目的探讨基于增强CT影像组学对胸腺瘤组织学分型的预测价值。材料与方法回顾性分析226例经病理证实的胸腺瘤患者,其中低危组胸腺瘤146例（A型、AB型及B1型为23例、96例及27例）,高危组胸腺瘤80例（B2型、B3型为53例、27例）,按照7:3比例分为训练集（159例）及测试集（67例）。利用ITK-SNAP软件沿动脉期（AP）及静脉期（VP）肿瘤的最大层面进行手动勾画,生成感兴趣区（ROI）,导入Pyradiomics软件提取特征并采用图像生物标志物标准化倡议（IBSI）标准,利用最小冗余最大相关算法（m RMR）及最小绝对收缩与选择子算法（LASSO）分别于AP、VP图像进行影像组学特征筛选并建立AP、VP影像组学模型,同时联合AP及VP图像重新筛选影像组学特征并建立动静脉期（A-VP）影像组学模型,受试者工作特征曲线（ROC）及曲线下面积（AUC）评估上述3种模型对胸腺瘤组织学分型的预测效能,随后将整个数据集随机分解100次,建立不同的训练集及测试集并比较3种影像组学模型预测效能（AUC值、准确性、敏感度及特异度）是否存在差异。比较不同组织学分型胸腺瘤在临床、CT特征之间的差异,P＜0.05有统计学意义,并采用logistic回归分析筛选与胸腺瘤组织学分型相关的临床及CT特征构建临床模型,其中临床特征包括性别、年龄、重症肌无力（MG）,CT特征包括肿瘤最大长径（Dmax）、位置、形态、边界、囊变坏死、钙化、局部侵犯、转移、强化均匀性、AP及VP CT值、强化方式。联合影像组学特征及临床、CT特征,多因素logistic回归分析构建影像组学诺模图,ROC曲线及AUC值评估影像组学诺模图的预测效能,De Long检验比较影像组学模型、临床模型及影像组学诺模图AUC值是否存在差异,Hosmer-Lemeshow检验及校正曲线评价影像组学诺模图的拟合优度,决策曲线分析（DCA）评价影像组学诺模图的临床效果。结果分别从AP及VP图像提取788项影像组学特征,于AP、VP以及A-VP分别筛选出3、17、19项影像组学特征建立影像组学预测模型,AP影像组学模型在训练集及测试集的AUC值分别为0.78（95%CI:0.70-0.85）、0.76（95%CI:0.65-0.88）;VP影像组学模型在训练集及测试集的AUC值分别为0.85（95%CI:0.79-0.92）、0.84（95%CI:0.74-0.93）;A-VP影像组学模型在训练集及测试集的AUC值分别为0.89（95%CI:0.84-0.94）、0.85（95%CI:0.75-0.94）;训练集中,A-VP影像组学模型AUC值、准确性、敏感度及特异度优于AP及VP影像组学模型（P＜0.05）,VP影像组学模型AUC值、准确性、敏感度及特异度优于AP影像组学模型（P＜0.05）,测试集中,3种影像组学模型在准确性、敏感度及特异度差异无统计学意义（P＞0.05）,VP及A-VP影像组学预测模型AUC值大于AP影像组学预测模型（P＜0.05）,VP与AVP影像组学预测模型AUC值差异无统计学意义（P＞0.05）。低危组胸腺瘤与高危组胸腺瘤在性别、年龄、MG、形态、边界、是否钙化、是否侵犯临近组织、是否转移、AP CT值、VP CT值差异有统计学意义（P＜0.05）,大小、位置、囊变坏死、强化均匀性及强化方式差异无统计学意义（P＞0.05）,临床模型在训练集及测试集的AUC值分别为0.79（95%CI:0.71-0.86）、0.81（95%CI:0.70-0.91）。影像组学诺模图在训练集及测试集的AUC值分别为0.91（95%CI:0.86-0.95）、0.88（95%CI:0.80-0.96）。训练集中,影像组学诺模图及影像组学模型AUC值大于临床模型（P＜0.05）,影像组学诺模图与影像组学模型AUC值差异无统计学意义（P＞0.05）,测试集中,影像组学诺模图、影像组学模型及临床模型AUC值差异无统计学意义（P＞0.05）。DCA结果显示阈值概率为0.1-1时,影像组学诺模图临床效用优于影像组学模型及临床模型。结论（1）基于增强CT影像组学模型对胸腺瘤组织学分型有良好的预测价值。（2）VP及A-VP影像组学模型预测效能优于AP影像组学模型。（3）影像组学诺模图的临床效用优于临床模型及影像组学模型。