文摘目的评估基于CT增强图像的影像组学方法在肺腺癌(Lung Adenocarcinoma,ADC)和肺鳞状细胞癌(Squamous Cell Carcinoma,SCC)中的鉴别能力。方法回顾性分析泰州市人民医院2017年1月至2019年12月经病理证实的51例ADC患者和34例SCC患者,从CT增强图像感兴趣区中提取影像组学特征。按照7:3的比例,选取59个患者作为训练集,26个作为验证集。应用相关性检验、单因素方差分析或秩和检验、单因素Logistic回归分析、多随机森林算法交叉验证的方法选择特征及降维,采用多因素Logistic回归方法和贝叶斯网络构建预测模型进行比较,通过受试者操作特征(Receiver Operating Characteristic,ROC)曲线的曲线下面积(Area Under the Curve,AUC)评价模型效能(灵敏度、特异度、准确率)。结果8个特征通过Logistic回归分析方法建立模型,通过ROC曲线发现训练集AUC为0.97、灵敏度为83.3%、特异度为97.1%、准确率为91.5%。验证集AUC为0.89、灵敏度为80.2%、特异度为73.3%、准确率为84.6%。结论基于Logistic回归的影像组学方法在SCC与ADC的预测与鉴别中具有较高的应用价值,可为临床医师决策提供科学依据。