进展期胃癌个体化诊疗对影像学精准评价的需求不断增高，胃癌影像学若要突破现有机器分辨率及主观诊断缺陷的瓶颈，进一步提升分期和评效能力，亟需客观有力的辅助手段。影像组学在现有图像分辨率的基础上，通过纹理分析及大数据手段挖掘海量图像信息，利用人工智能深度学习等手段筛选、整合图像及临床特征，建模进行客观、量化评估，理论上有望进一步提高胃癌分期及评效水平。本文围绕胃癌影像及影像组学两个核心内容，从5个方面层递展开：（1）CT作为影像学分期及疗效评价的首选方法，其应用受到影像医生对图像特征挖掘及信息统合能力的限制，需要引入图像处理能力更强的手段。（2）影像组学纹理分析能够挖掘肉眼无法辨识的海量图像信息，较影像医生主观视觉分析更详细、且可定量评估病变特征，从而发掘微观潜在的医学影像信息；近两年在肿瘤的应用研究进展迅速，几乎涵盖全身各部位实体肿瘤，利用熵、偏度、异质性等纹理分析指标解决肿瘤临床治疗关注的各个方面。（3）从诊断、生物学行为及预后评估，分期及疗效预测与评价3个方面概要总结影像组学在胃癌影像学的研究进展，现有研究基本肯定了影像组学及纹理分析在区分胃癌不同类型、分期和疗效的较高效能，有潜力作为医生主观评估的补充。（4）总结影像组学技术本身缺陷及目前胃癌应用研究中存在的问题，避免盲目及陷阱。（5）展望人工智能作为医生助手的应用前景，影像医生不必担忧被取代，而应积极联合多学科、多中心同道开展临床研究，推动胃癌大数据影像组学的发展和落地。