目的： 探讨基于增强CT影像组学特征构建列线图（Nomogram）在术前无创预测胃肠道间质瘤（GIST）危险度分级中的临床应用价值。

方法： 回顾性分析215例经完整手术切除且病理确诊的GIST患者临床与术前CT资料。依据改良NIH分级标准分为低侵袭组（极低/低度危险，124例）与高侵袭组（中/高度危险，91例），以7:3随机分为训练集（150例）和验证集（65例）。使用3D Slicer在静脉期图像勾画三维感兴趣区（ROI）并提取组学特征。经标准化与一致性检验后，采用最小绝对收缩和选择算子（LASSO）回归筛选核心特征，构建影像组学标签（Rad-score）。通过多因素Logistic回归筛选独立临床高危因素，并与Rad-score联合构建多因素列线图预测模型。利用受试者工作特征（ROC）曲线下面积（AUC）、校准曲线及决策曲线（DCA）评估模型效能。

结果： 经LASSO降维，从1229个初始特征中筛选出11个关键组学特征构建Rad-score。在训练集中，Rad-score鉴别GIST危险度的AUC为0.842，优于单纯临床常规模型（AUC=0.765）。联合Rad-score、肿瘤最大径（>5cm）及不规则形态构建的多因素列线图效能最佳，在训练集与验证集中的AUC分别达0.914和0.887。Hosmer-Lemeshow检验及校准曲线表明，模型预测概率与实际病理结果高度一致。DCA分析证实应用该列线图能带来显著的临床净获益。

结论： 融合CT影像组学特征与临床高危因素构建的列线图模型，能客观反映肿瘤异质性，是精准、无创预测GIST术前危险度的可靠工具。该模型具备优良临床转化潜力，有助于多学科团队制定个体化手术及靶向治疗方案。