【摘要】目的：探讨 18F- 氟代脱氧葡萄糖（18F-FDG）正电子发射断层扫描（PET）/CT 影像组学特征和临床特征对不可手术非小细 胞肺癌（NSCLC）患者病理分型的预测价值。方法：回顾性分析 2021 年 5 月—2025 年 6 月于广西医科大学第一附属医院首次诊断并接受 治疗的 147 例 NSCLC 患者的临床资料及治疗前 18F-FDG PET/CT 图像。按 7 ︰ 3 比例随机分为训练集 [n=102，其中腺癌（ADC）88 例、 鳞状细胞癌（SCC）14 例 ] 和验证集（n=45，其中 ADC 39 例、SCC 6 例）。输入随机森林、决策树、逻辑回归（LR）、极致梯度提升 模型、轻量级梯度提升机、类别增强模型 6 种分类器构建预测模型。构建临床模型、影像组学模型及联合模型，计算曲线下面积（AUC） 评估模型性能。最佳模型采用决策曲线分析（DCA）评估临床价值，通过 SHAP 分析明确贡献最大的特征，Brier 分数评估概率预测校 准程度。结果：肿瘤直径、最大标准化摄取值（SUVmax）、淋巴细胞 / 单核细胞比值（LMR）、淋巴细胞计数、中性粒细胞 / 淋巴 细胞比值（NLR）、吸烟史和性别是 NSCLC 病理分型鉴别的 7 个潜在预测标志物。临床模型中 LR 算法的 AUC 为 0.744。SHAP 分析 显示，LMR、SUVmax 和肿瘤直径贡献较大，DCA 和 Brier 分数提示 LR 模型的临床价值和校准性能优于其他模型。结论：基于临床特征 和 LR 算法构建的预测模型是 NSCLC 病理分型鉴别的最佳机器学习模型。影像组学与临床特征联合模型作为非侵入性手段，可有效预测 NSCLC 病理亚型，为临床患者管理及治疗策略制定提供指导。
【关键词】氟代脱氧葡萄糖；正电子发射断层扫描；计算机断层扫描；影像组学；不可手术非小细胞肺癌；逻辑回归模型