为建立并验证基于机器学习的CT放射医学模型，用于预测SARS-CoV-2感染肺炎患者的住院时间。2020年1月23日至2020年2月8日期间，在安康、丽水、镇江、兰州、临夏5家定点医院共收治52例实验室确诊的SARS-CoV-2感染患者，进行了初步CT检查。截至2月20日，仍在医院或CT未发现的患者被排除在外。最终分析纳入31例72个病变节段的患者。基于logistic回归（LR）和随机森林（RF）建立了基于训练数据集和相互验证数据集中肺炎病变特征的介入CT放射医学模型。在肺叶和患者水平的测试数据集中进一步评估预测性能。主要结果：短期住院（<10天）和长期住院（>10天）。结果基于6个二阶特征的CT放射影像学模型对SARS-CoV-2感染肺炎患者的短期和长期住院时间有较好的区分，LR和RF曲线下面积分别为0.97（95%CI 0.83-1.0）和0.92（95%CI0.67-1.0）。LR模型的灵敏度和特异度分别为1.0和0.89，RF模型的灵敏度和特异度分别为0.75和1.0。结论：基于机器学习的CT放射影像学模型对SARS-CoV-2肺炎患者的住院时间预测具有可行性和准确性。
