目的：本研究旨在探讨基于对比增强计算机断层扫描（CECT）的影像组学预测模型在鉴别良恶性含实性肾脏肿块中的应用价值。
材料与方法：本研究共纳入122例经病理学确认的良性（n=47）、恶性（n=75）含实性肾脏肿块患者。分别提取动脉期、静脉期和延迟期的影像组学特征，并通过降维和特征选择进行进一步分析。构建了四种主流机器学习算法训练模型，包括支持向量机（SVM）、k近邻算法（kNN）、轻量梯度提升机（LightGBM）和逻辑回归（LR），以确定最佳分类器模型。通过单因素和多因素分析筛选出用于构建临床模型的最佳临床特征。结合影像组学特征和临床特征，构建联合预测模型。采用受试者工作特征曲线（ROC）和曲线下面积（AUC）评估联合预测模型、影像组学模型及临床模型的性能。
结果：筛选出13个影像组学特征用于构建影像组学模型。在不同的影像组学模型中，LR模型表现出较高的预测效率和稳健性，在训练集的AUC为0.952，在测试集的AUC为0.887。临床模型的AUC在训练集为0.854，在测试集为0.747。此外，结合性别、年龄、饮酒史和影像组学特征的联合模型表现出优异的鉴别能力，在训练集的AUC为0.973，在测试集的AUC为0.900。
结论：基于CECT的影像组学模型为鉴别良恶性含实性肾脏肿块提供了一种有潜力且无创的方法，该工具可能有助于指导治疗策略选择，并为临床医生提供宝贵的参考依据。

关键词：计算机断层扫描，肾脏肿瘤，影像组学，机器学习