[背景]肾癌的治疗方案及预后与组织学亚型、核分级等密切相关,术后辅助治疗获益人群不明。现有的肾癌预后模型缺乏影像学参数,可反应肿瘤异质性的影像组学在肾癌的稳定性应用有待进一步探索。[目的]探讨利用CT影像组学特征稳定可靠的预测肾癌亚型、肾透明细胞癌核分级的可行性。基于可行性利用影像组学特征开发并验证透明细胞肾癌术后无进展生存期（PFS）列线图,以期为肾癌的个性化风险评估、精准治疗提供参考。[材料与方法]回顾性分析肾癌患者术前CT影像资料和临床资料。使用ITK-SNAP软件手动分割获取肿瘤平扫及增强期三维容积感兴趣区,基于PyRadiomics计算平台进行影像组学特征提取。第一部分:基于不平衡数据,探索性使用集成学习引导聚集算法框架和套索回归进行特征选择,利用逻辑回归分别构建单期和全期共5个影像组学模型,并与临床特征模型对比,探索稳定可靠的透明细胞肾癌、乳头细胞肾癌和嫌色细胞肾癌三分类和二分类预测模型。第二部分:探索性使用稳定性特征选择框架和套索回归进行特征选择,利用逻辑回归分别构建单期、双期、三期及全期共15个影像组学模型,并与临床特征、决策树、支持向量机和随机森林模型对比,探索最优透明细胞肾癌WHO/ISUP核分级预测模型。第三部分:基于稳定性特征选择框架进行特征选择,通过生存分析探索透明细胞肾癌术后PFS临床-影像组学特征列线图,探索影像组学特征的增益价值。利用交叉验证保证特征选择和预测模型的稳定性和可靠性,模型的性能用平均值表示。[结果]第一部分:全期模型的三分类和二分类预测模型性能均最优,总准确度为0.80,测试集上预测透明细胞肾癌、乳头状细胞肾癌、嫌色细胞肾癌的敏感度分别为0.85,0.60和0.66;特异度分别为0.83,0.91和0.91;AUC分别为0.89,0.85,0.89。第二部分:基于症状、肿瘤最大径、平扫CT值和影像组学特征的临床-影像组学联合模型预测透明细胞肾癌WHO/ISUP核分级性能最优,训练集和测试集的 AUC 分别为 0.82,0.77。第三部分:由年龄、临床分期、KPS评分和影像组学特征组成的临床-影像组学特征列线图预测透明细胞肾癌术后PFS性能最优。训练集和测试集C-index分别为0.836,0.706。决策曲线分析显示列线图的效能始终优于临床特征模型,重分类改善率为18.03%,综合判别改善率为19.08%。[结论]利用集成学习引导聚集算法可基于CT三维影像组学全期模型稳定可靠的预测肾细胞癌亚型。利用稳定性特征选择框架可基于平扫期影像组学特征稳定可靠的预测透明细胞肾癌WHO/ISUP核分级。利用临床-影像组学特征列线图可较好的预测透明细胞肾癌术后PFS,可优化临床特征模型效能,无创的为肾癌个体化风险评估和制定治疗方案提供参考。