表皮生长因子受体(EGFR)基因型对于肺癌的治疗决策至关重要，但它可能会受到肿瘤异质性和基因测序过程中侵入性活检的影响。重要的是，并非所有EGFR突变患者使用EGFR酪氨酸激酶抑制剂(TKI)后预后良好，这表明有必要对EGFR突变基因型进行分层。在这项研究中，我们提出了一种全自动人工智能系统(FAIS)，该系统从CT图像中挖掘全肺信息，以预测EGFR基因型和EGFR-TKI治疗的预后。我们纳入了来自中国和美国9个队列的18232名肺癌患者，他们进行了CT成像和EGFR基因测序，其中包括亚洲人群的前瞻性队列(n=891)和白人人群的癌症影像档案队列。这些队列被分为厚CT组和薄CT组。研究表明FAIS提供了一种非侵入性方法来检测EGFR基因型并识别具有EGFR突变且具有高TKI耐药风险的患者。FAIS优于基于肿瘤的深度学习方法的优越性能表明，基因型和预后信息可以从整个肺部获得，而不仅仅是肿瘤组织。