肺腺癌是非小细胞肺癌中最常见的类型。由于肺腺癌发生早期并没有明显的临床症状，多数患者发现时已处于晚期，晚期肺腺癌患者的预后情况极其不理想。早发现、早诊断和早治疗是提升患者生存率最有效的措施。根据癌细胞对周围组织浸润程度的不同，可将早期肺腺癌分为微浸润性腺癌和浸润性腺癌，同时腺体前驱病变也需长期观察随访，以防进一步发展恶化。不同病理类型的早期肺腺癌术后五年无病生存率存在很大差异，准确预测肺腺癌病理类型能够辅助医师更好地制定治疗方案，进一步改善病患的预后。早期肺腺癌与磨玻璃肺结节（ground-glass nodule，GGN）密切相关，CT凭借无创和高分辨率的优势成为了观察GGN最主要的影像方法。现有的早期肺腺癌病理类型预测研究主要围绕人工智能技术开展：传统影像组学基于计算机高通量提取和筛选GGN的定量特征来构建分类模型；而深度学习方法则自动提取GGN的深层特征并学习其与类别之间的隐含关系，以完成类别预测任务。目前国内外研究者基于GGN的CT影像以及影像组学和深度学习模型已发表了大量的早期肺腺癌病理组织类型预测的文献。本文主要就GGN的CT影像学特征、影像组学特征及深度学习方法在预测早期肺腺癌组织学类型方面的研究进展予以综述，以期为相关研究者提供有价值的参考。