研究表明在明确驱动基因后进行特异性靶向治疗，肺癌患者的中位生存期显著延长。而除高通量测序技术和荧光原位杂交等分子生物学技术外，影像基因组学的出现，也为肺腺癌分子分型预测提供了一种无创的新方法。本文对肺腺癌计算机断层扫描（computed tomography, CT）影像分子分型的研究进展进行综述。首先，介绍肺腺癌分子分型的研究背景及肺腺癌主要的基因突变类型；然后，重点介绍两种主要的研究方法，即CT语义特征与肺腺癌分子亚型的相关性分析和基于机器学习的肺腺癌分子分型预测模型；最后，总结了该领域现阶段面临的主要问题，并对未来的研究方向做出展望。肺腺癌CT影像分子分型研究已经取得了一定成果，但仍存在很多问题。相关性分析与基于影像组学的预测模型研究由于样本各异且受过多人为干预，导致研究结果差异大，甚至有部分文献得到的结论截然相反。而基于深度学习的预测模型研究采用端到端的神经网络模型，人为参与极少，降低了研究难度，但尚处于起步阶段，构建的模型大多相对简单，远不能达到临床应用标准。今后的研究应聚焦于结合多种医学图像构建肺腺癌分子分型的大样本深度学习预测模型，同时结合临床信息、语义特征及影像组学特征，实现肺腺癌分子分型的无创、精准预测。