2022年11月，我校数学与统计学院姚玉华教授等人在国际生物信息学知名期刊《Briefings in Bioinformatics》上正式发表了题为“ICSDA: a multi-modal deep learning model to predict breast cancer recurrence and metastasis risk by integrating pathological, clinical and gene expression data”的研究论文(DOI: 10.1093/bib/bbac448)。《Briefings in Bioinformatics》是中科院SCI生物大类二区Top期刊，数学与计算生物学小类一区期刊，2021年的影响因子为13.994。海南师范大学为论文第一完成单位，姚玉华教授为论文第一作者，其2019级硕士研究生吕亚萍为论文共同第一作者。该研究得到国家自然科学基金项目和海南省自然科学基金项目的支持。

      乳腺癌是严重威胁女性健康的恶性肿瘤，其术后复发和转移是导致乳腺癌患者死亡的主要原因。随着新一代测序技术的发展，基于基因表达谱、临床信息和DNA拷贝数等多组学的乳腺癌诊断和预后研究正迅速而广泛的应用于临床，因此，在多组学数据发展的基础上，迫切需要更多数据信息的交叉融合和有效的计算方法来准确预测乳腺癌的复发和转移。

      论文尝试从多模态数据融合的角度出发，研究多组学与病理图像数据的有效融合预测复发转移风险的方法，利用不同模态数据的互补性，揭示乳腺癌复发转移风险关键因素，提高预测性能。通过研究和比较几种分子生物标志物(miRNA、lncRNA、mRNA和CNV等)在预测乳腺癌复发和转移风险中的作用，整合病理学图像和测序数据建立预测模型。该模型基于弱监督学习和迁移学习的融合算法，并通过注意力模块自动定位高度相关的诊断区域并做出最终预测。与其他机器学习模型如随机森林、逻辑回归、支持向量机等进行对比，论文研究结果表现出较高的准确度和敏感性。基于医学图像和分子测序技术的癌症预后的研究有助于识别复发和转移的高风险癌症患者，为术后辅助治疗提供有效指导。