简介：摘要目的探讨基于对比增强能谱乳腺X线摄影（CESM）乳腺病变内部与周围区域的影像组学特征联合临床因素预测乳腺影像报告和数据系统（BI-RADS）4类乳腺病变性质的价值。方法回顾性分析2017年7月至2020年7月在青岛大学附属烟台毓璜顶医院（中心1）及2019年6月至2020年7月在复旦大学附属肿瘤医院（中心2）接受诊治的乳腺病变患者的临床及CESM图像资料。中心1纳入835例患者，均为女性，年龄17~80（49±12）岁，以Python软件中的“train_test_split”函数按8∶2的比例分为训练集（667例）和测试集（168例）；中心2纳入49例患者作为外部验证集，均为女性，年龄34~70（51±8）岁。分别从所有患者CESM图像的病变内部区域（ITR）、病变周围5 mm及10 mm区域（PTR 5 mm、PTR 10 mm）及病变内部联合周围5 mm及10 mm区域（IPTR 5 mm、IPTR 10 mm）提取影像组学特征，通过方差过滤、SelectKBest算法和最小绝对收缩和选择算子算法筛选后分别建立ITR标签、PTR 5 mm标签、PTR 10 mm标签、IPTR 5 mm标签、IPTR 10 mm标签。在训练集中采用单因素和多因素logistic回归筛选出对鉴别BI-RADS 4类乳腺病变良性与恶性有意义的影像组学标签及临床因素并构建列线图。采用受试者操作特征曲线及曲线下面积（AUC）评估列线图预测BI-RADS 4类乳腺病变良性与恶性的效能；采用决策曲线和校准曲线评估列线图的净获益及校准能力。结果基于ITR标签、PTR 5 mm标签、PTR 10 mm标签、IPTR 5 mm标签、年龄、BI-RADS 4类亚分类构建的列线图在训练集、测试集及外部验证集中鉴别BI-RADS 4类乳腺病变恶性与良性的AUC分别为0.94、0.92和0.95。校准曲线显示，列线图在训练集、测试集及外部验证集中预测BI-RADS 4类乳腺恶性病变的概率和实际结果一致性较好。决策曲线表明，列线图在训练集、测试集及外部验证集中净收益较好。结论基于CESM乳腺病变内部和周围区域的影像组学特征联合临床因素构建的列线图鉴别BI-RADS 4类乳腺病变的良性与恶性具有一定价值。