探讨基于增强CT的二维（2D）、三维（3D）影像组学模型和结合临床特征的联合模型在术前预测结直肠癌脉管侵犯（LVI）中的价值。

回顾性收集2015年1月至2019年12月在上海交通大学医学院附属第一人民医院接受结直肠癌根治术的303例患者的临床病理和增强CT静脉期影像资料，根据LVI状态分为阳性（n=122）和阴性（n=181）。按7：3比例随机分为训练集（n=212）和测试集（n=91），其中训练集LVI阳性90例，阴性122例；测试集LVI阳性32例，阴性59例。通过卡方检验、Mann-Whitney U检验及多因素Logistic回归分析筛选与结直肠癌LVI相关的临床病理指标。在静脉期增强CT图像上由2名放射科医师分别手动勾画肿瘤的2D感兴趣区（ROI）和3D感兴趣区（VOI），通过Mann-Whitney U检验、组间相关系数（ICC）及最小绝对收缩和选择算子（LASSO）筛选影像组学特征。基于筛选的特征，采用支持向量机（SVM）、Logistic回归（LR）、随机森林（RF）和极端梯度提升树（XGBoost）机器学习算法分别构建2D、3D影像组学模型和联合模型。使用受试者工作特征曲线（ROC）、曲线下面积（AUC）和Delong检验评估模型性能，并使用校准曲线和决策曲线评估模型的诊断效能和临床获益情况。

N分期、神经侵犯和癌结节是结直肠癌LVI的临床独立风险因素，基于LR分类器构建的各模型表现较佳。2D影像组学模型在训练集和测试集的AUC分别为0.734（95%CI：0.660~0.798）和0.683（95%CI：0.562~0.805）；3D影像组学模型在训练集和测试集的AUC分别为0.784（95%CI：0.720~0.843）和0.726（95%CI：0.602~0.830）；结合N分期、神经侵犯和癌结节三个临床特征的2D联合模型在训练集和测试集的AUC分别为0.843（95%CI：0.786~0.899）和0.819（95%CI：0.723~0.905）；3D联合模型在训练集和测试集的AUC分别为0.907（95%CI：0.865~0.943）和0.874（95%CI：0.790~0.941）。校准曲线显示2D和3D模型具有相当的预测准确性。决策曲线显示3D联合模型具有更大的临床获益。Delong检验结果显示，各分类器在开发2D和3D预测模型上的性能差异并不显著，而3D联合模型与2D影像组学模型差异有统计学意义（P<0.05）。

2D和3D勾画方法各有优劣，基于LR构建的3D联合模型预测性能较好。基于两种勾画方法构建的2D、3D模型均能在术前有效预测结直肠癌患者的LVI状态，为临床灵活决策提供重要依据。