摘要目的基于人工智能（AI）建立并验证≤20 mm孤立性肺结节（SPN）良恶性预测模型。方法收集2018年11月至2020年5月在厦门大学附属中山医院接受手术切除并获得明确病理诊断的≤20 mm SPN患者279例（338个SPN），回顾性分析其临床特征（年龄、性别、吸烟史、恶性肿瘤史及家族恶性肿瘤史）、影像特征（最大径、最小径、实性占比、体积、分叶征、毛刺征、空泡征、空洞征、胸膜凹陷征）、及影像组学特征（最大CT值、最小CT值、平均CT值、中位数CT值、CT值标准差、偏度、峰值、能量、熵）。采用完全随机法将SPN按8∶2比例分为训练集（271个）和验证集（67个）。训练集数据中，首先使用最小收缩和选择算子（LASSO）回归方法对临床特征、影像特征及影像组学进行筛选，再进行多因素logistic回归分析筛选出≤20 mm SPN良恶性相关的独立危险因素，并实现列线图预测模型构建。最后将测试集数据传入该模型进行验证，绘制ROC曲线和校准曲线，评估模型预测价值。结果训练集中271个≤20 mm SPN，其中良性81个、恶性190个。经LASSO回归及多因素logistics回归分析筛选得出年龄、性别、最大径、空泡征、实性占比5个因素为预测最大径≤20 mm SPN良恶性的独立预测因子， 构建预测模型为：P=ex/（1+ex），x=-2.583+0.027×年龄+1.519×性别+0.127×结节最大径-2.132×实性占比+1.720×空泡征。该模型预测≤20 mm的SPN为恶性的ROC曲线下面积为0.850， 灵敏度为73.7%，特异度为82.7%，准确度为82.3%。验证集67个SPN，其中良性22个、恶性45个， 预测模型的AUC为0.882，灵敏度为82.2%，特异度为81.8%，准确度为85.1%。训练集和验证集预测模型的校准曲线与理想曲线重合度良好（训练集：P=0.688，验证集：P=0.618）。结论基于AI建立的≤20 mm SPN的良恶性预测模型可获得预测概率并具有良好的诊断效能。
