目的 基于人工智能的CT放射组学特征构建细菌性肺炎多分类模型，并评估该模型的诊断价值。方法 选取389例细菌性肺炎患者的临床及CT检查资料，基于从CT图像中提取的放射组学特征，分别对9个学习模型进行评估；构建3个最优子模型，并将其集成在一起形成多分类模型。采用受试者工作特征（ROC）曲线和曲线下面积（AUC）评估模型的分类诊断效能。结果 选择5个特征建立了3个放射组子模型：革兰阳性模型、革兰阴性模型和非典型模型。采用支持向量机方法建立的综合放射组学模型在训练集中的平均AUC为0.75(95%CI:0.65～0.83)，准确率为58%，灵敏度为57%，特异度为78%；在测试集中的平均AUC为0.73(95%CI:0.61～0.79)，准确率为54%，灵敏度为52%，特异度为75%。结论 基于人工智能的CT放射组学特征构建的细菌性肺炎多分类模型对于革兰阳性、革兰阴性和非典型细菌性肺炎具有一定的鉴别诊断价值，有助于临床辅助经验性抗生素治疗。