背景:乳腺癌位列世界女性恶性肿瘤发病率及癌症相关死亡率第一位。在精准医疗时代,Ki-67作为一种肿瘤生物标志物在指导乳腺癌患者临床个体化管理中起着越来越重要的作用。在临床上主要是通过免疫组织化学检测来获取Ki-67表达状态,该方法不仅有创且易忽略肿瘤的异质性,具有一定的局限性。而影像组学作为一种无创、全面、客观的评估工具,为临床早期预测Ki-67表达状态提供了新的思路。目前,胸部CT增强检查已成为乳腺癌患者术前分期的常规手段,在此基础上,基于影像组学的方法挖掘分期CT中蕴含的信息,并不会额外增加患者的辐射剂量及经济负担,因而有望为术前预测乳腺癌Ki-67表达状态提供一种非侵入性的方法。目的:本研究旨在探讨基于术前分期CT的影像组学标签在术前无创预测乳腺癌Ki-67表达状态方面中的价值。方法:本研究回顾性地收集2016年5月到2017年12月经我院诊治的符合纳入排除标准的245例浸润性乳腺癌患者,且均为临床术前评估分期需行常规胸部CT增强扫描。从患者临床病历中收集相应的临床病理资料。按照影像检查时间顺序,将245例患者分为训练组145例（2016年5月-2017年5月）,验证组100例（2017年6月-2017年12月）。在训练组中基于术前分期胸部CT图像手动勾画病灶感兴趣区（regionofinterest,ROI）,基于病灶三维图像提取影像组学特征,通过最小冗余最大相关算法（minimum redundancy maximum relevance,mRMR）及Boruta算法筛选组学特征,并利用logistic回归构建影像组学标签。在训练组数据集中评估所构建的影像组学标签术前预测乳腺癌Ki-67表达状态的预测效能,利用接受者操作特征曲线（the receiver operating characteristics curve,ROC）评估其分辨力,采用校准曲线评估其校准度,决策曲线分析评估其临床实用性,最后在验证组中进一步验证影像组学标签的预测效能。结果:经过特征筛选后得到8个关键影像组学特征,基于这8个关键特征构建用于预测乳腺癌Ki-67表达状态的影像组学标签。所构建的影像组学标签在术前预测乳腺癌Ki-67表达状态方面展现出良好的预测效能,其在训练组及验证组中的 ROC 曲线下面积（area under curve,AUC）分别为 0.782（95%CI:0.691～0.874）和 0.781（95%CI:0.686～0.876）。结论:基于术前分期CT的影像组学标签可以较好地预测乳腺癌Ki-67表达状态,这是术前常规分期CT在辅助临床分期之外的附加价值,可作为一种无创的方法来协助术前预测乳腺癌Ki-67表达状态。