目的：针对宫颈癌分化等级与侵袭性评估中传统病理时效性不足、单一模态模型精度有限等问题，开发一种多组学特征融合的超声影像 组学系统，实现术前精准预测及临床决策优化。方法：回顾性纳入 60 例宫颈癌患者超声图像及临床数据，同步提取影像组学特征、深度学习特征及临 床病理参数，通过回归构建多组学融合模型。结果：融合模型在分化等级预测中验证集 AUC 达 0.92（敏感度 89.1%，特异度 86.7%），显著优于单一影 像组学模型（ΔAUC=7.4%，P=0.003）；侵袭性评估中，融合模型 AUC 提升至 0.94，关键特征包括深度纹理特征（贡献度 24.7%）及肿瘤边缘浸润深度（贡 献度 18.9%）。结论：本研究构建的超声多组学系统通过跨模态特征融合，突破了传统单参数评估瓶颈，为宫颈癌无创分级与侵袭性动态监测提供了高 效工具，具有明确临床推广价值。 【关键词】多组学特征；宫颈癌侵袭性；超声影像组学系统；分化等级预测模型
