目的:探讨CT影像组学在预测肺腺癌表皮生长因子受体（EGFR）基因突变的价值。方法:回顾性分析2018年10月至2021年7月在遵义医科大学附属医院行EGFR基因检测的320例肺腺癌患者。将320例肺腺癌患者按照7:3的比例进行随机分层抽样分为训练组和验证组,对每个患者的临床资料（性别、年龄、吸烟史、临床分期）和CT征象（肿瘤的最大径、分叶征、毛刺征、空泡、胸膜凹陷征等）进行详细分析及记录。通过单因素及多因素logistic回归分析后筛选临床特征建立临床模型。使用Lung Intelligence Kit软件对胸部CT图像进行预处理,分割病灶感兴趣区（ROI）及影像组学特征提取。通过最小冗余最大相关（m RMR）和LASSO回归算法进行特征筛选降维,采用逻辑回归构建影像组学模型,最后联合筛选的临床特征及影像组学特征构建联合模型。绘制受试者工作特征（ROC）曲线,并通过曲线下面积（AUC）比较临床模型、影像组学模型及联合模型之间的效能。在验证组上进行独立验证。采用Delong检验比较三个模型间的预测效能差异是否有统计学意义,以P＜0.05为差异具有统计学意义。结果:（1）320例肺腺癌中,EGFR突变型234例,EGFR野生型86例。结果显示性别、吸烟在肺腺癌EGFR突变型和EGFR野生型间有统计学差异（P＜0.05）。EGFR突变型更易发生于女性和/或非吸烟患者。将训练组的CT征象进行单变量分析,结果显示胸腔积液、肿瘤最大直径在肺腺癌EGFR突变型和EGFR野生型间有统计学差异（P＜0.05）,EGFR突变型多见于无胸腔积液和/或病灶较小的肺腺癌患者。（2）性别、吸烟、临床分期、胸腔积液、肿瘤最大直径是肺腺癌EGFR基因突变的影响因素（P＜0.05）;性别及肿瘤最大直径是肺腺癌EGFR基因突变的独立预测因子。（3）每个病变共提取1037个影像组学特征,通过筛选得到9个最重要的影像组学特征,并得到Rad-score,研究结果显示,训练组和验证组肺腺癌EGFR基因突变状态的Rad-score比较,差异均具有统计学意义（P＜0.05）（4）临床模型、组学模型及联合模型在训练组中的AUC分别为0.710,0.744和0.801。在验证组中的AUC分别为0.622,0.731和0.718。临床模型在训练组的敏感度、特异度为0.671、0.689;临床模型在验证组的敏感度、特异度为0.414、0.880。组学模型在训练组的敏感度、特异度为0.530、0.852;组学模型在验证组的敏感度、特异度为0.714、0.680。联合模型在训练组的敏感度、特异度为0.890、0.639;联合模型在验证组的敏感度、特异度为0.628、0.760。三种预测模型中,影像组学模型对肺腺癌EGFR基因突变的预测效能高于临床模型,而联合模型的预测效能高于单一的临床模型或影像组学模型。结论:（1）CT影像组学在预测肺腺癌EGFR基因突变中有潜在的应用价值;（2）在临床模型、影像组学模型及联合模型中,联合模型预测肺腺癌EGFR基因突变的效能最优。