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	2026-09-20	Advancing Point-of-Care Still's Murmur Identification: Evaluating the Efficacy of ConvNets and Transformers Using the StethAid Multicenter Heart Sound Database 2026-Apr, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3606341 PMID:40907040	研究论文	该研究收集了一个大型儿科心音数据集，并评估了卷积神经网络和Transformer模型在识别Still杂音方面的性能	收集了专门用于儿科Still杂音的大型数据集，并设计了SQ-NET架构，同时首次系统比较了ConvNets和Transformers在Still杂音识别中的效果	结果反映的是事后比较，样本量相对有限（StethAid数据集527例），且仅来自四个儿科医疗中心	评估深度学习模型在儿科患者中从心音图识别Still杂音的效果	儿科患者的心音图数据	数字病理学	心血管疾病	数字听诊	CNN, Transformer	音频	StethAid数据集527例心音图，Littmann 4100数据集1450例心音记录，总计超过2小时的心音数据	NA	SQ-NET, ResNet18, AST, DeiT, Swin Transformer, DINO	灵敏度, 特异度, 准确率	NA
2	2026-09-20	Bias in deep learning-based image quality assessments of T2-weighted imaging in prostate MRI 2026-04, Abdominal radiology (New York) DOI:10.1007/s00261-025-05163-9 PMID:40853469	研究论文	本研究旨在确定基于深度学习的T2加权图像质量评估是否会受到临床显著性前列腺癌存在的影响	首次探讨了基于深度学习的图像质量评估在T2加权成像中可能受到临床显著性前列腺癌的偏倚影响	模型与放射科医生的一致性仅为中等水平（二次加权kappa值为0.53），且研究为回顾性设计	确定基于深度学习的T2加权图像质量评估是否会因临床显著性前列腺癌的存在而产生偏倚	前列腺MRI的T2加权图像序列及相关患者	医学图像分析	前列腺癌	深度学习图像质量评估	CNN	图像	开发集1719个序列，测试集386个序列，外部验证集11723例检查	NA	NA	二次加权kappa值，卡方检验，比例差异	NA
3	2026-09-20	Artificial intelligence in age-related macular degeneration: Advancing diagnosis, prognosis, and treatment 2026 Mar-Apr, Survey of ophthalmology IF:5.1Q1 DOI:10.1016/j.survophthal.2025.09.007 PMID:40975441	综述	本文综述了人工智能在年龄相关性黄斑变性（AMD）的诊断、预后和治疗中的最新进展，并讨论了其临床应用的局限性	系统总结了AI在AMD早期检测、分类、疾病进展预测和治疗反应预测中的应用，并关注了算法偏见、泛化性有限和黑箱问题等最新研究进展	AI模型的临床整合仍面临可解释性不足、跨人群验证不充分等挑战，需要进一步研究以支持其在真实世界中的循证应用	总结AI在AMD管理中的最新进展，评估其临床效用，并指出在真实世界广泛应用中的关键限制	年龄相关性黄斑变性（AMD）患者及相关AI研究	医学人工智能	年龄相关性黄斑变性	机器学习，深度学习	NA	医学影像，临床数据	筛查193条记录，纳入47项研究（其中19项关于早期检测/分类，28项关于疾病进展/治疗反应预测）	NA	NA	准确率	NA
4	2026-09-20	A deep learning-based radiomics model for noninvasive diagnosis of melanoma 2026-02-01, Melanoma research IF:1.5Q4 DOI:10.1097/CMR.0000000000001071 PMID:41201865	研究论文	该研究开发了一种结合深度学习和放射组学的无创诊断模型，用于提高早期黑色素瘤诊断的准确性和临床实用性	整合了深度学习和放射组学特征，构建了基于随机森林的无创诊断模型，并识别了关键预测指标如熵、长游程强调和小波对比度	回顾性研究设计，样本量有限，模型性能AUC最高为0.794，可能受数据异质性影响，需进一步外部验证	开发一种无创诊断模型，以提高早期黑色素瘤诊断的准确性和临床实用性	350名皮肤色素性病变患者	数字病理学	黑色素瘤	放射组学	随机森林, 支持向量机, K近邻	图像	350名患者（训练集245名，验证集105名）	scikit-learn	ResNet50	AUC	NA
5	2026-09-20	CalDiff: Calibrating Uncertainty and Accessing Reliability of Diffusion Models for Trustworthy Lesion Segmentation 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3624331 PMID:41129433	研究论文	提出CalDiff框架，通过校准扩散模型的不确定性来实现可信的病变分割，利用多专家标注的不确定性来捕捉真实世界的诊断变异性。	提出了双步骤和序列感知的校准机制，基于扩散模型的序列特性，首次系统性地解决了多标注和多预测场景下不确定性校准和模型可靠性评估的挑战。	未明确说明具体的局限性	开发一个可靠的病变分割模型，利用多标注中的不确定性，捕捉真实世界的诊断变异性，并提供更具信息量的预测结果	病变分割数据集中的医学图像	数字病理学	NA	扩散模型	扩散模型	图像	两个病变分割数据集	NA	扩散模型	定量分析，可视化分析，不确定性校准评估	NA
6	2026-09-20	Engaging the Community: CASP Special Interest Groups 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26833 PMID:40304050	评论	本文介绍了CASP社区于2023年成立的特别兴趣小组（SIGs），旨在通过在线研讨会系列促进社区持续对话和跨学科交流	CASP特别兴趣小组（SIGs）的建立，通过在线研讨会系列促进社区持续交流和跨学科讨论，打破了传统上仅限于预测季和会议期间的交流模式	摘要未提及具体参与数据、研讨会的具体效果评估以及可能存在的技术或参与障碍	促进CASP社区的持续对话和跨学科交流，推动准确预测算法的发展	CASP社区成员，包括深度学习专家、NMR专家等跨学科科学家	计算生物学	NA	NA	NA	文本	NA	NA	NA	NA	NA
7	2026-09-20	Structure Modeling Protocols for Protein Multimer and RNA in CASP16 With Enhanced MSAs, Model Ranking, and Deep Learning 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70033 PMID:40751131	研究论文	该文章介绍了在CASP16中蛋白质复合物和RNA结构预测的方法与结果，结合了多种深度学习模型、共识评分和增强的MSA策略	整合多种最先进深度学习模型与共识评分方法，利用大型宏基因组序列数据库增强MSA深度，在共识排名方法中增加更多评分项，并基于文献证据进行人工精修；对于RNA，采用以NuFold框架为中心的集成方法	部分靶标预测仍需进一步改进，且人工精修依赖文献证据，可能存在局限性	在CASP16中提升蛋白质多聚体和RNA结构预测的准确性	CASP16中的蛋白质复合物和RNA靶标	机器学习	NA	NA	深度学习模型（具体未指定）	序列数据（蛋白质和RNA序列）	NA	NA	NuFold	NA	NA
8	2026-09-20	Performance of Artificial Intelligence Models in Predicting Responsiveness of Hepatocellular Carcinoma to Transarterial Chemoembolization (TACE): A Systematic Review and Meta-Analysis 2026-01, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.08.028 PMID:40889566	系统综述与荟萃分析	本文系统综述并荟萃分析了人工智能模型（包括手工放射组学和深度学习）在预测肝细胞癌患者经动脉化疗栓塞治疗反应中的表现	首次系统比较了手工放射组学与深度学习模型在预测肝细胞癌TACE治疗反应中的性能，并评估了内部验证与外部验证的差异	研究间存在异质性，需要进一步研究	评估人工智能模型在预测肝细胞癌患者接受经动脉化疗栓塞治疗疗效中的预测性能	确诊为肝细胞癌并接受经动脉化疗栓塞治疗的患者	数字病理学	肝癌	NA	CNN	图像	27项研究，其中11项纳入TACE治疗反应模型荟萃分析	NA	NA	AUC	NA
9	2026-09-20	Progress and Bottlenecks for Deep Learning in Computational Structure Biology: CASP Round XVI 2026-01, Proteins IF:3.2Q2 DOI:10.1002/prot.70076 PMID:41178755	综述	本文评估了CASP16中深度学习方法在计算结构生物学多个领域的进展和瓶颈，包括蛋白质单体、复合物、RNA、大分子集合以及配体-蛋白质结构和亲和力预测	提供了CASP16竞赛的最新评估结果，展示了深度学习在蛋白质复合物界面精度选择方面的有效性，并指出了传统物理方法与深度学习结合以及训练数据增加这两个有前景的趋势	对于RNA结构预测，深度学习方法目前不成功且不优于传统方法；在没有结构同源性的情况下，两种方法结果都很差；大分子集合的CASP目标集有限，难以得出结论；配体-蛋白质复合物预测结果往往达不到实验精度	严格评估计算结构生物学领域的最新方法水平，特别是深度学习方法在CASP16中的表现	CASP16竞赛中的蛋白质单体结构、蛋白质复合物、RNA结构、大分子集合、有机配体-蛋白质结构和亲和力预测目标	计算结构生物学	NA	深度学习，传统物理方法，结构同源性建模	AlphaFold变体	结构数据	NA	NA	AlphaFold	与实验结构的一致性，界面精度	NA
10	2026-09-20	Identification of potent high-affinity secondary nucleation inhibitors of Aβ42 aggregation from an ultra-large chemical library using deep docking 2026-Jan, Molecular systems biology IF:8.5Q1 DOI:10.1038/s44320-025-00159-5 PMID:41193694	研究论文	本文开发了一个开源Deep Docking流程，从超过5.39亿化合物的超大型化学库中筛选Aβ42聚集的二次成核抑制剂，并通过体外实验验证了候选化合物的抑制活性	将可筛选化合物数量提高了4个数量级，开发了开源Deep Docking流程，并从超大型化学库中成功发现了效力优于adapalene的高亲和力Aβ42聚集抑制剂	候选化合物仅通过体外实验验证，尚未进行细胞实验或动物模型验证，且未评估化合物的药代动力学性质和血脑屏障穿透能力	利用基于深度学习的结构对接方法，从超大型化学库中快速、经济地识别针对蛋白质错误折叠疾病的强效先导化合物，特别是Aβ42聚集的二次成核抑制剂	Aβ42肽的聚集过程及其二次成核抑制剂，超大型化学库中的化合物	药物发现，机器学习	阿尔茨海默病	Deep Docking，分子对接，表面等离子共振	深度学习模型	分子结构数据，化合物库数据	超过5.39亿个化合物（超大型化学库），35个候选化合物进行体外测试，其中19个具有抑制活性	NA	NA	命中率（54%），平衡解离常数（低纳摩尔范围）	NA
11	2026-09-20	DeepIMB: Imputation of non-biological zero counts in microbiome data 2026-01, Genes & genomics IF:1.6Q3 DOI:10.1007/s13258-025-01693-0 PMID:41196474	研究论文	提出DeepIMB，一种基于深度学习的微生物组数据插补方法，用于准确识别和插补非生物零值	结合Gamma-正态混合模型识别非生物零值和深度神经网络整合分类群丰度、样本协变量及系统发育距离进行插补	仅通过模拟研究验证，未在真实微生物组数据集上评估	解决微生物组数据中非生物零值带来的挑战，提高数据质量和下游分析的可靠性	微生物组数据中的非生物零值	机器学习	NA	NA	深度神经网络	微生物组计数数据	NA	NA	NA	均方误差, 皮尔逊相关系数, Wasserstein距离	NA
12	2026-09-20	Deep Learning in Otolaryngology: A Narrative Review 2026-01-01, JAMA otolaryngology-- head & neck surgery DOI:10.1001/jamaoto.2025.3911 PMID:41231484	综述	本文通过筛选2020至2025年间的1422篇文章，纳入327项原创研究，系统综述了深度学习在耳鼻喉科中的应用，并提出了整合框架	首次从检测诊断、预测预后、图像分割和新兴应用四个维度系统梳理深度学习在耳鼻喉科的应用，并提出临床整合框架	需要多机构数据集、标准化采集协议和透明可解释模型以提高信任和临床采纳	综合近期深度学习应用并提出在耳鼻喉科中的整合框架	耳鼻喉科相关的深度学习原创研究	医学人工智能	鼻咽癌、喉恶性肿瘤、耳科病理、口咽癌、慢性鼻窦炎	深度学习	多层神经网络	图像、生理信号	327项原创研究	NA	NA	诊断准确率	NA
13	2026-09-20	Application of deep learning in evaluating the anatomical relationship between the mandibular third molar and inferior alveolar nerve: A scoping review 2026-Jan-01, Medicina oral, patologia oral y cirugia bucal DOI:10.4317/medoral.27584 PMID:41108775	综述	本综述旨在识别和比较用于下颌第三磨牙手术影像评估的深度学习模型，重点关注AI模型类型、关键性能指标、影像模态和临床适用性	首次对深度学习在下颌第三磨牙与下牙槽神经解剖关系评估中的应用进行范围综述，系统比较了不同AI模型的性能并揭示了当前研究的局限性	大多数研究依赖二维影像且聚焦于检测和分割，预测建模和三维CBCT分析相对有限；数据集大小、验证流程和性能指标存在显著差异，模型泛化性不一致	识别和比较用于下颌第三磨牙手术影像评估的深度学习模型，评估其临床适用性	2015至2024年间发表的关于深度学习应用于下颌第三磨牙影像分析的研究	计算机视觉, 数字病理学	口腔疾病	全景X线摄影, 锥形束计算机断层扫描(CBCT)	CNN	图像	16篇符合纳入标准的研究	NA	U-Net, CNN	准确率, 灵敏度, 特异度	NA
14	2026-09-20	Path2Omics Enhances Transcriptomic and Methylation Prediction Accuracy from Tumor Histopathology 2025-12-15, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-4350 PMID:41166699	研究论文	开发了一个深度学习框架Path2Omics，从组织病理学图像中独立预测基因表达和甲基化，覆盖30种TCGA癌症类型	Path2Omics包含FFPE模型和FF模型，整合模型结合两者预测，比单独FFPE模型提升30%，稳健预测约4400个基因；推断的基因表达在预测患者生存和治疗反应方面与实际值密切匹配	研究未明确提及局限性，但可能包括依赖TCGA数据、外部验证数据集有限等	利用常规组织病理学切片推进精准肿瘤学	30种TCGA癌症类型的组织病理学图像和分子数据	数字病理学	泛癌症	组织病理学成像，转录组学和甲基化预测	深度学习	图像	NA	NA	NA	NA	NA
15	2026-09-20	HEIST: A Graph Foundation Model for Spatial Transcriptomics and Proteomics Data 2025-Dec-11, ArXiv PMID:41040798	研究论文	提出了一种用于空间转录组和蛋白质组数据的分层图Transformer基础模型HEIST	1. 采用分层图建模组织：高层为空间细胞图，低层为每个细胞的基因共表达网络图；2. 不使用固定基因词汇表，而是从共表达网络和细胞上下文计算基因嵌入；3. 通过层内和跨层消息传递利用层次结构，无需重新训练即可泛化到新的数据类型（如空间蛋白质组）；4. 使用空间感知的对比学习和掩码自编码目标进行预训练	摘要中未明确提及	解决现有模型忽略空间信息或细胞内复杂遗传和蛋白质程序、无法推断细胞内部调控如何适应微环境线索、以及固定基因词汇表限制泛化性的问题	空间转录组学和蛋白质组学数据，包括来自15个器官124个组织的2230万个细胞	空间组学，机器学习	NA	空间转录组学，空间蛋白质组学	图Transformer，基础模型	图数据，空间坐标，基因表达，蛋白质丰度	2230万个细胞，来自15个器官的124个组织	PyTorch	分层图Transformer	临床结果预测准确性，细胞类型注释准确性，基因插补准确性	NA
16	2026-09-20	Dual-feature selectivity enables bidirectional coding in visual cortical neurons 2025-Dec-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.16.665209 PMID:40777393	研究论文	该研究揭示了猕猴视觉皮层V1和V4区域神经元对两种视觉特征的双重选择性编码策略，并结合功能数字孪生模型系统识别神经元的偏好和非偏好特征	首次发现视觉皮层神经元具有双重特征选择性，即对两种不同视觉特征分别产生增强和抑制反应，并利用深度学习功能数字孪生模型系统识别每个神经元的偏好和非偏好特征，证明了该编码策略在小鼠视觉皮层中保守存在	研究主要基于猕猴和小鼠的视觉皮层，尚未在更广泛的物种或脑区中验证该编码策略的普遍性；数字孪生模型的预测准确性可能受限于训练数据的质量和覆盖范围	探究视觉皮层神经元的特征编码策略，特别是双重特征选择性及其对刺激编码和群体表征的影响	猕猴视觉皮层V1和V4区域的神经元，以及小鼠初级和外侧视觉皮层的神经元	计算神经科学	NA	神经元记录，功能数字孪生模型（基于深度学习的预测模型）	深度学习	神经元记录数据，图像数据	NA	NA	NA	NA	NA
17	2026-09-20	Nanocarrier imaging at single-cell resolution across entire mouse bodies with deep learning 2025-Dec, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-024-02528-1 PMID:39809933	研究论文	本文提出SCP-Nano，一种结合实验和深度学习的流程，能在单细胞分辨率下量化纳米载体在小鼠全身的靶向分布	开发了SCP-Nano流程，在单细胞分辨率下以极低剂量（低至0.0005 mg/kg）实现全身纳米载体成像，并揭示了不同纳米载体的新分布模式	摘要中未明确提及	开发高效准确的纳米载体分析方法，以促进靶向药物递送系统的开发	纳米载体（脂质纳米颗粒、脂质体、聚复合物、DNA折纸、腺相关病毒）及小鼠全身	计算机视觉	肺癌	深度学习成像分析	深度学习	图像	NA	NA	NA	NA	NA
18	2026-09-20	Mixed Outcomes in Recombination Rates After Domestication: Revisiting Theory and Data 2025-Dec, Molecular ecology IF:4.5Q1 DOI:10.1111/mec.17773 PMID:40271548	研究论文	本文通过综述理论、实验和比较数据，结合群体测序与深度学习方法，推断家养动物与野生祖先的全基因组重组率，发现混合结果	利用深度学习方法和群体测序数据，对鸡/红原鸡、绵羊/盘羊、山羊/野山羊进行新的全基因组重组率比较，并发现家养并非一致增加重组率	研究仅涉及三种动物比较，样本量有限；深度学习推断方法可能存在误差；综述部分受限于已有文献的覆盖面	重新审视驯化是否导致全基因组重组率增加的假说，并提供新的实证证据	鸡与红原鸡、绵羊与盘羊、山羊与野山羊	机器学习	NA	群体测序	深度学习	基因组序列	未明确说明具体样本数量	NA	NA	NA	NA
19	2026-09-20	Clinical feasibility of two cardiac deep learning cine magnetic resonance imaging sequences: Single-breath-hold and free-breathing motion-corrected approaches 2025 Winter, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101983 PMID:41177305	研究论文	评估两种深度学习加速心脏电影MRI序列（单次屏气和自由呼吸运动校正）的临床可行性，与传统分段电影序列比较	评估了深度学习加速的单次屏气和自由呼吸运动校正电影序列，实现了显著缩短采集时间同时保持图像质量和定量心功能结果	边缘锐度和血池与心肌信号比低于传统分段电影序列，左心室应变参数也较低	评估深度学习加速电影序列的临床可行性，缩短采集时间同时实现可比的图像质量和功能	接受3T心脏磁共振检查的患者	医学影像分析	心血管疾病	心脏磁共振电影成像	NA	图像	86名患者	NA	NA	图像质量评分、血池与心肌信号比、边缘锐度、三维容积网格轮廓质量评分、双心室心功能参数、左心室应变参数、相关系数、Bland-Altman一致性	NA
20	2026-09-20	A deep learning approach for enhancing pandemic prediction: A retrospective evaluation of transformer neural networks and multi-source data fusion for infectious disease forecasting 2025-12, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2025.100865 PMID:41197498	研究论文	本文提出了一种基于Transformer神经网络和多源数据融合的深度学习模型，用于县级Covid-19预测，并进行了回顾性评估	利用Transformer神经网络融合历史病例数据、死亡数据和社交媒体情感数据，并开发了多级和多尺度注意力机制进行自适应时频分析	需要进行前瞻性验证以评估模型在实时演变数据条件下的实用性	提高大流行病预测的准确性，特别是县级Covid-19病例和死亡的预测	县级Covid-19病例和死亡数据	机器学习	Covid-19	多源数据融合	Transformer	时间序列数据、文本数据	三个Omicron变异波次的数据（2021年12月至2023年2月）	NA	Transformer	县级一致性准确率	NA