目的:结合从腹部增强CT胰腺病灶提取的影像组学特征,构建预测IPMN良恶性的模型,结合临床部分定性定量特征,探究是否能够进一步提高IPMN病理分型诊断的准确性,以便对患者选择胰腺手术治疗还是观察进行有效地管理。方法:对从2013年1月至2022年11月期间在吉林大学第一医院影像科术前行腹部增强CT检查,并于本院进行手术治疗,术后于我院病理科明确诊断为IPMN的121患者的部分临床资料及CT影像学资料进行回顾性分析,其中良性患者61例,恶性患者60例。按照7:3的比例,将患者分成了交叉验证和独立测试的两个不同实验集,使用影像组学人工智能平台(Radiomics Intelligent 获悉更多Analysis Software,RIAS),绘制三维容积感兴趣的区域,并从中提取出了影像组学的特征,通过最小收缩与选择算子(Least absolute shrinkage and selection operator,LASSO)的算法进行降维筛选,获得构建模型的特征参数,并建立胰腺导管内乳头状黏液性肿瘤动脉期和静脉期的影像组学模型,以便更准确地诊断病变。此外,我们还通过受试者操作特征曲线(ROC)下的面积进一步评估各组学模型的诊断效果。选择效能最优的影像组学模型后联合筛选出的独立预测危险因素再次建模,评估该模型的诊断效能是否得到提升。结果:胰腺病变的囊实性、病理类型、病变大小、CA199、CA125、碱性磷酸酶、总胆红素、γ-谷氨酰转肽酶、糖尿病是患者IPMN良恶性预测的9个独立预测因素(p<0.05)。在测试集中,静脉期模型SVM的测试集AUC为0.801,动脉期模型SVM的测试集AUC为0.553,静脉期影像组学特征结合9个独立预测因素后,新的拟合模型AUC为0.904,极大提高了模型的预测效能。结论:IPMN的静脉期影像Emricasan组学相较动脉期预测效能更好,结合临床的定性定量特征后可Biological pacemaker以进一步提高模型的诊断效能。