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	2026-10-30	Advanced deep learning strategies in nanopore RNA sequencing 2026-12, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2026.2627968 PMID:41663212	综述	该文综述了深度学习策略在纳米孔直接RNA测序中用于表观转录组修饰识别的最新进展	系统总结了从经典卷积/循环神经网络到专用学习框架与集成策略的演进，强调在数据稀缺、噪声和生物变异性下实现更高分辨率输出	作为综述，未提供原始实验验证，侧重方法总结而非定量比较或基准测试	总结人工智能与生物学交叉领域在利用纳米孔直接RNA测序表征表观转录组方面的进展与未来多学科机会	RNA分子上的化学修饰（表观转录组）及纳米孔直接RNA测序信号	机器学习, 生物信息学	NA	纳米孔直接RNA测序	CNN, RNN, 集成学习, 专用学习框架	测序信号（电流信号）, 文本	NA	NA	卷积神经网络, 循环神经网络, 集成策略	NA	NA
2	2026-10-30	Neural Gas Network-Based Distinction Between Brain Cysts and Tumors from Magnetic Resonance Images Using a Hybrid Deep Learning Algorithm 2026-Dec, Big data IF:2.6Q2 DOI:10.1177/2167647X261490062 PMID:42799560	研究论文	该研究提出了一种混合深度学习框架，结合神经气体网络分割、SMOTE平衡和三个预训练CNN融合模型，用于从MRI图像中区分脑囊肿和脑肿瘤	将神经气体网络用于精确分割以增强囊肿与肿瘤区域边界；集成EfficientNetB0、MobileNetV2和ResNet50三个预训练CNN的融合混合模型；采用网格搜索超参数优化、早停和交叉验证进行微调	未明确说明计算资源细节；仅在四个数据集上验证，外部泛化能力需进一步评估	提高脑肿瘤与良性囊肿在MRI图像中的早期准确诊断与区分能力	脑部MRI图像中的囊肿与肿瘤区域	医学图像分析	脑肿瘤	磁共振成像	CNN	图像	四个不同数据集（包括平衡和分割版本），具体样本量未提及	NA	EfficientNetB0, MobileNetV2, ResNet50	准确率	NA
3	2026-10-30	Generative Adversarial Networks for Omics Data: An Overview and Future Directions for Livestock Applications 2026-Dec, Animal genetics IF:1.8Q3 DOI:10.1002/age.70226 PMID:42946016	综述	本文综述了生成对抗网络（GAN）在组学数据中的应用，并探讨了其在畜禽基因组学中的未来方向	系统总结了GAN在组学数据增强、隐私保护数据共享、新生物序列和蛋白质设计等方面的应用，并首次提出将GAN应用于畜禽基因组学的机会	作为文献综述，未进行原始实验验证，且对畜禽应用的具体实施细节和挑战讨论有限	介绍GAN基础概念，探索其在多个组学领域的应用，并突出GAN在畜禽基因组学中的新机遇	组学数据（基因组学、转录组学、单细胞组学等）及畜禽基因组学应用	机器学习	NA	生成对抗网络（GAN）	GAN	组学数据（基因组、转录组、单细胞组学数据）	NA	NA	GAN	NA	NA
4	2026-10-30	Leveraging Artificial Intelligence in Healthcare in Cambodia: Enhancing Access and Patient Outcomes 2026-Dec, Public health challenges DOI:10.1002/puh2.70433 PMID:42948795	综述	探讨人工智能在柬埔寨医疗保健系统中的应用潜力、障碍及负责任实施路径	聚焦低收入和中等收入国家中AI从技术可行性到可持续卫生系统实施的差距，并以柬埔寨为具体案例进行分析	为观点性文章，未提供实证数据或系统评价，缺乏具体干预措施的效果评估	分析AI在柬埔寨医疗系统中的应用现状与潜力，并探讨实现可持续实施的关键条件	柬埔寨医疗保健系统及AI相关技术应用	医疗人工智能	NA	机器学习, 深度学习, 预测分析, 计算机视觉, 可穿戴设备, 生成式AI	NA	NA	NA	NA	NA	NA	NA
5	2026-10-30	Enhancing Long Short-Term Memory Framework Using Hybrid Meta-Heuristic Optimization Techniques for Traffic Flow Forecasting 2026-Dec, Big data IF:2.6Q2 DOI:10.1177/2167647X261481477 PMID:42677873	研究论文	提出一种复合SFFSDF-LSTM模型，结合正弦萤火虫特征选择（SFFS）和蜻蜓算法（DF）优化LSTM网络，用于短期交通流预测	将正弦萤火虫特征选择算法与蜻蜓优化算法集成到LSTM框架中，分别用于自适应特征选择和超参数优化，以提升收敛速度和预测精度	摘要未明确说明模型的计算复杂度、在大规模路网上的泛化能力以及实时性表现	提升短期交通流预测的准确性，解决LSTM因交通数据噪声和超参数选择不佳导致的预测精度不足问题	短期交通流数据	机器学习	NA	元启发式优化算法（正弦萤火虫算法、蜻蜓算法）	LSTM	时间序列数据	NA	NA	LSTM	预测精度、误差分析指标	NA
6	2026-10-30	An ensemble graph-transformer/descriptor-fusion model with uncertainty diagnostics for ternary class screening of Daphnia magna acute toxicity 2026-Dec-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2026.129200 PMID:42762915	研究论文	提出一种融合图Transformer与全连接描述符分支的集成模型GTFCN，用于大型溞急性毒性的三元分类筛查，并引入不确定性诊断以降低过度自信	采用双分支架构，一支结合图卷积与掩码Transformer捕捉局部原子环境与高阶交互，另一支通过全连接网络编码十种全局理化描述符，并用可学习门控自适应融合两种表征，同时集成深度集成不确定性框架量化预测不确定性	训练数据较为稀缺，模型在测试集和外部的准确率仅约70%，外部集样本量很小（28个化合物），不确定性阈值虽在验证集上选定并固定，但整体泛化能力仍有限	准确预测化学品对大型溞的急性毒性，用于环境风险评估中的早期筛查和化学品优先级排序	化学品化合物分子（大型溞急性毒性数据）	机器学习	NA	NA	图Transformer、图卷积网络、全连接网络、深度集成	分子图数据和理化描述符	新构建数据集共1801个化合物，测试集181个化合物，外部集28个化合物，外部集低不确定性子集19个化合物	NA	GTFCN（Graph Transformer and Fully Connected Network），双分支架构：图卷积+掩码Transformer分支和全连接网络分支，可学习门控融合	准确率	NA
7	2026-10-30	A Review on Automatic Personal Identification Using Panoramic Radiographs and Computed Tomography 2026-Nov, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin DOI:10.1055/a-2808-8851 PMID:41780547	综述	本文综述了基于全景X光片和计算机断层扫描的自动个人识别方法，评估其性能并探讨在法医学和临床中的应用潜力	系统总结了2018年以来基于放射影像的自动个人识别研究，比较了描述符计算机视觉与深度学习方法的优劣，并强调了死后应用和伦理框架的重要性	研究设计、数据集大小和方法学存在异质性，无法进行定量合成；深度学习方法的跨个体匹配仍需进一步验证；标准化大规模参考数据库和稳健的自动化流程尚未建立	综述自动放射学个人识别方法的现状，评估其性能，并指出在法医和临床环境中的潜在应用	全景X光片（PR）和计算机断层扫描（CT）影像	医学影像分析	NA	全景X光片、计算机断层扫描	深度学习、描述符计算机视觉	图像	32项研究	NA	NA	NA	NA
8	2026-10-30	Integrated Analysis of SNPs and Structural Variations via High-depth Whole-genome Sequencing Reveals the Genetic Architecture and Optimizes Genomic Prediction in Chickens 2026-Nov, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2026.107561 PMID:42603395	研究论文	该研究基于高深度全基因组测序，整合SNP和结构变异（SV）解析鸡15个生长和胴体性状的遗传架构，并开发混合深度学习框架GPDLBP优化基因组预测	首次在鸡F2群体中系统整合高置信度SV与SNP进行遗传解析和基因组预测，开发了结合局部连接网络（捕获SV效应）与GBLUP（捕获SNP效应）的混合深度学习框架GPDLBP	研究仅基于一个F2鸡群体（n=877），SV检测依赖四种调用器的集成策略但未在其他群体或物种中验证，GPDLBP的预测精度提升幅度相对有限（部分性状超过2%）	解析鸡复杂性状的遗传架构，并利用多类型标记优化基因组育种值估计	F2鸡群体（n=877）的15个生长和胴体性状	基因组学, 机器学习	NA	高深度全基因组测序（平均覆盖度31.2×）, GWAS, eQTL共定位分析	GBLUP, 深度学习	基因组变异数据（SNP和SV）, 基因型数据, 表型数据, eQTL数据	877只F2鸡	NA	局部连接网络, GBLUP	预测准确率	NA
9	2026-10-30	Deep learning-assisted cone-beam computed tomography volumetric assessment of mandibular anterior alveolar bone changes with and without periodontally accelerated osteogenic orthodontics during skeletal Class III orthodontic-orthognathic treatment 2026-Nov, American journal of orthodontics and dentofacial orthopedics : official publication of the American Association of Orthodontists, its constituent societies, and the American Board of Orthodontics IF:2.7Q1 DOI:10.1016/j.ajodo.2026.06.012 PMID:42606395	研究论文	本研究利用深度学习辅助的锥形束CT（CBCT）三维体积评估，比较了骨骼性III类错颌畸形患者在正畸-正颌联合治疗中是否接受牙周加速成骨正畸（PAOO）的下颌前牙牙槽骨体积变化	采用深度学习辅助的自动分割工具对CBCT图像进行下颌前牙牙槽骨体积的自动化定量评估，并首次系统比较PAOO组与非PAOO组在正畸-正颌联合治疗过程中的三维牙槽骨体积动态变化	样本量较小（共42例），仅评估了下颌前牙区域，随访时间有限，且为单中心研究，深度学习分割工具的泛化能力未在多中心数据中验证	评估并比较接受与未接受PAOO的骨骼性III类错颌畸形患者在正畸-正颌联合治疗中下颌前牙牙槽骨三维体积的变化，并验证深度学习辅助CBCT分割作为体积评估工具的有效性	42例接受正畸-正颌联合治疗的骨骼性III类错颌畸形成年患者，分为PAOO组（n=21）和非PAOO对照组（n=21）	数字病理学/口腔颌面影像学	骨骼性III类错颌畸形	锥形束计算机断层扫描（CBCT）	深度学习分割模型	三维医学影像（CBCT图像）	42例患者（PAOO组21例，非PAOO组21例），每组患者在基线（T1）和治疗后（T3）接受CBCT扫描，PAOO组另在PAOO术后6个月（T2）接受扫描	NA	NA	牙槽骨体积（mm³）的组间及纵向变化，线性混合效应模型统计分析	NA
10	2026-10-30	Editorial Commentary: Calling Balls and Strikes: For Artificial Intelligence Models to Accurately Predict Rotator Cuff Retear, We Must Carefully Define the Strike Zone 2026-Nov, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1002/arj.70483 PMID:42701888	评论	本文是一篇关于利用人工智能模型预测肩袖修复术后再撕裂的评论文章，强调需要明确定义预测的“好球区”以确保模型准确性和临床适用性	提出在利用深度学习预测肩袖再撕裂时，必须明确定义评估标准（即“好球区”），并强调了迁移学习、数据预处理、标注者间可靠性以及模型泛化性的重要性	文章为评论性文章，未提供具体实验数据或模型性能验证；指出当前基于单一外科医生数据训练的卷积神经网络存在偏差变异性，临床采用需要模型的泛化性、信任和公平性以及监管治理	探讨如何利用人工智能和深度学习准确预测肩袖修复术后早期再撕裂，并强调定义明确预测标准的重要性	接受关节镜下肩袖修复术的患者	数字病理学	肩袖再撕裂	深度学习，迁移学习	卷积神经网络	图像（关节镜照片）	NA	NA	NA	NA	NA
11	2026-10-30	Patient-Specific Instrumentation Improves Technical Execution Accuracy After Artificial Intelligence-Assisted Preoperative Planning in Medial Unicompartmental Knee Arthroplasty 2026-Nov, International orthopaedics IF:2.0Q2 DOI:10.1007/s00264-026-06954-5 PMID:42479177	研究论文	该研究开发并验证了一种结合患者特异性器械（PSI）的人工智能辅助术前规划工作流程，用于内侧单髁膝关节置换术，并评估其对植入物定位精度的影响	将基于CNN的U-Net与基于Transformer的深度学习模块（C-T模块）相结合，实现CT处理的自动化，用于AI辅助术前规划和PSI设计，并首次在前瞻性随机临床研究中评估AI规划联合PSI相对于传统器械的技术优势	样本量较小（每组24例），短期随访未发现组间临床结局差异，技术精度提升能否转化为持久临床获益尚不确定，PSI组皮肤切口显著更长	探究在AI辅助术前规划基础上增加PSI是否能为内侧单髁膝关节置换术带来额外的技术精度获益	接受内侧单髁膝关节置换术的患者，共48例（PSI组24例，对照组24例）	医学影像分析	膝关节骨关节炎	CT影像处理、深度学习图像分割、人工智能辅助术前规划	CNN, U-Net, Transformer	图像（CT影像）	48例患者（PSI组24例，对照组24例），另使用合成骨模型验证PSI可行性	NA	U-Net, Transformer（C-T模块）	图像分割准确率、手术精度、胫骨部件定位精度、胫骨覆盖率、胫骨近端截骨偏差、假体尺寸预测准确率、OKS、VAS疼痛评分、患者满意度	NA
12	2026-10-30	A dual-prompt framework combining spatial-mask priors and clinical-text conditioning for CT-only GTV delineation in esophageal cancer: A multicenter study 2026-Nov, Medical physics IF:3.2Q1 DOI:10.1002/mp.70721 PMID:42905882	研究论文	开发并验证一个两阶段双提示框架，结合空间掩膜先验与LLaMA3编码的临床文本条件，用于仅CT的食管癌原发GTV勾画	提出双提示框架，将空间掩膜先验与LLaMA3编码的临床文本提示联合用于精炼网络，实现仅CT条件下的食管癌GTV自动勾画	外部队列中边界距离性能存在差异，ContextUNETR在外部队列A的平均HD95更低，边界距离表现跨外部队列不稳定	开发并验证仅CT的食管癌原发GTV自动勾画方法	食管癌患者	医学图像分割	食管癌	CT成像、LLaMA3临床文本编码、影像组学分析	两阶段深度学习分割与精炼网络、LLaMA3、MLP	CT图像、结构化临床文本	857例患者（500例开发、125例内部验证、50例消融分析、182例外部队列验证）	NA	两阶段分割网络、ContextUNETR（对比模型）、LLaMA3、MLP	DSC、HD95、绝对体积差、ASSD、影像组学一致性、预后性能	NA
13	2026-10-30	From cell counts to cellular interactions: Cu-Cyto and the co-localization index as a spatial framework for the tumor immune microenvironment of rectal cancer 2026-Nov, International journal of clinical oncology IF:2.4Q3 DOI:10.1007/s10147-026-03182-0 PMID:42709377	研究论文	该文介绍了一个深度学习框架，包含细胞分类平台Cu-Cyto和共定位指数，用于直肠癌肿瘤免疫微空间分析	提出了Cu-Cyto深度学习图像细胞术平台，能检测分类约20种细胞类型，并采用位模式核滤波防重复计数和脱靶标记策略精确定位核中心；同时提出共定位指数，将分类概率和坐标转化为两或三种细胞类型间共定位的单一量化指标，并能扩展到三细胞相互作用	需要在独立直肠癌队列中进行前瞻性验证，以确定该空间细胞框架能否转化为常规临床决策支持	将细胞计数扩展到细胞相互作用，建立肿瘤免疫微环境的空间分析框架	直肠癌新辅助放化疗患者的标准免疫组化染色全切片图像，重点关注CD103⁺CD8⁺组织驻留记忆样T细胞	数字病理学	直肠癌	免疫组化染色全切片图像分析	深度学习	图像	NA	NA	NA	NA	NA
14	2026-10-30	Identification of Novel Noncoding Genetic Variants of Serum Urate Using Whole-Genome Sequencing in 7,339 Chinese Participants 2026-Nov, Arthritis & rheumatology (Hoboken, N.J.) DOI:10.1002/art.70150 PMID:41873804	研究论文	该研究通过对7,339名中国汉族参与者进行全基因组测序，分析了血清尿酸水平的低频和罕见遗传变异，并揭示了东亚人群特有的等位基因架构	这是东亚人群中规模最大的两阶段全基因组测序关联研究，发现了MAN1A2和CPE等新的男性特异性位点，以及HDC和SLC22A12附近的罕见启动子变异，并利用深度学习精细定位揭示了HNF1A、RUNX1和SRF等转录因子作为潜在上调因子	研究仅限于汉族人群，样本量相对有限，且发现的低频和罕见变异需要进一步功能验证	研究东亚人群血清尿酸水平的低频和罕见遗传变异架构，并阐明其作为痛风及心血管代谢疾病遗传性和可改变风险因素的作用	7,339名来自浙江健康百万人口（HOPE）队列的中国汉族参与者	机器学习, 基因组学	痛风, 心血管疾病	全基因组测序	NA	基因组变异数据, 文本	7,339名中国汉族参与者，分析910万个变异	STAARpipeline	深度学习模型	NA	NA
15	2026-10-30	Nailfold Capillary Density and Kidney Injury in CKD 2026-Nov, Kidney international reports IF:5.7Q1 DOI:10.1016/j.ekir.2026.107033 PMID:42935699	研究论文	该研究通过指甲襞毛细血管镜检查和高分辨率视频毛细血管镜评估CKD患者的微血管结构，分析毛细血管密度与肾功能、蛋白尿及肾脏病理的关系	首次在CKD患者中系统评估指甲襞毛细血管密度与肾功能、蛋白尿及肾脏活检病理指标（肾小球硬化、间质纤维化和肾小管萎缩）的关联，并采用深度学习图像分析流程定量毛细血管密度	横断面研究设计无法确定因果关系，样本来自单一学术医学中心，活检亚组样本量较小（36例），可能存在选择偏倚	探讨CKD患者指甲襞毛细血管密度与肾功能、蛋白尿及肾脏组织病理学之间的关系	CKD 2-5期成人患者（eGFR < 90 ml/min/1.73 m²），来自单一学术医学中心肾脏科门诊	数字病理学, 医学影像分析	慢性肾脏病	高分辨率视频毛细血管镜（100倍放大）、深度学习图像分析	深度学习	图像, 临床数据, 病理数据	189例CKD患者，其中36例有肾脏活检数据	NA	NA	β系数, 95%置信区间	NA
16	2026-10-30	Low latency and generalizable dynamic MRI via L+S alternating gradient descent and minimization 2026-Nov, Medical physics IF:3.2Q1 DOI:10.1002/mp.70713 PMID:42947508	研究论文	提出基于交替梯度下降与最小化（AltGDmin）的L+S矩阵恢复算法及分层L+S模型，并引入少样本学习修改以实现动态MRI的低延迟、可泛化重建	提出新的AltGDmin方法用于从列向欠采样测量中恢复L+S矩阵，扩展为3级分层L+S模型，并引入少样本学习修改（AGM-L+S-FS）实现近低延迟重建，无需针对特定问题调参	未明确说明	开发基于低秩（LR）和低秩+稀疏（L+S）模型的可泛化、低延迟MRI重建算法，在不同动态MRI设置下准确、快速且需极少参数调优	动态MRI数据，包括心脏、语音和腹部应用	医学图像重建	心血管疾病	动态MRI	低秩+稀疏（L+S）模型，交替梯度下降与最小化（AltGDmin）	MRI图像（k空间测量数据）	6个前瞻性和12个回顾性动态MRI数据集	未明确说明	分层L+S模型，少样本学习修改	重建准确性、泛化性、延迟	未明确说明
17	2026-10-30	A generalizable 3D dose prediction across heterogeneous cohorts: A framework developed for the 2025 AAPM GDP-HMM challenge 2026-Nov, Medical physics IF:3.2Q1 DOI:10.1002/mp.70741 PMID:42949277	研究论文	开发并评估了一个可泛化且计算高效的3D剂量预测框架，用于跨异质性多中心多队列数据集	在MedNeXt骨干网络中集成梯度感知和矩匹配约束的复合损失函数，实现跨机构泛化，同时满足临床部署的严格运行时间要求（每例<3秒，GPU内存<24GB）	模型依赖于固定数据集，未明确讨论对其他未纳入挑战数据集的泛化能力；集成模型依赖基线模型	设计一个不仅实现最先进的体素级精度，还能在多样病例中保持临床有意义的剂量-体积和几何特征的3D剂量预测模型	放疗治疗计划中的三维剂量分布预测	医学图像分析，放射治疗	肺癌，头颈癌	深度学习，三维卷积神经网络	全卷积3D剂量预测模型（基于MedNeXt）	CT图像，PTV/OAR掩码，射束和角度板，标量计划元数据	2876个训练计划，356个验证计划，498个测试计划	NA	MedNeXt	平均绝对误差（MAE），均匀性指数（HI），适形性指数（CI100%，CI50%）	GPU内存<24GB，每例运行时间<3秒
18	2026-10-30	Arthroscopic Images Predict Tendon Integrity After Arthroscopic Rotator Cuff Repair Using a Deep Learning Model 2026-Nov, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1002/arj.70481 PMID:42675850	研究论文	评估深度学习模型利用术中关节镜图像预测关节镜下肩袖修复术后早期肌腱完整性的可行性	首次将ConvNeXt-Tiny架构与卷积块注意力模块结合，利用术中关节镜图像预测肩袖修复术后肌腱完整性，并通过特征类激活图可视化揭示模型关注修复肌腱边缘和足印区	单中心回顾性研究，样本量有限，仅评估早期（平均6个月）肌腱完整性，需要外部多中心数据验证	评估深度学习模型在关节镜下肩袖修复术后利用术中关节镜图像预测早期肌腱结构完整性的可行性	接受关节镜下肩袖修复术的患者及其术中关节镜图像	计算机视觉	肩袖损伤	关节镜成像	CNN, 注意力机制	图像	727名患者，共1198张术中关节镜图像（愈合组642名患者1047张图像，再撕裂组85名患者151张图像）；测试集81名患者170张图像	NA	ConvNeXt-Tiny, 卷积块注意力模块	AUC, PR-AUC, 敏感度, 特异度, F1分数, 准确率	NA
19	2026-10-30	Feature engineering, parameter optimization, and interpretable modeling for accelerometer-based behavior recognition in aviary laying hens 2026-Nov, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2026.107539 PMID:42705193	研究论文	本研究提出了一个基于加速度计的鸡舍蛋鸡行为识别综合框架，涵盖滑动窗口配置、特征选择和模型选择	提出了一个全面的加速度计行为识别框架，系统评估了滑动窗口大小和重叠比例对模型性能的影响，并使用可扩展假设检验自动提取数百个特征，同时对最佳机器学习模型进行了可解释性分析	样本量较小（25只鸡），仅在单一鸡舍系统中进行，行为类别有限，未验证跨鸡舍或跨品种的泛化能力	开发标准化的加速度计行为识别分析指南，比较机器学习和深度学习模型在不同窗口配置下的性能，并解释最佳模型的特征重要性	65周龄的25只海兰蛋鸡	机器学习	NA	加速度计传感	XGBoost, 1D-CNN	加速度计时间序列数据	25只蛋鸡，10个加速度计	NA	XGBoost, 1D-CNN	准确率, F1分数	NA
20	2026-10-30	Artificial Intelligence in Mass Spectrometry-Based Metabolomics and Lipidomics for Drug Discovery and Development 2026-Nov-01, Biomolecules & therapeutics IF:3.0Q2 DOI:10.4062/biomolther.2026.225 PMID:42844781	综述	本文综述了人工智能在基于质谱的代谢组学和脂质组学中用于药物发现与开发的应用，涵盖从靶点识别到药物毒性预测和药物代谢组学等环节	系统梳理了人工智能在该领域的三代技术演进（化学计量学与经典机器学习、深度学习、自监督基础模型），并指出可解释经典机器学习仍是主导形式，而深度学习与基础模型集中于化合物注释问题	化合物注释问题尚未解决；批次效应、半定量和小队列过拟合仍是实际约束；开放式无假设发现仍是前沿难题	探讨人工智能方法在基于质谱的代谢组学和脂质组学中对药物发现与开发的贡献	基于质谱的代谢组学与脂质组学数据及其在药物发现与开发中的应用	代谢组学	NA	质谱	经典机器学习, 深度学习, 自监督基础模型, 大语言模型	质谱数据	NA	NA	NA	NA	NA