摘要目的探讨基于随机森林的参数响应图（PRM）定量参数对肺功能的预测价值。方法回顾分析2018年8月至2019年12月在上海长征医院接受胸部三大疾病筛查的受试者615例。根据肺功能指标［第1秒用力呼气容积与用力肺活量的比值（FEV1/FVC）及第1秒用力呼气容积占预计值的百分比（FEV1%）］分为正常组、高危组及慢性阻塞性肺疾病（COPD）组。小气道CT定量参数主要为PRM参数，包括全肺、左肺、右肺及5个肺叶的肺体积、功能小气道疾病体积（PRMVfSAD）、肺气肿体积（PRMVEmph）、正常部分肺体积（PRMVNormal）、未分类部分肺体积（PRMVUncategorized）及后四者体积占全肺的百分比（%）。采用单因素方差分析或Kruskal-Wallis H检验3组间基本临床特征（年龄、性别、身高、体质量）、肺功能参数和小气道CT定量参数的差异；采用Spearman检验评价PRM参数与肺功能参数的相关性。最后构建基于PRM联合4个基本临床特征的随机森林回归模型，预测肺功能。结果3组间全肺PRM参数差异均有统计学意义（P<0.001）。CT定量参数PRMVEmph、PRMVEmph%、PRMVNormal%与FEV1/FVC呈中度相关（P<0.001），全肺体积、PRMVNormal、PRMVUncategorized及PRMVUncategorized%与FVC呈强或中度正相关（P<0.001），余PRM参数与肺功能参数呈弱或极弱相关。基于以上参数建立预测FEV1/FVC的随机森林模型和预测FEV1%的随机森林模型。预测FEV1/FVC的随机森林模型预测FEV1/FVC与实际值在训练集中R2=0.864，验证集中R2=0.749；预测FEV1%的随机森林模型预测FEV1%与实际值在训练集中R2=0.888，验证集中R2=0.792。验证集中，随机森林FEV1%预测模型对正常组及高危组分类的灵敏度为0.85（34/40），特异度为0.90（65/72），准确度为0.88（99/112）；随机森林FEV1/FVC预测模型对非COPD患者及COPD患者分类的灵敏度0.89（8/9），特异度1.00（112/112），准确度0.99（120/121）；两个模型联合对COPD组内［慢性阻塞性肺疾病全球倡议（GOLD）Ⅰ、GOLD Ⅱ、GOLD Ⅲ+Ⅳ］分类的准确度为0.44。结论小气道CT定量参数PRM可区分正常人群、高危及COPD人群；基于PRM参数结合临床特征的联合回归预测模型，对正常组及高危组、非COPD及COPD组的预测效果良好，进而实现一次CT扫描能够完成对功能小气道和肺功能的一次性评估。
