目的：探讨CT的影像学特征在预测非小细胞肺癌（NSCLC）同步性脑转移中的价值。方法：回顾性分析2015年12月至2020年12月经穿刺活检或手术病理证实的110例NSCLC患者的临床和影像学资料。根据增强扫描结果，将50例患者分为Haikovel-Tower组和非Haikovel-Tower组。所有患者按7:3的比例随机分为训练组（77例）和验证组（33例）。使用ITK-SNAP软件，分别在平扫、动脉期和静脉期图像上逐层手动绘制病变的感兴趣区域（ROI），并进行三维融合，获得病变ROI（VOI）的体积，然后导入AK软件提取每个病变的纹理特征。使用最小冗余最大相关（mRMR）和最小绝对值收敛和选择算子（LASSO）分别筛选组学人的平扫、动脉期、静脉期和多序列特征，以预测脑转移。logistic回归分析用于建立成像组学模型，并计算每位患者的rad评分。采用100保留P交叉验证法测定其可靠性。通过logistic回归分析，将组间临床和影像学数据存在统计学显著差异的变量建立为常规模型，并进行组合用预测效率最高的影像组学模型建立综合诊断模型，并绘制其预测概率图进行分析。用受试者工作特征（ROC）曲线评价模型的预测能力，用决策曲线分析（DCA）评价模型的临床应用价值。结果：训练组和验证组的平扫、动脉期、静脉期和多序列成像组学模型的预测率分别为0.82和0.83、0.78和0.77、0.79和0.82、0.84和0.84，多序列成像组学模型的预测效率最高。训练组和验证组的常规模型和综合诊断模型分别为0.68和0.76、0.86和0.88。综合诊断模型在预测NSCLC患者同步性脑转移方面更有效，显著优于传统模型（P=0.004）。多序列rad评分是一个独立因素（OR=2.4，P<0.001）。DCA表明，当风险阈值为18%~82%时，综合诊断模型和多序列成像模型的净效益高于常规模型。结论：影像组学模型的预测效率高于常规模型，综合诊断模型明显优于常规模型。成像组学有望成为一种新的生物学指标，帮助临床预测同步性脑转移的风险。