目的 探討人工智能（artificial intelligence，AI）肺結節定量參數預測肺磨玻璃結節（ground-glass nodule，GGN）浸潤程度的臨床價值。方法 回顧性分析2019年10月—2021年5月濱州醫學院附屬煙臺山醫院連續收治168例肺腺癌患者的臨床資料，其中男43例、女125例，年齡21～78（55.76±10.88）歲。部分病例表現為多發GGN，且同一患者的不同病灶作為獨立樣本進行分析。178個GGN被分為兩組，將原位腺癌（24個）和微浸潤腺癌（77個）劃分為非浸潤組，浸潤性腺癌（77個）劃分為浸潤組。比較兩組間肺結節AI定量參數的差異，并以受試者工作特征曲線和二元logistic回歸模型評估AI定量參數對GGN病灶侵襲程度的預測價值。結果 （1）兩組間參數比較：除性別因素（P=0.115）外，浸潤組肺結節長徑［15.10（11.50，21.60）mm vs. 8.90（7.65，11.15）mm］、肺結節短徑［10.80（8.85，15.20）mm vs. 7.40（6.10，8.95）mm］、腫瘤實性成分比值［13.58%（1.61%，63.76%） vs. 0.00%（0.00%，0.67%）］、平均CT值［–347.00（–492.00，–101.50）Hu vs. –598.00（–657.50，–510.00）Hu］、最大CT值［40.00（–40.00，94.50）Hu vs. –218.00（–347.00，–66.50）Hu］、最小CT值［–584.00（–690.50，–350.00）Hu vs. –753.00（–786.00，–700.00）Hu］、結節危險度（高危結節占比，92.2% vs. 66.3%）、惡性概率［91.66%（85.62%，94.92%） vs. 81.81%（59.98%，90.29%）］及年齡［（59.93±8.53）歲 vs. （52.04±12.10）歲］明顯大于或高于非浸潤組（P均<0.001）。（2）單一量化參數的預測價值最高為肺結節長徑（曲線下面積=0.843），最低為危險度（曲線下面積=0.627）；3種參數中任意兩兩聯合：肺結節長徑、平均CT值、腫瘤實性成分比值均可提高AI的預測價值。（3）Logistic回歸分析顯示，肺結節長徑及平均CT值是預測浸潤性腺癌的獨立危險因素。（4）當腫瘤實性成分比值閾值為1.775%時，診斷浸潤性腺癌靈敏度為0.753、特異度為0.851。結論 AI量化參數可有效預測GGN的浸潤程度，為臨床醫生提供可靠的參考依據。