深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
1	2026-01-13	Applications of artificial intelligence-based conversational agents in healthcare: A systematic umbrella review 2026-Mar-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106204 PMID:41337874	综述	本文对人工智能对话代理在医疗保健领域的应用进行了系统性的伞状综述	首次对AI对话代理在医疗保健领域的应用和有效性进行全面的全球性综合评估	难以就当前AI对话代理在医疗保健领域的整体有效性得出结论，且存在研究领域不平衡的问题	全面概述AI对话代理在医疗保健领域的当前应用及相关健康结果	2000年至2025年间发表的同行评审系统综述文章	自然语言处理	NA	深度学习	NA	文本	44篇综述文章	NA	NA	NA	NA
2	2026-01-13	Spectral anomaly detection in physiological time-series data: A systematic review 2026-Mar-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106212 PMID:41411902	系统综述	本文系统综述了机器学习在生理时间序列数据（特别是ECG和EEG频谱）中异常检测的应用方法及效果	通过系统综述比较了不同机器学习方法在生理频谱异常检测中的性能，并指出无监督Transformer模型在该领域表现最优	综述仅纳入了AUC、准确率或F1分数高于0.95的研究，可能遗漏了其他有价值但性能略低的方法	评估机器学习在生理时间序列频谱数据异常检测中的应用效果，并推荐最佳方法	ECG（心电图）和EEG（脑电图）的频谱数据	机器学习	心血管疾病	频谱分析	变分自编码器, 生成对抗网络, 扩散模型, Transformer, 孤立森林, 支持向量数据描述	时间序列数据	NA	NA	Transformer	AUC, 准确率, F1分数	NA
3	2026-01-13	Prognostic Utility of a Deep Learning Radiomics Nomogram Integrating Ultrasound and Multi-Sequence MRI in Triple-Negative Breast Cancer Treated With Neoadjuvant Chemotherapy 2026-Feb, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70054 PMID:40920176	研究论文	本研究评估了整合超声和多序列MRI的深度学习放射组学列线图在预测接受新辅助化疗的三阴性乳腺癌患者生存、复发和转移方面的预后性能	开发了一种整合临床参数、超声和多序列MRI的深度学习放射组学列线图模型，用于三阴性乳腺癌患者的预后预测，并进行了多中心验证	回顾性研究设计，样本量相对较小（103例患者），且仅针对三阴性乳腺癌这一特定亚型	评估整合超声和多序列MRI的深度学习放射组学列线图在预测三阴性乳腺癌患者预后方面的性能	接受新辅助化疗的三阴性乳腺癌患者	数字病理学	乳腺癌	超声成像, 多序列磁共振成像	深度学习放射组学模型	二维超声图像, 三维MRI图像	103例患者（训练组72例，验证组31例）	NA	深度学习放射组学列线图	一致性指数	NA
4	2026-01-13	Artificial Intelligence Deep Learning Ultrasound Discrimination of Cosmetic Fillers: A Multicenter Study 2026-Feb, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70079 PMID:41024593	研究论文	本研究利用基于YOLO架构的深度学习人工智能技术，通过超声图像对常见美容填充剂进行可靠鉴别	首次将人工智能深度学习应用于超声图像中美容填充剂的鉴别，填补了该领域的研究空白	对钙羟基磷灰石和聚甲基丙烯酸甲酯填充剂的识别性能较低且不一致，需要进一步优化	开发人工智能深度学习模型以在真实条件下通过超声图像准确鉴别不同类型的美容填充剂	超声图像中的美容填充剂，包括透明质酸、聚甲基丙烯酸甲酯、钙羟基磷灰石和硅油	计算机视觉	NA	超声成像	深度学习	图像	1432张来自6个国家14位医生收集的超声图像	NA	YOLO, YOLOv11	准确率, F1分数, 精确率, 召回率	NA
5	2026-01-13	Evaluating the cost-effectiveness of artificial intelligence-enhanced osteoporosis screening in men and women using routine chest radiographs in South Korea 2026-Feb, JBMR plus IF:3.4Q2 DOI:10.1093/jbmrpl/ziaf187 PMID:41522667	研究论文	本研究评估了在韩国50岁及以上成年男性和女性中，利用人工智能增强的常规胸部X光片进行骨质疏松症筛查的成本效益	首次在男性和女性中评估了已获监管批准的深度学习模型Osteo Signal的成本效益，而先前评估仅针对女性	研究依赖于模型假设，包括固定的骨质疏松症患病率、诊断性能参数以及治疗依从性概率，可能未完全反映现实世界的复杂性	评估人工智能辅助的胸部X光片筛查在韩国成年男性和女性中预防骨质疏松性骨折的成本效益	韩国50岁及以上的成年男性和女性	数字病理学	骨质疏松症	深度学习	深度学习模型	胸部X光图像	基于模型模拟，每10,000名成年人进行分析	NA	Osteo Signal	增量成本效益比	NA
6	2026-01-13	Integrative Transcriptomic and Bioinformatics Approaches Combined With Transformer Models Identify Key Gene Networks in Atherosclerosis 2026-Jan-31, FASEB journal : official publication of the Federation of American Societies for Experimental Biology IF:4.4Q2 DOI:10.1096/fj.202503988R PMID:41524613	研究论文	本研究通过整合基于Transformer的深度学习与经典生物信息学及实验验证，识别了与人类动脉粥样硬化进展相关的关键基因网络	创新性地将TabTransformer模型（采用多头自注意力机制）应用于基因表达数据，以预测疾病状态，并结合SHAP分析量化基因贡献，超越了LASSO基线模型的性能	研究仅基于一个数据集（GSE100927，包含69个斑块和35个对照样本），样本规模相对有限，且实验验证仅在氧化低密度脂蛋白处理的人脐静脉内皮细胞中进行	旨在通过整合转录组学和生物信息学方法，结合Transformer模型，优先识别与动脉粥样硬化进展相关的候选转录组介质	人类动脉粥样硬化斑块样本和对照样本的基因表达数据，以及氧化低密度脂蛋白处理的人脐静脉内皮细胞	生物信息学	心血管疾病	转录组学分析，差异表达分析（limma包），网络拓扑分析（STRING，Cytoscape），通路富集分析（GO，KEGG），实验验证（细胞实验）	Transformer	基因表达数据（转录组数据）	104个样本（69个动脉粥样硬化斑块，35个对照）	NA	TabTransformer	AUC	NA
7	2026-01-13	UK Biobank-centric advances in brain age prediction: a comprehensive review 2026-Jan-23, Reviews in the neurosciences IF:3.4Q2 DOI:10.1515/revneuro-2025-0055 PMID:40997331	综述	本文系统综述了基于英国生物银行（UK Biobank）数据集在脑年龄预测领域的研究进展，重点分析了机器学习与深度学习算法的范式转变	首次对利用UK Biobank进行脑年龄预测的70项研究（2014-2024年）进行系统性综合，并批判性评估了该数据集的独特优势与固有局限性	综述本身不涉及原始数据收集或新模型开发，主要依赖现有文献分析，可能受发表偏倚影响	旨在阐明基于UK Biobank的脑年龄预测研究进展，为神经退行性疾病的精准诊疗及个体化干预策略提供理论依据与实践指导	基于神经影像的脑年龄预测模型及其相关影响因素	机器学习	神经退行性疾病	神经影像技术	NA	神经影像数据	基于英国生物银行（UK Biobank）数据集的研究，涉及70项同行评审研究	NA	NA	NA	NA
8	2026-01-13	SSIF-Affinity: Multimodal Deep Learning of Sequence-Structure Features for Precise Protein-Protein Binding Affinity Prediction 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01734 PMID:41392472	研究论文	提出一种名为SSIF-affinity的多模态深度学习框架，用于高精度预测蛋白质-蛋白质复合物的结合亲和力	创新性地结合了结合界面定位与几何约束区域构建、结构引导的跨模态注意力模块，以及全序列特征与结合区域结构特征的协同表示机制，有效平衡了界面相互作用与长程相互作用的贡献	未明确说明模型在更广泛的蛋白质-蛋白质相互作用类型上的泛化能力，以及计算效率的具体数据	实现蛋白质-蛋白质复合物结合亲和力的高精度定量预测，以辅助生物机制解析和治疗性抗体开发	蛋白质-蛋白质复合物，特别是抗体-抗原复合物	生物信息学，机器学习	NA	深度学习，多模态学习	CNN, LSTM, 注意力机制, MLP	序列数据，结构数据（结构图）	NA	NA	CNN, LSTM, 跨模态注意力模块, MLP	NA	NA
9	2026-01-13	Discovery of Tetrahydroisoquinoline-Based SARS-CoV-2 Helicase Inhibitors with Iterative, Deep Learning-Enhanced Virtual Screening 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02059 PMID:41400222	研究论文	本研究通过结合深度学习的虚拟筛选方法，发现了一系列基于四氢异喹啉的SARS-CoV-2解旋酶抑制剂	采用深度神经网络增强虚拟筛选，提高了21%的命中识别效率，并揭示了一种新型变构抑制机制	研究处于早期阶段，化合物需进一步验证其临床前和临床效果	针对SARS-CoV-2解旋酶进行基于结构的药物发现	SARS-CoV-2解旋酶（Nsp13）	机器学习	COVID-19	虚拟筛选，分子动力学模拟	深度神经网络	化学分子结构数据	NA	NA	深度神经网络	命中识别效率，选择性指数（CC/EC），抗病毒活性（EC）	NA
10	2026-01-13	Toward Complete Molecular Structure Prediction from Infrared Spectroscopy Using Deep Learning 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01834 PMID:41403343	研究论文	本研究提出了一种基于深度学习的双损失架构，用于从红外光谱数据中预测完整的分子结构（以SMILES字符串表示）	采用受图像描述模型启发的双损失深度学习架构，首次从红外光谱直接预测完整分子结构，而非仅预测单个官能团	模型在未见测试集上仅能正确预测16.26%的完整结构，准确率有待提升	解决从红外光谱逆向解析完整分子结构的挑战，提升光谱分析在化学和医学等领域的应用能力	有机化合物的红外光谱数据及其对应的分子结构	机器学习	NA	量子力学密度泛函理论计算	深度学习	光谱数据	超过17,000个独特的红外光谱，其中测试集包含1,710个光谱	NA	受图像描述模型启发的双损失架构	完整结构预测准确率，官能团再生准确率	劳伦斯伯克利国家实验室的Lawrencium集群高性能计算资源
11	2026-01-13	MambaTransDTA: A Hybrid Mamba-Transformer Architecture for Accurate Drug-Target Binding Affinity Prediction 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02361 PMID:41406376	研究论文	提出了一种名为MambaTransDTA的新型混合模型，用于准确预测药物-靶点结合亲和力	首次将Mamba架构与Transformer架构相结合，以优化药物-靶点相互作用预测，通过结合Mamba捕获长程依赖的能力和Transformer对局部交互的建模，实现了更全面的亲和力估计	NA	提高药物-靶点亲和力预测的准确性、鲁棒性和泛化能力	药物-靶点相互作用	机器学习	NA	NA	混合模型	NA	NA	NA	Mamba, Transformer	均方误差	NA
12	2026-01-13	LGABAN: An Integrated Multi-Scale Approach Combining Graph and Sequence Features for Enhanced Prediction of Drug-Protein Interactions 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02364 PMID:41408656	研究论文	本文提出了一种名为LGABAN的新型深度学习框架，用于增强药物-蛋白质相互作用的预测，通过结合图特征和序列特征的多尺度方法	LGABAN框架通过双分支结构并行提取局部和全局特征，并利用双线性注意力网络整合四种特征对，同时引入多头图注意力网络增强药物图表示能力	NA	提高药物-靶标相互作用预测的准确性和可解释性，以缩短药物研发周期和降低成本	药物和蛋白质	机器学习	NA	深度学习	GAT, BAN	图数据, 序列数据	NA	NA	多头图注意力网络, 双线性注意力网络	NA	NA
13	2026-01-13	BGC-MAC and BGC-MAP: Attention-Based Models for Biosynthetic Gene Cluster Classification and Product Matching 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02082 PMID:41412814	研究论文	本文提出了两种基于多头注意力机制的深度学习模型BGC-MAC和BGC-MAP，用于生物合成基因簇的分类和产物匹配，以改进BGC注释并加速天然产物的发现	开发了首个基于实验验证的BGC-天然产物对训练的深度学习模型，其交叉注意力机制实现了可解释的人工智能，能够识别关键蛋白质结构域并揭示BGC与亚结构之间的关系，而无需先验注释	未明确提及模型在未见BGC类别或结构上的泛化能力，也未讨论训练数据规模对模型性能的潜在限制	改进生物合成基因簇的注释，加深对生物合成机制的理解，并加速新天然产物的发现	生物合成基因簇及其编码的天然产物	自然语言处理	NA	深度学习	多头注意力机制	基因序列数据	基于实验验证的BGC-天然产物对进行训练，具体数量未明确说明	未明确说明	多头注意力模型	通过与antiSMASH和DeepBGC比较进行性能评估，具体指标未明确说明	NA
14	2026-01-13	A Comparative Study of Deep Learning and Classical Modeling Approaches for Protein-Ligand Binding Pose and Affinity Prediction in Coronavirus Main Proteases 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02481 PMID:41429653	研究论文	本研究比较了深度学习和经典建模方法在冠状病毒主要蛋白酶中蛋白质-配体结合构象和亲和力预测的性能	首次系统比较了分子对接、配体叠加和深度学习建模等多种构象生成策略，并开发了结合分子力学能量分解与机器学习算法的LRIP-SF评分函数用于亲和力预测	研究主要针对冠状病毒主要蛋白酶，未涵盖其他蛋白靶点；深度学习模型的计算成本较高	评估不同方法在蛋白质-配体结合构象和亲和力预测中的准确性和效率	SARS-CoV-2和MERS-CoV主要蛋白酶（Mpro）及其配体	机器学习	冠状病毒感染	分子对接、配体叠加、深度学习建模、MM-GBSA能量分解	深度学习模型, 机器学习算法	蛋白质-配体复合物结构数据	来自ASAP Antiviral Challenge 2025的数据集	NA	AlphaFold3, Boltz-2, DiffDock, Gnina	成功率, LRMSD, MAE, RMSE	NA
15	2026-01-13	AttentionScore: A Target-Specific, Bias-Aware Scoring Function for Structure-Based Virtual Screening: A Case Study on METTL3 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02142 PMID:41435908	研究论文	本文提出了一种名为AttentionScore的深度学习评分函数，用于METTL3靶点的结构虚拟筛选，该函数整合了配体信息和蛋白质-配体相互作用信息，并通过相似性约束的数据划分方法进行偏差感知评估	开发了首个针对METTL3靶点的深度学习评分函数，采用多尺度融合模块耦合PLEC相互作用指纹和配体指纹，并设计了相似性约束的数据划分协议以最小化类比泄漏	研究仅针对METTL3单一靶点进行案例研究，未在其他靶点上验证方法的普适性	开发一种靶点特异性、偏差感知的评分函数，以改进结构虚拟筛选的准确性	METTL3靶点及其配体分子	机器学习	NA	结构虚拟筛选	深度学习	分子指纹数据（PLEC、Avalon/ECFP4）	未明确说明具体样本数量，但包含训练集和两个测试集（Set 1和Set 2）	未明确说明	多注意力编码器、联合自编码器潜在表示、多尺度融合模块	PR-AUC, 精确率, 召回率, F1分数, MCC	未明确说明
16	2026-01-13	DeepMLP: A Proteomics-Driven Deep Learning Framework for Identifying Mis-Localized Proteins across Pan-Cancer 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02226 PMID:41436377	研究论文	本文提出了一种名为DeepMLP的蛋白质组学驱动的深度学习框架，用于在泛癌中识别错误定位的蛋白质	通过交叉注意力机制构建通路感知的蛋白质表示，并结合动态蛋白质-蛋白质相互作用网络，协同增强识别潜在癌症错误定位蛋白质的能力	未明确说明	识别泛癌类型中的错误定位蛋白质，特别是错误定位的蛋白激酶，并探索其在肿瘤发生中的潜在生物学相关性	错误定位的蛋白质（MLPs），特别是蛋白激酶	机器学习	癌症	大规模质谱蛋白质组学数据	深度学习	蛋白质组学数据	未明确说明	未明确说明	图注意力网络（GAT），结合交叉注意力机制	准确性，稳定性	未明确说明
17	2026-01-13	Chemprop v2: An Efficient, Modular Machine Learning Package for Chemical Property Prediction 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02332 PMID:41453060	研究论文	介绍Chemprop v2，一个高效、模块化的机器学习软件包，用于化学性质预测	对Chemprop进行了全面重写，提高了速度、可扩展性和用户体验，支持多GPU训练，并增加了新功能和教程	未明确提及具体局限性	开发一个改进的软件包，用于分子性质预测，以支持计算化学设计	分子性质预测软件包	机器学习	NA	NA	D-MPNN	分子图	NA	NA	D-MPNN	NA	多GPU
18	2026-01-13	IFNg_DeepKG: A Novel Model for Identifying Interferon-Gamma-Inducing Epitopes Using Knowledge Graph RAG in Biomedical Applications 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02248 PMID:41474270	研究论文	提出了一种名为IFNg_DeepKG的新型深度学习框架，用于准确识别干扰素-γ诱导表位，结合了预训练蛋白质语言模型、知识图谱检索增强生成和多尺度卷积神经网络	首次将知识图谱检索增强生成（RAG）方法应用于干扰素-γ诱导表位的识别，通过整合生物上下文信息显著提升了预测性能	未明确说明模型在更广泛物种或疾病类型中的泛化能力，以及计算资源需求的具体细节	开发一种计算模型以准确高效地识别干扰素-γ诱导表位，用于下一代疫苗和免疫疗法的设计	干扰素-γ诱导表位，包括与COVID-19和阿尔茨海默病相关的临床相关表位	计算免疫学	COVID-19, 阿尔茨海默病	蛋白质语言模型, 知识图谱, 检索增强生成	多尺度卷积神经网络, 预训练语言模型	序列数据, 生物上下文信息	人类和小鼠数据集（具体数量未提供）	NA	ESM2, MSCNN	AUC	NA
19	2026-01-13	SHIFT-DRP: Dynamic Multi-Scale Active Learning for Drug Response Prediction 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02453 PMID:41392432	研究论文	本文提出了一种名为SHIFT-DRP的动态多尺度主动学习框架，用于药物反应预测，旨在通过智能选择药物-细胞系组合进行实验验证，以在有限资源下最大化模型性能提升	提出了一种动态采样策略，该策略从关注多样性的探索阶段过渡到以不确定性驱动的精炼阶段，确保了特征空间的广泛覆盖和模型在缺乏足够学习区域的针对性改进	未在摘要中明确说明	解决药物反应预测中，由于训练数据化学空间覆盖不足导致模型对新颖药物-细胞系组合预测能力有限的问题	药物-细胞系组合	机器学习	癌症	NA	深度学习模型	NA	在四个数据集上进行了评估	NA	使用预训练模型进行分子表示，并采用交叉注意力机制建模药物-细胞系相互作用	预测性能	NA
20	2026-01-13	Advanced deep learning framework for breast cancer detection using digital breast tomosynthesis images 2026-Jan-12, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2025-0011 PMID:41521204	研究论文	本文提出了一种基于深度学习的框架，利用数字乳腺断层合成图像进行乳腺癌检测	结合了单切片和多切片输入，采用拉普拉斯金字塔增强、特征融合、穷举特征选择以及集成学习（ResNet V2、MobileNet V3、Inception V3+与XGBoost）的混合模型，显著提升了诊断性能	未提及具体样本量或数据来源细节，未来需整合临床决策支持系统并扩展到多中心数据集及其他乳腺成像模态	通过深度学习框架提高乳腺癌的早期和准确检测能力	数字乳腺断层合成图像	计算机视觉	乳腺癌	数字乳腺断层合成	CNN, 集成学习	图像	NA	TensorFlow, PyTorch, Keras, Scikit-learn	ResNet V2, MobileNet V3, Inception V3+	准确率, 灵敏度, 特异性, AUC	NA