bevictor伟德官网苗世迪教授在生物信息學領域取得重要研究成果。北京時間10月7日，研究論文以《Deep learning radiomics under multimodality explore association between muscle/fat and metastasis and survival in breast cancer patients》為題發表在《Briefings in Bioinformatics》（JCR一區Top期刊，中科院分區一區Top期刊，當前SCI影響因子為13.994）上，該期刊主要刊登應用新興信息技術解決生命科學前沿問題的高質量原創論文。苗世迪教授為第一作者，哈爾濱醫科大學腫瘤醫院内科王瑞濤教授為通訊作者，bevictor伟德官网bevictor伟德官网為第一單位。
乳腺癌是女性癌症相關死亡的第二大原因。盡管在預測方面取得了相應的進展，但常規的病竈相關标志物分析并不能很好改良乳腺癌患者不良預後的問題，尋找新的生物标志物對早期預測BC腫瘤轉移、生存期具有重要的臨床意義。同時，醫學數據的單模态表征容易受客觀因素幹擾且具有一定的局限性，多模态數據的互補與融合使得跨結構動态描繪生命活動過程成為可能。鑒于此，苗世迪教授提出一種改進的深度學習影像組學多模态特征融合模型，在融合特征的數據集中，胸腔内肌肉脂肪參數和圖像網絡特征之間體現弱線性關系，這表明，網絡特征中包含影像組學無法獲得的新信息，二者關系是互補的而不是替代的。融合模型預測乳腺癌遠處轉移體現出最佳性能（AUC=0.960,95% CI:0.942,0.979 p<0.001)。同時，CT圖像的第四胸椎層和第十一胸椎層的胸肌和内髒脂肪呈現乳腺癌轉移和死亡結局高相關性，上述結論在腫瘤醫院病例回顧性分析中也得到了證實。該模型非入侵性地探索了一種癌症轉移生物标志物，有望擴展癌症預測的關注點。
該研究為苗世迪教授團隊與哈爾濱醫科大學附屬腫瘤醫院合作的階段性成果之一，是2022年發表于《Frontiers in Oncology》的文章《Preoperative pectoralis muscle index predicts distant metastasis-free survival in breast cancer patients》的延伸工作。苗世迪教授自2006年留校任教以來，一直從事系統工程、決策分析與建模、深度影像組學、智慧醫療等領域的研究工作。近年主持和參與完成國家級、省級科研項目、企事業單位委托項目多項，在《Briefings in Bioinformatics》、《Waste Management & Research》、《Journal of Statistical Computation and Simulation》、《Mathematical and Computer Modelling of Dynamical Systems》等學校認定的A類期刊上發表論文多篇，撰寫學術專著1部，授權專利和軟件著作權多項。
與轉移和死亡結局相關的生物标志物可視化實例 。紅色區域代表模型關注的熱區，圖A為第四胸椎層，圖B為第十一胸椎層
