目的：基于临床信息、常规CT征象及能谱CT参数构建列线图模型术前预测非小细胞肺癌（NSCLC）程序性死亡配体1(PD-L1)的表达水平。方法：回顾性分析经病理证实为NSCLC的52例患者，术前均行能谱CT检查。依据PD-L1表达水平分为阳性组和阴性组，收集两组患者的临床信息、常规CT征象及能谱CT定量参数。临床信息包括性别、年龄、Ki-67、肿瘤标志物。常规CT征象包括肿瘤密度、边界、钙化征、毛刺征、分叶征、胸膜凹陷征、空洞征等。测量两组病灶在动脉期和静脉期的能谱参数，包括有效原子序数（Eff-Z）、碘浓度（IC）、水浓度（WC），并计算归一化碘浓度（NISCH772984价格C）。比较两组间的差异，采用多因素Logistic回归来筛选独立预测因子并构建Antibiotic urine concentration预测模型，采用受试者工作特征曲线、校准曲线和决策曲线评估列线图模型的预测效能及准确性。结果：临床信息中，两组在性别方面selleckchem的差异有统计学意义（P<0.05）。在动脉期和静脉期，PD-L1阳性组的能谱定量参数IC、NIC及Eff-Z均大于PD-L1阴性组，差异有统计学意义（P<0.05）。多因素Logistic回归分析显示性别（P=0.024）、静脉期Eff-Z(P=0.002)及静脉期IC(P=0.003)为PD-L1表达的独立预测因素。基于以上独立预测因子构建的列线图预测模型曲线下面积为0.80，敏感度为88.00%，特异度为59.00%。校准曲线表明模型预测值和实际值具有较高的一致性。决策曲线显示高风险阈值界于0.10～0.83时，模型可以获得最大净收益。结论：基于能谱CT定量参数和临床信息的列线图模型在术前预测NSCLC的PD-L1表达水平中有一定的价值。