胃癌严重威胁了国民生命安全，为我国医疗系统带来了极大的诊疗负担。治疗前对胃癌分期的精确诊断对临床医师制定治疗方案具有重要的参考价值。计算机断层扫描（Computed Tomography，CT）是术前病情评估中最常用的检查方法，它可以提供一种非侵入性的手段使得医生可以观察到胃部的全貌。然而单纯通过医生肉眼主观判断，很难实现胃癌的精准分期诊断。

影像组学（Radiomics）作为一种新兴的人工智能辅助诊断手段，有潜力准确地描述胃癌特征，并对临床指标进行预测。然而在相关研究中，选择使用三维（3D）感兴趣区域（Regions of Interest，ROI）标注，还是更加节省人力算力的二维（2D） ROI标注，长期以来存在争议。针对这一挑战性问题，本文开展了基于2D-3D多维CT影像组学特征的胃癌分期预测方法研究，探索最优的ROI标注方式和特征提取方式，并做出以下工作：

1. 针对2D和3D影像组学特征哪一个更适合胃癌影像组学临床指标预测的问题，本文通过三个基于胃癌的临床感兴趣事件作为预测指标，通过构建六个模型，研究对比了3D影像组学特征和2D影像组学特征的预测性能。实验结果显示2D模型的效果均优于3D模型，表明了3D ROI的标注方式和3D影像组学特征的计算都不能给模型预测带来收益。
2. 针对上述对比研究可能存在的可复现性问题，本文通过一项模型稳定性研究，建立了45000个模型，探索了在不同重采样间隔、不同数据集划分的情况下，2D和3D模型的性能。结果显示2D模型的效果仍然普遍优于3D模型，进一步拓展和加强了对比研究的结论。
3. 本文进一步结合了2D和3D影像组学特征建立了综合模型，探索能否结合2D和3D特征的优点做出更加准确的预测。结果显示相比于2D模型，综合模型没有增益，从侧面进一步证明了对比研究的结论。

通过本文研究，我们发现3D勾画和3D影像组学特征相比于2D并不能带来收益，2D影像组学模型能够更好地预测胃癌临床指标。这一发现可以在胃癌相关的影像组学分析中为研究者提供特征和算法选择方面的依据。通过使用更加省时省力的2D ROI标注，研究者在保证模型预测性能的同时，可以大大加快相关研究的进展。本文结论有希望促进胃癌影像组学相关研究的流程标准化，减少胃癌影像组学研究壁垒。

以上研究成果以第一作者发表在医学影像领域主流SCI期刊 IEEE Journal of Biomedical and Health Informatics（SCI IF: 5.223）。