目的 探讨人工智能（artificial intelligence,AI）肺结节定量参数预测肺磨玻璃结节（ground-glass nodule,GGN）浸润程度的临床价值。方法 回顾性分析2019年10月—2021年5月滨州医学院附属烟台山医院连续收治168例肺腺癌患者的临床资料，其中男43例、女125例，年龄21～78(55.76±10.88)岁。部分病例表现为多发GGN，且同一患者的不同病灶作为独立样本进行分析。178个GGN被分为两组，将原位腺癌（24个）和微浸润腺癌（77个）划分为非浸润组，浸润性腺癌（77个）划分为浸润组。比较两组间肺结节AI定量参数的差异，并以受试者工作特征曲线和二元logistics回归模型评估AI定量参数对GGN病灶侵袭程度的预测价值。结果 Bemcentinib体外（1）两组间参数比较：除性别因素（P=0.115）外，浸润组长径[（15.10±10.00）mm vs.(8.95±3.50)mm]、短径[（10.80±6.40）mm vs.(7.35±2.80)mm]、实性成分占比（13.58%±62.15%vs. 0.00%±0.67%）、平均CT值[（–347.00±391.00）Hu vs.（–599.00±147.00）Hu]、最大CT值[（40.00±135.00）Hu vs.（–216.50±281.00）Hu]、最小CT值[（–584.00±341.00）Hu vs.（–751.00±86.00）Hu]、结节危险度（biopsy naïve高危结节占比，92.2%vs. 66.3%）、恶性概率（91.66%±9.29%vs. 81.89%±30.33%）及年龄[（59.93±8.53）岁vs.(52.04±12.10)岁]明显大于或高于非浸润组（P均<0.001）。（2）单一量化参数的预测价值最高为长径（AUC=0.843），最低为危险度（AUC=0.627）;3种参数中任意两两联合：长径、平均CT值、实性成分占比均可提高AI的预测价值。（3）Logistics回归分析显示，长径及平均CT值是预测IAC的独立危险因素。（4）当实性成分占比阈值为1.775%时，诊断IAC灵敏度为0.7Rapamycin体外53、特异度为0.851。结论 AI量化参数可有效预测GGN的浸润程度，为临床医生提供可靠的参考依据。