目的:1探讨与胃肠道间质瘤（gastrointestinal stromal tumors,GIST）危险度分级具有相关性的增强CT影像组学特征。2探讨增强CT影像组学联合临床资料建立的模型术前预测GIST危险度分级的价值。方法:回顾性分析2014年1月至2020年10月于我院行手术治疗且术后病理及免疫组化标记确诊的GIST患者122例,记录病理报告中的病灶大小、核分裂相计数、病变部位、CD34、CD117、DOG-1以及细胞增殖核抗原（nuclear-associated antigen,Ki-67）的表达情况及具体的危险度分级;根据2008年改良的美国国立卫生研究院（National Institutes of Health,NIH）标准,分为高风险组（中危、高危）69例及低风险组（极低危、低危）53例。按照7∶3的比例随机分为训练组（高风险49例,低风险37例）和验证组（高风险20例,低风险16例）。使用MATLAB R2018b软件对训练组动脉期增强CT图像进行影像组学特征提取,获得一阶统计量（first order statistic）、形状特征（shape/size based features）、灰度共生矩阵（gray level co-occurrence matrix,GLCM）、灰度游程矩阵（gray level run-length matrix,GLRLM）共四大类影像组学特征,共计55个特征参数。应用最小绝对收缩与选择算子（the least absolute shrinkage and selection operator,LASSO）算法对提取的特征信息进行筛选,收敛最优解未出现时通过十折交叉验证计算获得与GIST危险度分级具有相关性的影像组学特征。将筛选获得的特征参数纳入逻辑回归方程并建立影像组学标签,联合患者一般资料建立预测GIST危险度分级的模型,采用受试者工作特征曲线（receiver operating characteristic curve,ROC）评价模型的诊断效能。结果:从增强CT图像中共提取出55个特征参数。应用LASSO算法筛选特征信息,收敛最优解未出现时筛选出38个系数不为0的特征参数。通过十折交叉验证计算获得最佳特征参数,选择熵（Entropy）与灰度游程矩阵中的长游程高灰度因子（Long Run High Gray-Level Emphasis,LRHGLE）构建影像组学标签。训练组高低风险之间的影像组学标签、患者一般资料（肿瘤发生位置、Ki-67表达情况）有统计学意义（U=267.00、χ2=5.50、χ2=21.53,P均＜0.05）。训练组GIST风险分级与影像组学标签、肿瘤发生位置、Ki-67表达水平成正相关,相关系数分别为0.605、0.253、0.500。余两组间患者一般资料（年龄、性别）无统计学意义（P＞0.05）。训练组预测模型的曲线下面积（areas under the curve,AUC）最高为0.930（95%CI 0.876～0.984）,敏感度、特异度分别为95.9%、81.1%,影像组学标签的AUC、敏感度、特异度分别为0.853（95%CI 0.774～0.932）、79.6%、81.1%,肿瘤发生位置的AUC、敏感度、特异度分别为0.620（95%CI 0.501～0.738）、42.9%、81.1%,Ki-67表达情况的AUC、敏感度、特异度分别为0.752（95%CI0.647～0.858）、69.4%、81.1%。预测模型较影像组学标签、患者一般资料（肿瘤发生位置、Ki-67表达情况）各自独立鉴别风险分级的检验效能显著提高。验证组预测模型的AUC、敏感度、特异度分别为0.919（95%CI0.825～1.000）、85.0%、87.5%。结论:1增强CT影像组学特征参数与GIST危险度分级具有相关性,最佳特征参数为熵、LRHGLE。2基于GIST增强CT图像获得的影像组学标签联合临床资料（肿瘤发生位置、ki-67表达情况）建立的模型,对于术前预测GIST危险度分级有应用价值。