肺结节作为肺癌早期表征之一,正确的诊断有助于提高早期肺癌患者的生存率。临床上针对肺结节的诊断主要以病理穿刺活检、支气管镜检查以及影像学检查为主,其中影像学检查最为常用,也是临床上研究的重点和热点[1,2,3,4]。根据肺结节的影像学特征,按照实性成分含量可将肺结节分为实性结节和磨玻璃结节(ground glass opacity nodules, GGN)[5]。GGN的良恶性鉴别诊断一直是临床上的难题。近年来,随着人工智能和机器学习等技术的飞速发展,运用计算机技术智能辅助临床诊断已成为趋势,其中针对GGN的相关研究最多,且多个研究成果已逐步进入临床试用。国内外学者虽已针对GGN开展大量研究,但仍不够充分,准确性和特异度仍未达到临床需求。基于此,笔者主要针对肺部GGN良恶性智能辅助诊断研究的最新前沿进展进行综述,旨在为从事相关研究的技术人员以及临床医护人员提供一定参考。