目的  探讨基于术前增强CT图像的影像组学模型在预测胃癌血管侵犯的价值。

方法：我们回顾性分析了 194 例接受增强 CT 检查的胃腺癌患者。根据病理分析，患者被分为血管侵犯组（n = 43）和非血管侵犯组（n = 151）。在CT动脉期和门静脉期图像上逐层勾画肿瘤生成三维ROI，共提取396个组学特征，利用最小冗余最大相关(mRMR)和最小收缩与选择算子(LASSO)回归对组学特征进行筛选并计算对应的影像组学评分(Rad-score)。构建基于图像特征、临床因素以及两者结合的预测模型。通过受试者工作特征（ROC）曲线和决策曲线分析（DCA）评估模型的诊断效率和临床实用性。

结果：联合预测模型包括动脉期的 Rad-score、门静脉期的 Rad-score、Ki-67 以及 Lauren 分型。在训练组中，联合预测模型的曲线下面积（AUC）为 0.83（95%置信区间 0.76 - 0.89），敏感性为 64.52%，特异性为 92.45%。在验证组中，AUC 为 0.80（95%置信区间 0.67 - 0.89），敏感性为 66.67%，特异性为 88.89%。决策曲线分析表明，联合预测模型可能比单独的临床模型具有更大的净临床效益。

结论：结合增强 CT 影像组学特征、Ki-67 以及临床因素的联合预测模型对 VI 具有显著的预测能力。此外，影像组学模型还有可能优化个性化临床治疗选择和患者预后评估。