6月30日，科睿唯安發布了最新《期刊引證報告》（Journal Citation Reports®，簡稱JCR）。澳科大醫學院講座教授張康擔任共同主編的SCI期刊Signal Transduction and Targeted Therapy（信號轉導與靶向治療，STTT）最新影響因子顯著提升。
STTT是中國科技期刊卓越行動計劃領軍期刊之一，創刊於2016年，目標是辦成在信號轉導與靶向治療領域具有國際影響力的學術期刊。STTT創建了由美國俄亥俄州立大學Carlo M.Croce教授（美國國家科學院院士，Cancer Research前主編）、澳門科技大學張康講座教授、四川大學華西醫院魏於全教授/院士爲共同主編的國際化編委團隊，目前已有編委超過100人，來自美國、澳大利亞、德國、法國、意大利、日本等10餘個國家。
期刊封面
該刊今年影響因子提升爲18.187，較去年增長34.79%。在中國熱門醫學期刊中，影響因子排名第3；在生物化學&分子生物學（BIOCHEMISTRY & MOLECULAR BIOLOGY）領域的298本全球SCI期刊中，影響因子排名第5；在細胞生物學（CELL BIOLOGY）領域的195本全球SCI期刊中，影響因子排名11。刊物被SCIE, JCR, BIOSIS previews, DOAJ等國際知名期刊目錄與數據庫收錄。
張康講座教授獲得哈佛大學和麻省理工學院醫學博士，以及哈佛大學的遺傳學博士學位，是美國約翰霍普金斯大學威爾瑪眼科中心第一位來自中國內地的眼科住院醫生。他在醫學人工智能、眼科學、幹細胞，生物材料和3D列印，遺傳學以及精準醫學領域擁有較高造詣，亦擁有豐富臨床實踐經驗和基礎科研成果。曾獲得Burroughs Wellcome基金會臨床科學家轉化型研究獎等多項國際獎項，北京大學長江學者，2010年美國最佳眼科醫生，2016、2018年眼科最具影響力世界100強。他的發現HTRA1是與年齡相關的黃斑變性的主要易感基因，被《科學》雜誌列為“2006年十大突破之一”。 他的團隊首次將皮膚乾細胞誘導分化爲角膜緣幹細胞，並成功修復角膜功能，爲治療角膜疾病指出了一條新策略 (Nature, 2004)；首次發現羊毛甾醇在白內障形成中的關鍵調控作用，有關羊毛甾醇調控晶狀體蛋白異常聚集的新發現爲臨床白內障的藥物治療帶來曙光(Nature, 2015)。2018 年在Cell上以封面論文的方式發表“一個基於深度學習的眼病和肺炎兩大類疾病的 AI 診斷系統”，該論文被評爲Cell 2018 年度最佳論文。在國際知名期刊包括New England Journal of Medicine, Nature, Science, Cell, Nature Genetics, Nature Medicine, Cell Stem Cell, Molecular Cell, PNAS, JCI等上發表文章200多篇。張康講座教授分別於2019年和2020年連續兩次入選美國科睿唯安（Clarivate Analytics）發佈的年度全球高被引科學家（Highly-Cited Researchers）名單。他的文章被引用已超過38,000次，H因子(H Index)高達90。除了STTT，張康講座教授還擔任Precision Clinical Medicine共同主編, Journal of Biological Chemistry編委等。
2020年初新冠疫情爆发，張康講座教授帶領澳科大醫學院科研團隊，與廣州市婦女兒童醫療中心合作，從兒童確診患者的追蹤資料中獲得重大發現，相關研究論文在國際知名學術期刊Nature Medicine以封面文章發表。此成果不僅是學術研究新冠肺炎的突破性進展，更為國內外醫療機構對兒童新冠肺炎的診治帶來重大貢獻。自2020年1月份開始，张康講座教授領導聯合國內、外多個單位，開展新冠病毒疫苗的研發，採用新的技術路線，並獲得重大發現。研究成果已於10月22日在國際頂級學術期刊Nature發表，題為“A vaccine targeting the RBD of the S protein of SARS-CoV-2 induces protective immunity（以新冠病毒刺突蛋白受體結合域為靶點的重組疫苗在小鼠和非人靈長類動物中誘導保護性免疫力）”，為全球疫苗的研發提供重要依據。同年4月25日，張康講座教授領導的科研團隊與國內、外多個機構合作，成功研發出人工智能影像輔助診斷新冠肺炎系統的研究在國際頂級期刊Cell上發表。該系統基於胸部CT片，20秒內就能區分新冠肺炎與其他病毒性肺炎，且精准率在90%以上。研究數據與代碼掛載在中國科學院國家生物信息中心，目前下載量已近330万次。該系統已在國內外多家試點醫院部署使用，受到社會各界高度認可。
2021年4月15日，張康講座教授作為主要通訊作者，聯合多個單位在人工智能診斷新冠肺炎研究上再創佳績，在國際頂級期刊Nature Biomedical Engineering發文“A deep-learning pipeline for the diagnosis and discrimination of viral, non-viral and COVID-19 pneumonia from chest X-ray images”（通過CXR影像診斷和鑒別病毒性、非病毒性和新冠肺炎的深度學習系統）。團隊不斷突破資料多源異構等局限性並攻克重重難關。基於12萬個患者的145,000張多源異構的CXR圖像，開發了一套診斷新冠肺炎和其他常見肺部疾病的深度學習系統，可準確、快速地區分新冠肺炎、其他類型肺炎、常見肺部疾病及正常患者並評估其嚴重性，準確率高達90%以上，與高資歷的放射科醫生的表現相當，還可提高初級放射科醫生的診斷準確性。該AI系統可作為急症室、偏遠地區或發展中國家的一線診斷工具，促進早期干預，提供第一線評估和快速周轉時間，並為臨床決策提供重要的支持，對解決公共衛生問題至關重要。本研究的大量CXR影像數據和代碼為助力全球抗疫已向全球開放，由中國國家生物信息中心大灣區節點向世界發佈。
更多了解可參考期刊官網（https://www.nature.com/sigtrans/）與張康講座教授澳門科技大學學者庫個人主頁（http://scholar.must.edu.mo/scholar/100923 ）
張康講座教授
