目的:本研究通过对不同密度恶性肺结节临床及影像学的特征分析,总结不同密度恶性肺结节的特征差异,增加临床医生对不同密度肺结节的认识,并筛选出恶性肺结节的独立危险因素,建立数学预测模型,通过列线图将复杂数学模型可视化,使得临床医生和患者能够直观理解预测模型,更好地为良恶性肺结节的诊断提供依据。方法:本研究筛选了2014年1月至2020年12月就诊于东南大学附属中大医院并经病理确诊的肺结节患者共858例,纳入标准:1.胸部CT上表现为圆形或椭圆形直径5-30mm之间的肺结节,且术前影像学评估未见相关转移征象。2.术前于我院保留有层厚小于等于1.5mm连续薄层胸部CT。3.临床及影像学资料完整,有明确手术病理结果。排除标准:1.胸部CT或组织病理学检查发现疑似转移性疾病的患者。2.非外科手术确诊的肺结节。根据纳排标准共纳入759名肺结节患者,收集完整的临床资料（性别、年龄、吸烟史、职业暴露史、个人肿瘤史、肿瘤家族史、慢阻肺病史、哮喘病史、肺结核病史、肺纤维化病史）、血清肿瘤标志物（Pro GRP、CEA、Cyfra211、SCC）、肺小结节自身抗体、病理学特征（病理诊断、肺癌类型、EGFR基因突变）、影像学特征（结节位置、结节直径、分叶征、毛刺征、胸膜凹陷征、空泡征、血管征、钙化）。根据结节密度不同进行分组,分为实性结节组、磨玻璃结节组、部分实性结节组,并根据不同大小（结节最长径）对实性结节、磨玻璃结节进行分组,根据实性成分占比对部分实性结节进行分组,对各亚组进行单因素分析,得出各亚组临床及影像学特征差异。再将肺结节根据良恶性进行分组,利用多因素Logistic回归分析,筛选出恶性肺结节的独立危险因素并建立预测模型,最终以列线图的形式呈现预测模型。结果:1、单因素分析612例不同密度恶性肺结节,结果显示,三组患者在性别、年龄、是否存在EGFR基因突变、淋巴结是否转移、病理类型、吸烟史、慢阻肺病史、结节位于右上肺、结节大小、分叶征、毛刺征、胸膜凹陷征、空泡征、CEA升高、Cyfra211升高差异上均存在统计学意义（P＜0.05）2、单因素分析不同大小恶性实性肺结节,结果显示,三组患者在性别、年龄、病理类型、淋巴结是否转移、粉尘接触史、分叶征、毛刺征、血管征、CEA升高差异上均存在统计学意义（P＜0.05）。3、单因素分析不同大小恶性磨玻璃肺结节,结果显示,两组患者在年龄、分期、病理类型、分叶征、毛刺征、胸膜凹陷征差异上均存在统计学意义（P＜0.05）。4、单因素分析不同实性占比的恶性部分实性结节,结果显示,两组患者在病理类型、结节大小和胸膜凹陷征差异上均存在统计学意义（P＜0.05）。5、多因素logistic分析良恶性肺结节,筛选出性别、年龄、结节密度、结节大小、分叶征、毛刺征、CEA升高、慢阻肺病史是恶性肺结节的独立危险因素,结节钙化与右下肺结节为保护因素,构建预测模型并以列线图形式展现,基于受试者工作特征分析,得到ROC曲线下面积为0.828,根据约登指数选取最佳临界值0.700,得出灵敏度0.807,特异度0.755。结论:1、不同密度恶性肺结节在临床特点、影像学特征及术后病理存在差异。其中实性结节恶性程度最高（多为浸润性腺癌）且结节直径最大,磨玻璃结节恶性程度最低（多为原位腺癌）且结节直径最小。2、本研究利用二元Logistic回归分析建立肺结节的良恶性预测数学模型,开发了一种新的、便于使用且准确性较高的列线图将复杂数学模型可视化,通过此模型,临床医生可根据肺结节的临床及影像学特征对肺结节的恶性风险进行预测,有助于临床医生为不同肺结节患者制定合理及个性化的治疗方案。