Purpose:　Thyroid　Imaging　Reporting　and　Data　System　(TIRADS)　does　not　perform　well　in　thyroid　adenomatoid　nodules　on　ultrasound　(TANU).　Therefore,　we　aimed　to　generate　and　validate　a　nomogram　based　on　radiomics　features　and　clinical　information　to　predict　the　nature　of　TANU.　Methods:　A　total　of　200　TANU　in　200　patients　were　enrolled.　Firstly,　radiomics　nomograms　(R_Nomogram)　and　clinical　nomograms　(C_Nomogram)　were　constructed　using　eight　machine-learning　algorithms.　The　best　R_Nomogram　and　C_Nomogram　generated　the　Radiomics-clinical　nomogram　(R-C_nomogram).　We　compared　the　Area　under　the　receiver　operating　characteristic　curve　(AUC),　calibration　curve,　and　decision　curve　analysis　(DCA)　of　different　nomograms.　The　unnecessary　intervention　rates　were　compared　between　nomograms　and　the　2017　ACR　TI-RADS　recommendations.　Results:　The　R-C_Nomogram　had　a　higher　AUC　than　other　nomograms　[training　cohort:　R-C_Nomogram　(AUC:　0.922)　Vs.　C_Nomogram　(AUC:　0.825):　p＜0.001,　R-C_Nomogram　Vs.　R_　Nomogram　(AUC:0.836),　p=0.007);　validation　cohort:　R-C_Nomogram　(AUC:　0.868)　Vs.　C_Nomogram　(AUC:　0.850):　p=0.778,　R-C_Nomogram　Vs.　R_Nomogram　(AUC:0.684),　p=0.005).　The　R-C_Nomogram　has　the　lowest　unnecessary　intervention　rate　among　all　approaches.　Conclusion:　The　R-C_Nomogram　exhibited　excellent　diagnostic　performances　for　predicting　the　nature　of　TANU.　By　incorporating　clinical　and　radiomics　features,　the　R-C　Nomogram　can　reduce　unnecessary　biopsies　and　guide　treatment　decisions　such　as　ultrasound-guided　thermal　ablation,　improving　patient　management　and　reducing　healthcare　resource　burden.　Copyright　©　2025　Cheng,　Zeng,　Liang,　Hong,　Yang,　You　and　Wu.