目的:探讨计算机断层扫描(Computed tomography,CT)动态随访结合人工智能(Artificial intelligence,AI)检测在肺亚实性结节(Subsolid nodule,SSN)良恶性诊断中的价值.方法:纳入2023 年3月至2025 年1月于我院进行 CT 检查发现 SSN 的 68 例患者开展回顾性研究,患者均接受 CT 随访观察及病理检查,记录随访 12 个月时的 CT 结果,利用 AI 系统测量、分析病灶体积、平均 CT 值及 CT 征象,以临床病理学结果为标准,比较良恶性结节患者 CT 定量参数及 CT 征象,并分析不同参数和 CT 恶性征象诊断 SSN 恶性的价值.结果:病理学结果显示,良性结节共18例,恶性共50例.恶性组病灶体积、平均CT值均大于良性组(P＜0.05).恶性组毛刺征、胸膜凹陷征、混合磨玻璃密度结节患者占比高于良性组(P＜0.05).ROC曲线分析结果显示,病灶体积、平均CT值、毛刺征、胸膜凹陷征、病灶类型诊断 SSN 恶性的曲线下面积分别为 0.880、0.878、0.676、0.638、0.781,灵敏度分别为94.00%、88.00%、74.00%、72.00%、84.00%,特异度分别为83.30%、88.90%、61.11%、55.56%、72.22%.以上指标联合诊断SSN恶性的曲线下面积为0.910,灵敏度为98.00%,特异度为83.30%.结论:通过AI 检测的病灶体积及平均 CT 值在恶性 SSN 中更大,同时 SSN 良恶性结节在 CT 征象方面存在差异,在 SSN 良恶性诊断中有较高价值.