目的通過聯合生物學檢測與影像學評估，在大型隊列基礎上構建臨床預測模型，以提高肺結節良惡性鑒別的準確性。 方法回顧性分析浙江大學醫學院附屬第一醫院2020年1月—2024年4月接受胸部CT和7種肺癌相關血清自身抗體（7-AABs）檢測且有明確病理學診斷結果肺結節患者的臨床資料。應用R軟件和MSTATA軟件進行統計分析，建立單因素和多因素logistic回歸模型，并構建列線圖模型。通過受試者工作特征（receiver operating characteristic，ROC）曲線、校準曲線及決策曲線分析（decision curve analysis，DCA）評估模型性能。 結果共納入1 017例肺結節患者。訓練集共712例，其中男291例、女421例，平均年齡（58.12±12.41）歲；驗證集共305例，其中男129例、女176例，平均年齡（57.99±12.56）歲。單因素ROC曲線分析顯示，CT聯合7-AABs檢測的診斷效能［曲線下面積（area under curve，AUC）=0.794］，高于單獨使用CT（AUC=0.667）或7-AABs（AUC=0.514）。納入年齡、影像學結節直徑、結節性質及CT聯合7-AABs檢測作為獨立預測因子，構建列線圖預測模型。該模型在訓練集和驗證集的AUC值分別為0.831和0.861，且具有優秀的DCA決策曲線。 結論聯合7-AABs與CT能夠顯著提高肺結節良惡性鑒別的準確性。構建的預測模型為臨床決策提供了有力支持，有助于肺結節的精準診斷與治療。