王玮
专长
2.神经内分泌肿瘤：全程化管理，国际多中心新药临床研究
一、基本情况
王玮，肿瘤学博士，主任医师，博士研究生导师，广东省杰青。从事临床工作20余年。临床工作专注于：1、胃癌机器人辅助微创手术（4cm切口），腹腔镜微创手术（6cm切口），早期胃癌保留功能手术（如空肠间置代胃术等），进展期胃癌的综合治疗（新辅助免疫治疗、新辅助放化疗等），晚期胃癌的转化治疗（转化手术等）；2、神经内分泌肿瘤的全程规范化、个体化治疗（包括但不限于手术，化疗，靶向治疗，生物治疗、免疫治疗等），国际多中心新药临床研究。累积主刀胃癌手术3000余例，诊治神经内分泌肿瘤2000余例。
二、教育及工作经历
2000-09 至 2005-06, 安徽医科大学, 临床医学, 学士
2005-09 至 2008-06, 中山大学, 肿瘤学, 硕士
2008-09 至 2011-06, 中山大学, 肿瘤学, 博士
2011-08 至 2013-11, 中山大学, 肿瘤防治中心, 医师
2013-12 至 2018-12, 中山大学, 肿瘤防治中心, 主治医师
2019-01 至 2023-12, 中山大学, 肿瘤防治中心, 副主任医师
2024-01 至 今, 中山大学肿瘤防治中心, 主任医师
三、学术兼职
中国抗癌协会（CSCO）神经内分泌肿瘤专业委员会 委员
中国临床肿瘤学会（CSCO）神经内分泌肿瘤专家委员会 委员
广东省抗癌协会神经内分泌专业委员会 副主任委员
广东省健康管理学会胃肠外科专业委员会 副主任委员
广东省基层医药学会消化肿瘤专业委员会 副主任委员
广东省精准医学应用学会罕见肿瘤分会 常务委员
广东省抗癌协会病理学分会神经内分泌肿瘤学组 委员
广东省抗癌协会胃癌专业委员会 委员
广东省中西医结合学会胃肠外科分会 委员
四、主持科研项目
王玮教授团体长期深耕于胃癌外科治疗与转化研究领域，通过构建超10000例胃癌临床病例队列，在临床数据规范化管理以及高质量生物样本库建设方面具有深厚积累。团队已建立起完善的胃癌临床-病理-生物学多维信息整合平台，形成了系统化的样本采集、处理、储存与质控标准流程，为各类课题实施提供了可靠的资源保障。在科研能力方面，团队具备强大的多组学数据整合与临床转化挖掘能力，已建立成熟的生物信息分析技术体系，能够高效处理临床病理特征、基因组、转录组、蛋白质组等多源异构数据。团队擅长运用人工智能算法挖掘数据深层规律，精准解读分子特征与临床表型的关联机制，为构建具有临床应用价值的胃癌免疫分子分型体系及开发精准诊疗工具提供了坚实的技术支撑。
此外，王玮教授团队长期从事神经内分泌肿瘤临床及基础研究，现已构建超过2000例神经内分泌肿瘤临床队列的数据库及生物样本库，为神经内分泌肿瘤的临床研究及基础转化研究奠定了坚实基础。团队近年来主持及参与国际及国内多中心神经内分泌肿瘤临床研究20余项，通过深度参与多项国产原研新药（如索凡替尼等）的I-III期临床研究，成功推动国内神经内分泌肿瘤的新药研发，并使得神经内分泌肿瘤患者的生存期显著延长。
目前主持国家科技重大专项分课题1项、国家自然科学基金2项，教育部高等院校博士点基金1项，广东省自然科学基金3项（包括杰出青年基金1项，面上项目2项），广州市协同创新重大专项1项。以第一/通讯作者身份在Lancet Oncol, Ann Oncol, Lancet Dig Heal, JAMA Net Open等专业期刊发表SCI论文50余篇，总计影响因子650。
五、代表性论著（近三年）
1. Wang, W*., Yang, Y.-J., Zhang, R.-H., Deng, J.-Y., Sun, Z., Seeruttun, S. R., Wang, Z.-N., Xu, H.-M., Liang, H., & Zhou, Z.-W. (2022). Standardizing the classification of gastric cancer patients with limited and adequate number of retrieved lymph nodes: An externally validated approach using real-world data. Military Medical Research, 9, 15. https://doi.org/10.1186/s40779-022-00375-2 （一区，IF=22.9 ）
2. Jiang, Y., Liang, X., Wang, W*., Chen, C., Yuan, Q., Zhang, X., Li, N., Chen, H., Yu, J., Xie, Y., Xu, Y., Zhou, Z., Li, G., & Li, R. (2021). Noninvasive prediction of occult peritoneal metastasis in gastric cancer using deep learning. JAMA Network Open, 4(1), e2032269. https://doi.org/10.1001/jamanetworkopen.2020.32269 （一区，IF=9.7 ）
3. Jiang, Y., Zhang, Z., Yuan, Q., Wang, W*., Wang, H., Li, T., Huang, W., Xie, J., Chen, C., Sun, Z., Yu, J., Xu, Y., Poultsides, G. A., Xing, L., Zhou, Z., Li, G., & Li, R. (2022). Predicting peritoneal recurrence and disease-free survival from CT images in gastric cancer with multitask deep learning: A retrospective study. The Lancet Digital Health, 4(5), e340～e350. https://doi.org/10.1016/S2589-7500(22)00040-1 （一区，IF=24.1）
4. Jiang, Y., Liang, X., Han, Z., Wang, W*., Xi, S., Li, T., Chen, C., Yuan, Q., Li, N., Yu, J., Xie, Y., Xu, Y., Zhou, Z., Poultsides, G. A., Li, G., & Li, R. (2021). Radiographical assessment of tumour stroma and treatment outcomes using deep learning: A retrospective, multicohort study. The Lancet Digital Health, 3(6), e371～e382. https://doi.org/10.1016/S2589-7500(21)00065-0 （一区，IF=24.1）
5. Han, Z., Zhang, Z., Yang, X., Li, Z., Sang, S., Islam, M. T., Guo, A. A., Li, Z., Wang, X., Wang, J., Zhang, T., Sun, Z., Yu, L., Wang, W#., Xiong, W., Li, G., & Jiang, Y. (2024). Development and interpretation of a pathomics-driven ensemble model for predicting the response to immunotherapy in gastric cancer. Journal for ImmunoTherapy of Cancer, 12(5), e008927. https://doi.org/10.1136/jitc-2024-008927 （一区，IF=10.6）
6. Wang, W*. Huang, W., Yang, X., Fang, C., Wei, H., Li, Z., Qiu, L., Zhong, R., Chen, C., Yuan, Q., Zhou, K., Wu, L., Xue, Z., Zhou, Z., Li, Y., Xu, Y., Li, G., Li, Z., Yun, J., & Jiang, Y. (2025). 1Multimodal radiopathomics approach for predictions of prognosis and immunotherapy response in patients with gastric cancer: A multicohort retrospective study. International Journal of Surgery (London, England), 111(11), 7606～7621. https://doi.org/10.1097/JS9.0000000000002939 （一区，IF=10.3）
7. Wang, W*., Peng, Y., Feng, X., Zhao, Y., Seeruttun, S. R., Zhang, J., Cheng, Z., Li, Y., Liu, Z., & Zhou, Z. (2021). Development and validation of a computed tomography–based radiomics signature to predict response to neoadjuvant chemotherapy for locally advanced gastric cancer. JAMA Network Open, 4(8), e2121143. https://doi.org/10.1001/jamanetworkopen.2021.21143 （一区，IF=9.7 ）
8. Zheng, Y., Qiu, B., Liu, S., Song, R., Yang, X., Wu, L., Chen, Z., Tuersun, A., Yang, X., Wang, W#. & Liu, Z. (2024). A transformer-based deep learning model for early prediction of lymph node metastasis in locally advanced gastric cancer after neoadjuvant chemotherapy using pretreatment CT images. eClinicalMedicine, 75, 102805. https://doi.org/10.1016/j.eclinm.2024.102805 （一区，IF=10.0 ）
9. Qiu, B., Zheng, Y., Liu, S., Song, R., Wu, L., Lu, C., Yang, X., Wang, W#. Liu, Z., & Cui, Y. (2025). Multitask deep learning based on longitudinal CT images facilitates prediction of lymph node metastasis and survival in chemotherapy-treated gastric cancer. Cancer Research, 85(13), 2527～2536. https://doi.org/10.1158/0008-5472.CAN-24-4190 （一区，IF=16.6 ）
10. Huang, W., Jiang, Y., Xiong, W., Sun, Z., Chen, C., Yuan, Q., Zhou, K., Han, Z., Feng, H., Chen, H., Liang, X., Yu, S., Hu, Y., Yu, J., Chen, Y., Zhao, L., Liu, H., Zhou, Z., Wang, W#. Xu, Y., Li, G. (2022). Noninvasive imaging of the tumor immune microenvironment correlates with response to immunotherapy in gastric cancer. Nature Communications, 13, 5095. https://doi.org/10.1038/s41467-022-32816-w （一区，IF=15.7）
11. Jiang, Y., Zhang, Z., Wang, W*. Huang, W., Chen, C., Xi, S., Ahmad, M. U., Ren, Y., Sang, S., Xie, J., Wang, J.-Y., Xiong, W., Li, T., Han, Z., Yuan, Q., Xu, Y., Xing, L., Poultsides, G. A., Li, G., & Li, R. (2023). Biology-guided deep learning predicts prognosis and cancer immunotherapy response. Nature Communications, 14, 5135. https://doi.org/10.1038/s41467-023-40890-x （一区，IF=15.7 ）
12. Sun, Z., Zhang, T., Ahmad, M. U., Zhou, Z., Qiu, L., Zhou, K., Xiong, W., Xie, J., Zhang, Z., Chen, C., Yuan, Q., Chen, Y., Feng, W., Xu, Y., Yu, L., Wang, W#. Yu, J., Li, G., & Jiang, Y. (2024). Comprehensive assessment of immune context and immunotherapy response via noninvasive imaging in gastric cancer. Journal of Clinical Investigation, 134(6), e175834. https://doi.org/10.1172/JCI175834 （一区，IF=13.6 ）
13. Sun, Z., Li, Z., Ahmad, M. U., Zhu, Y., Zhou, Z., Zhou, K., Wu, L., Chen, C., Yuan, Q., Zhang, T., Chen, Y., Xie, J., Feng, W., Xu, Y., Xiong, W., Wang, W#. Li, G., & Jiang, Y. (2026). Non-invasive imaging assessment of tertiary lymphoid structures and immunotherapy response in gastric cancer: A multicenter study. Clinical Cancer Research: An Official Journal of the American Association for Cancer Research. https://doi.org/10.1158/1078-0432.CCR-25-3669 （一区，IF=10.2）
14. Zheng, W., Sun, Z., Wang, W*., Han, J. E., Islam, M. T., Li, W., Yuan, Q., Chen, C., Xi, S., Li, Z., Wang, X., Wu, L., Xiong, W., Chen, T., Li, G., Li, Z., Yu, J., & Jiang, Y. (2026). Noninvasive imaging-based assessment of tumor-associated neutrophils for prognosis and immunotherapy response in gastric cancer: A multicenter study. Journal of Advanced Research, S2090123226001049. https://doi.org/10.1016/j.jare.2026.01.082 （一区，IF=13.0）
六、获奖及荣誉
2014年 “中山大学肿瘤防治中心优秀青年人才培育计划”获得者
2014年 “中山大学肿瘤防治中心临床医学科学家培育计划”获得者
2014年 第九届全国胃癌大会 优秀论文奖
2014年 【中华胃肠外科杂志】 优秀论文奖
2015年 【Chin J Can】杂志 优秀论文奖
2015年 MD Anderson Cancer Center “Global Academic Program” 优秀论文奖
2015年 全国肿瘤学年会（CSCO）口头报告
2017年 国际胃癌大会 优秀论文奖
2017年 国际胃癌大会 口头报告（三项）
2017年 中华医学会2017年度百篇中华医学优秀论文奖
2019年 第91届日本胃癌学会年会，口头报告
2019年 广州市科学技术成果奖，GK181024，基于快速、精确的个体化检测技术在胃癌诊治过程中的应用
2022年 全国胃癌大会 未来科学家奖
2022年 中国人民网年度胃癌领域10大原创性论著 “金山茶花奖”人民好医生
更新时间：2026.4.10
