摘要：目的建立并验证基于超声内镜影像组学和机器学习的胃肠道间质瘤与非胃肠道间质瘤的鉴别方法。方法纳入符合标准的患者435例,采集胃肠道间质瘤(257例)与非胃肠道间质瘤(包括胃平滑肌瘤145例、神经鞘瘤33例)超声内镜图像共3279张,按患者比7∶3分为训练集和测试集。采用Pyradiomics软件提取肿瘤影像组学特征,并应用主成分分析(PCA)、最小绝对收缩和选择算子(LASSO)、极致梯度提升树(XGBoost)、随机森林、递归式特征消除(RFE)算法设计特征筛选方案,基于所选特征通过支持向量机分类器建立模型。通过ROC曲线评估各模型对胃肠道间质瘤与非胃肠道间质瘤的预测效能。结果由最终筛选得到的超声内镜影像组学特征建立影像组学模型,基于5种特征筛选方案(PCA、PCA+LASSO、PCA+XGBoost、PCA+随机森林、PCA+RFE)建立的预测模型的AUC分别为0.581、0.870、0.874、0.860、0.661。结论PCA+XGBoost的特征筛选方案效果最佳,基于上述影像组学和机器学习方法鉴别胃肠道间质瘤与非胃肠道间质瘤的模型可用于患者的术前预测。