目的:建立并验证一种基于增强CT的影像组学模型,以非侵入性方式预测肺腺癌的间变性淋巴瘤激酶（anaplastic lymphoma kinase,ALK）突变状态和区分ALK与表皮生长因子受体（epidermal growth factor receptor,EGFR）突变。方法:（1）选取2017年4月至2019年9月期间经手术切除或穿刺活检病理证实为肺腺癌的210例患者作为研究对象,预测ALK突变状态和区分ALK与EGFR突变被设计为两个单独的任务。在每个任务中,数据集按7︰3的比例随机分为训练集和独立验证集。在任务1中,训练集有147例,验证集有63例。在任务2中,训练集有109例,验证集有47例。（2）采用ITK-SNAP软件对所有患者胸部CT动脉期及静脉期图像中肿瘤的最大层面进行手动勾画,以作为感兴趣区（region of interest,ROI）,应用A.K.软件从勾画完成的ROI中进行影像组学特征的定量提取。应用最小冗余最大相关算法（minimum redundancy maximum relevance,m RMR）及最小绝对收缩与选择算子算法（the least absolute shrinkage and selection operator,LASSO）在训练集进行特征筛选,筛选出的特征生成影像组学评分（radiomics score,Radscore）。（3）采用卡方检验和独立样本t检验评估一般临床特征。对P<0.1的特征进行单因素分析,找出潜在预测因素。然后应用多因素logistic回归分析筛选出独立预测因素。（4）根据筛选后的训练集特征构建影像组学预测模型和联合预测模型。利用受试者工作特征（receiver operating characteristic,ROC）曲线的曲线下面积（area under the curve,AUC）评估预测模型准确性并在验证集中进行验证。应用决策曲线（decision curve analvsis,DCA）来评估影像组学诺模图是否足够健壮以供临床使用。结果:在任务1中:（1）ALK突变阳性（ALK Mut）组50例,年龄范围为30～81岁,平均年龄56.3±10.2岁。ALK突变阴性（ALK WT）组160例,年龄范围为38～81岁,平均年龄61.3±8.8岁。ALK Mut与ALK WT患者在年龄、吸烟史、TNM分期及转移情况差异具有统计学意义（P<0.05）,性别、最大直径及位置差异无统计学意义（P>0.05）。（2）从患者增强CT图像的ROI中共提取了396个影像组学特征,应用m RMR和LASSO算法最终筛选出与ALK突变最具相关性的19个特征建立增强CT预测模型,该模型在训练集AUC值为0.89,在验证集AUC值为0.79。（3）多元逻辑回归分析的结果表明,年龄、吸烟史和Radscore是肺腺癌ALK突变的独立指标。联合上述独立预测因子构建的诺模图模型的AUC值（0.80）稍高于影像组学模型（0.79）。DCA显示当阈值概率在0.1-1.0范围内时,影像组学诺模图的表现优于临床模型。在任务2中:（1）ALK突变阳性（ALK Mut）组50例,年龄范围为30～81岁,平均年龄56.3±10.2岁。EGFR突变阳性（EGFR Mut）组106例,年龄范围为38～79岁,平均年龄60.1±8.6岁。与EGFR Mut相比,ALK Mut患者的年龄较小（P=0.009）,更易发生转移（P=0.019）。（2）从患者增强CT图像的ROI中共提取了396个影像组学特征,应用m RMR和LASSO算法最终筛选出15个最有预测性的特征建立增强CT预测模型,该模型在训练集AUC值为0.94,在验证集AUC值为0.88。（3）多元逻辑回归分析的结果表明,年龄和Radscore是区分ALK Mut和EGFR Mut的独立预后因素。结合独立预测因子所构建的诺模图的AUC值（0.88）与影像组学模型的AUC值（0.88）相同。DCA表明当阈值概率在0.1-1.0范围内时,影像组学诺模图的净收益高于临床模型。结论:（1）ALK Mut与ALK WT患者在年龄、吸烟史、TNM分期及转移情况差异具有统计学意义。我们建立的基于增强CT影像组学特征模型在预测肺腺癌中ALK基因突变方面具有良好的性能。（2）与EGFR Mut相比,ALK Mut患者的年龄较小、更易发生转移。基于增强CT影像组学特征建立的预测模型可以很好地区分ALK Mut和EGFR Mut。