因素并分别构建影像组学模型、临床模型和结合影像组学-临床特征的联合预测模型，通过应用受试者工作 特征（ROC）曲线，计算曲线下面积（AUC）对预测模型的效能进行评价。结果：110例肾移植患者术后1年内发生肺部感染的有感染70例， 无肺部感染40例，肺部感染者中男52例，女18例，非肺部感染者中男30例，女10例。最终确定14个与肾移植后肺部感染显著相关的 影像组学特征，并训练了LR、KNN、MLP 3种机器学习算法，显示LR在预测肾移植后肺部感染方面表现较好。在构建的影像组学模型 中，验证集和训练集AUC分别为0.839和0.854。在构建的临床模型中，验证集和训练集的AUC值分别为0.689和0.550。在结合影像组学-临床特征的联合模型中验证集和训练集的AUC值分别为0.856和0.850。结论：基于肾移植患者术前的肺部CT图像提取的影 像组学特征构建3种机器学习模型显示LR具有好的临床适用性，有助于预测肾移植后肺部感染的发生，同时以影像组学特征结合临床 特征模型可进一步有效预测肾移植受者术后1年内肺部感染的发生，具有较高的诊断价值。
【关键词】肺部感染；肾移植术后；机器学习；影像组学；风险预测模型