目的:探讨影像组学对于T1期非小细胞肺癌中CD8+T淋巴细胞浸润程度的预测价值。材料和方法:本次研究我们回顾性分析了本院经手术病理确诊的113例T1期非小细胞肺癌（Non-small cell lung cancer,NSCLC）患者的CT平扫图像及病理资料。通过CD8+T淋巴细胞免疫组化染色,定量分析T1期非小细胞肺癌中CD8+T淋巴细胞浸润程度,并根据CD8+T淋巴细胞浸润程度分为高浸润组及低浸润组。所有患者按照8:2的比例随机分为训练集和验证集。应用单因素分析筛选与CD8+T淋巴细胞浸润程度相关的临床特征（包含年龄、性别、吸烟、淋巴结转移、癌胚抗原及细胞角质蛋白片段19）及传统CT形态学特征（包含肿瘤最大径、毛刺征、分叶征、胸膜凹陷征、肿瘤密度、空泡征、空洞、支气管充气征及血管集束征）。通过Radcloud云平台在肺窗下分割每一层图像中的肿瘤区域,以获取三维图像,提取7类影像组学特征,共1409个组学特征。通过方差阈值法（Variance threshold method）、Select K Best及最小绝对收缩选择算子（Least absolute shrinkage and selection operator,LASSO）算法进行降维并筛选出最优的影像组学特征,并利用支持向量机（Support Vector Machine,SVM）算法构建影像组学预测模型。最后,结合影像组学模型及有意义的临床特征、CT特征构建联合预测模型。通过受试者工作特征曲线（Receiver Operating Characteristic curve,ROC）的曲线下面积（Area Under Curve,AUC）来评价模型的预测性能。结果:113例患者中CD8+T淋巴细胞高浸润58例,低浸润55例。经过随机分组,训练集纳入91例患者,验证集纳入22例患者。单因素分析结果显示年龄在CD8+T淋巴细胞高浸润与低浸润组间有显著差异。其余临床特征及传统CT形态特征在CD8+T淋巴细胞高浸润与低浸润组间无统计学意义。经过一系列算法降维,从1409个影像组学特征中筛选出9个最优的特征建立影像组学模型。构建的影像组学模型在训练集中的AUC值为0.85,灵敏度为0.77,特异度为0.76;验证集AUC值为0.77,灵敏度为0.64,特异度为0.82。将年龄与影像组学模型联合构建临床-影像组学模型,该模型训练集的AUC值为0.87,灵敏度为0.73,特异度为0.72;验证集的AUC值为0.71,灵敏度为0.73,特异度为0.73。在训练集中,临床-影像组学模型的AUC值稍高于组学模型,但在验证集中,临床-影像组学模型的AUC值明显低于组学模型。结论:在T1期非小细胞肺癌患者中CD8+T淋巴细胞高浸润组患者年龄大于CD8+T淋巴细胞低浸润组患者,差异具有统计学意义。传统的CT形态学特征对于T1期非小细胞肺癌中CD8+T淋巴细胞浸润程度无预测价值。在预测T1期非小细胞肺癌CD8+T淋巴细胞浸润程度能力上,临床-影像组学模型并不优于单一影像组学模型,而影像组学模型对T1期非小细胞肺癌中CD8+T淋巴细胞浸润程度具有良好的预测性能。影像组学可为评估非小细胞肺癌预后及肺癌免疫治疗疗效提供一种无创分析手段。