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	2026-08-17	Artificial intelligence and extracellular vesicles in oncology: towards tumor diagnosis, prediction, and therapy 2026-Dec-31, Drug delivery IF:6.5Q1 DOI:10.1080/10717544.2026.2713415 PMID:42590833	综述	本文综述了人工智能在细胞外囊泡研究中的应用进展，重点关注其在肿瘤诊断、预测和治疗中的潜力	强调AI在整合多模态特征、表征EV异质性、支持诊断分类和建模体内行为中的作用，并探讨了AI与微流控、SERS、荧光成像及多组学分析的集成	AI辅助治疗性EV设计策略仍处于探索阶段，缺乏临床验证	总结AI在EV分离、表征、诊断和药物递送中的最新应用，并评估其临床转化前景	细胞外囊泡及其在肿瘤诊疗中的应用	机器学习	肿瘤	NA	机器学习、深度学习	多模态数据（包括患者来源样本、图像、组学数据）	NA	NA	NA	NA	NA
2	2026-08-17	Real-time deep learning-based vascular recognition in clinical breast photoacoustic imaging 2026-Oct, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2026.100863 PMID:42603879	研究论文	提出一种基于深度学习的实时血管识别方法，用于临床乳腺光声成像，实现同步扫描与识别，并评估肿瘤血管生成生物标志物	通过物理信息模拟工作流训练网络，解决了高质量临床数据稀缺问题，并优化HAR-UNet实现实时帧率18.08 fps的端到端处理	未明确提及，但可能受限于临床数据量和模型泛化能力	实现临床乳腺光声成像中的实时血管识别，辅助乳腺癌的临床评估和诊断	乳腺癌患者体内的血管结构（肿瘤血管生成生物标志物）	计算机视觉, 数字病理	乳腺癌	光声计算断层扫描	深度学习模型（U-Net变体）	图像（光声成像数据）	23例乳腺癌患者（有效病例）	PyTorch（推断自深度学习模型）	HAR-UNet（混合注意力残差U-Net）	处理速度（fps），p值	未明确提及
3	2026-08-17	A multimodal MRI-radiomics deep learning model for survival risk stratification after gamma knife radiosurgery in patients with brain metastases: A multicenter retrospective study 2026-Sep, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111686 PMID:42419433	研究论文	本研究开发和验证了一种多模态深度学习框架，用于伽玛刀放射外科治疗后脑转移患者的总生存期风险分层	提出了一种结合掩码引导的多尺度编码器、全MRI、基于网格的MRI补丁、放射组学和临床变量的多模态模型，用于生存风险分层	模型的判别能力中等，需要进一步重新校准、纳入更全面的临床变量并进行前瞻性验证	开发并验证一种多模态深度学习模型，用于伽玛刀放射外科治疗后脑转移患者的总生存期风险分层	脑转移患者	医学影像分析	脑转移瘤	MRI	深度学习模型	MRI图像、临床数据	875名患者，来自三个中心	NA	掩码引导的多尺度编码器	时间依赖性AUC、C-index、决策曲线分析	NA
4	2026-08-17	Variability in manual editing of head and neck organs of interest auto-segmentations: a multi-user, longitudinal analysis 2026-Sep, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111684 PMID:42425419	研究论文	该研究通过七年纵向分析，量化了头颈部器官自动分割的手动编辑行为，评估了不同放射治疗技师之间的编辑变异性及其与临床可接受性的关联	首次对头颈部自动分割的手动编辑进行长达七年的纵向分析，并同时评估跨用户和时间的变异性，结合用户对临床可接受性的盲评，揭示了过度和不足编辑均与较低可接受性相关	研究仅基于单中心数据，未包含所有器官类型，且临床可接受性评估仅针对近期病例子集	量化头颈部器官自动分割的手动编辑模式，表征不同技师间的编辑变异性，并评估编辑行为与临床可接受性的关系	2017年以来治疗的1051例头颈部癌症患者，涵盖腮腺、下颌下腺、口腔和声门等器官	医学影像分析	头颈部癌症	自动分割，基于图谱和深度学习的分割方法	NA	医学影像分割数据	1051例头颈部癌症患者	NA	NA	平均表面距离，归一化附加路径长度，表面Dice相似系数	NA
5	2026-08-17	Improved risk stratification for oral tongue squamous cell carcinoma using deep learning-based MRI classifier and pathological markers to guide postoperative radiotherapy: A multicenter cohort study 2026-Sep, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111700 PMID:42456900	研究论文	该研究通过整合基于MRI的深度学习模型和病理标志物，构建了口腔舌鳞状细胞癌（OTSCC）的风险分层系统（CRIS-OTSCC），以指导术后放疗决策。	首次将深度学习影像分析与病理标志物结合，开发了复合风险分层系统（CRIS-OTSCC），能够更精确地识别术后放疗获益的高风险患者。	对于低风险患者避免术后放疗的潜在价值需要进一步验证。	开发一种更精确的OTSCC风险分层系统，以指导术后放疗决策，减少过度治疗或治疗不足。	口腔舌鳞状细胞癌患者。	医学影像分析	口腔舌鳞状细胞癌	NA	深度学习模型	MRI图像和病理数据	训练队列658例，外部验证队列419例（来自两个独立中心）。	NA	NA	C指数，时间依赖性ROC曲线	NA
6	2026-08-17	Multi-centre generalisability of deep learning-based dose prediction for head and neck radiotherapy using DAHANCA real-world data 2026-Sep, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111702 PMID:42468605	研究论文	该研究评估了一个基于单中心数据训练的深度学习剂量预测模型在大型多中心头颈癌放疗队列中的泛化能力，并与中位数模型进行比较。	首次使用丹麦DAHANCA真实世界多中心数据验证深度学习剂量预测模型的泛化性，并结合正常组织并发症概率（NTCP）和归一化毒性指数（NTI）探索预期毒性差异。	摘要中未提及明显局限性，可能包括模型仅基于单中心训练，且未考虑所有临床相关因素。	验证基于单中心数据训练的深度学习剂量预测模型在多中心临床环境中的泛化性，并评估其临床适用性。	头颈癌患者的放疗治疗计划和剂量分布。	深度学习、放射治疗计划	头颈癌	深度学习剂量预测	深度神经网络	放疗计划数据（CT图像、剂量分布等）	388个训练计划，42个内部测试患者，560个外部测试计划（来自6个机构）	未提及	NA	Dmean差异、四分位距（IQR）、NTCP、NTI	NA
7	2026-08-17	DNAJC12 p.Asp44Gly associated with mild hyperphenylalaninemia and migraine-like headaches: Structural and deep learning analyses 2026-Sep, Molecular genetics and metabolism reports IF:1.8Q3 DOI:10.1016/j.ymgmr.2026.101347 PMID:42604036	研究论文	本文通过整合深度学习和结构分析方法，评估了与轻度高苯丙氨酸血症和偏头痛样头痛相关的DNAJC12 p.Asp44Gly变异，并分析了其致病性。	首次将深度学习预测与蛋白结构分析相结合，对DNAJC12错义变异进行综合评估，特别是针对罕见变异D44G的功能影响。	研究仅基于一名患者和四个已报道的变异，样本量小，且未能确证D44G的致病性，需要进一步功能验证。	评估DNAJC12 c.131A>G (p.Asp44Gly)变异的致病性，并探讨其在轻度高苯丙氨酸血症和神经系统表现中的作用。	DNAJC12基因及其错义变异p.Asp44Gly，以及四个临床相关变异（A62E, R72P, H102Q, W103C）。	机器学习	高苯丙氨酸血症, 偏头痛	深度学习预测, 蛋白质结构分析	AlphaFold2, AlphaMissense, REVEL, PolyPhen-2, ThermoMPNN	序列数据, 结构数据	1名患者，5个错义变异	NA	Transformer	致病性分类（基于ACMG/ClinGen标准）	NA
8	2026-08-17	Cross-Species Generalization and Comparative Performance Analysis of Deep Neural Network Architectures in Histological Image Classification 2026-Aug-16, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70173 PMID:42604434	研究论文	本研究比较了九种深度学习架构在组织学图像分类中的跨物种泛化性能，发现病理基础模型UNI2-h准确性最高，而ConvNeXt-Small在速度和精度间达到最佳平衡。	该研究首次系统评估了多种深度学习编码器在跨物种（大鼠与人类/动物混合）组织学图像上的泛化能力，并引入病理基础模型UNI2-h进行比较，强调实际应用中计算效率的重要性。	研究仅基于特定组织类型（肺、小脑、脂肪）和H&E染色图像，可能限制对其他组织或染色方法的适用性；此外，外部测试集规模较小（600张图像）。	评估不同深度神经网络编码器在组织学图像分类中的跨域泛化能力，并比较其计算效率与分类性能。	大鼠和混合人类/动物组织图像，包括肺、小脑和脂肪组织。	数字病理学	不适用	组织学染色（H&E）图像分析	卷积神经网络（CNN）和视觉变换器（ViT）	图像	内部数据集4307张H&E染色图像（大鼠肺、小脑和脂肪组织），外部数据集600张混合人类和动物图像。	PyTorch	MobileNetV3-S, MobileNetV3-L, DenseNet121, DenseNet201, ConvNeXt-S, ConvNeXt-B, DINOv3 ViT-S, DINOv3 ViT-H+, UNI2-h	准确率, 灵敏度, 特异性, F1分数, Cohen's κ, ROC-AUC, 推理时间	CPU和GPU（具体型号未指定）
9	2026-08-17	Multi-Omics Integration Identifies a CDH3-Associated Malignant Epithelial State and Immunosuppressive Niche to Predict Prognosis in Thymic Epithelial Tumors 2026-Aug-15, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.77153 PMID:42603286	研究论文	本研究通过整合多组学数据，揭示了胸腺上皮肿瘤中CDH3相关的恶性上皮状态和免疫抑制微环境，并建立了预后预测模型	首次通过多组学整合分析识别出CDH3相关的恶性上皮状态，并建立了深度学习病理模型预测患者预后	未明确说明局限，但可能包括样本量有限、体外模型与临床相关性需进一步验证等	阐明胸腺上皮肿瘤中恶性上皮异质性和微环境组织，并探索CDH3作为生物标志物和治疗靶点的潜力	胸腺上皮肿瘤（包括胸腺瘤和胸腺癌）患者样本及细胞系	数字病理学	胸腺上皮肿瘤	单细胞RNA测序、空间转录组学、多重免疫荧光、批量转录组学、功能实验、异种移植验证、计算病理学	深度学习模型	转录组数据、空间转录组数据、免疫荧光图像、H&E病理图像	涉及TCGA-THYM数据集及患者来源的胸腺癌类器官，具体样本数量未在摘要中说明	NA	深度学习病理模型（具体架构未在摘要中说明）	生存差异、组织学差异、基因组不稳定性、免疫背景差异（具体指标如AUC等未明确）	NA
10	2026-08-17	Divergent Regional Brain Ageing in Essential Tremor 2026-Aug-15, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2026.112080 PMID:42603652	研究论文	本研究通过MRI和深度学习模型，探讨特发性震颤（ET）是否与加速的全球脑老化或区域老化模式改变相关	首次揭示ET具有疾病特异性的区域脑老化模式，而非全球加速老化，并确定了优先影响震颤网络的复合指标	样本量较小（38名ET患者和37名对照），可能限制统计效能和泛化性	探究ET是否与加速的全球脑老化或区域老化模式改变相关	38名特发性震颤患者和37名匹配对照	数字病理学	特发性震颤	MRI（结构和扩散）	深度学习模型	图像	75名受试者（38名ET患者和37名对照）	NA	NA	NA	NA
11	2026-08-17	A Dual-Center, Interpretable Deep Learning-Radiomics Fusion Model for Distinguishing Nasopharyngeal Carcinoma from Nasopharyngeal Lymphoma Using FDG PET/CT 2026-Aug-15, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.07.060 PMID:42603752	研究论文	本研究开发并外部验证了一个可解释的深度学习-影像组学融合模型，利用FDG PET/CT成像区分鼻咽癌和鼻咽淋巴瘤	结合3D-ResNet50深度学习特征与1688个影像组学特征，构建多模态融合模型，并采用SHAP分析实现可解释性	回顾性研究设计和外部验证样本量相对较小	开发并验证一种可解释的深度学习-影像组学融合模型，用于鼻咽癌与鼻咽淋巴瘤的无创性鉴别诊断	434例经病理确诊且未经治疗的鼻咽癌或鼻咽淋巴瘤患者（349例内部队列，85例外部队列）	医学影像分析，深度学习	鼻咽癌，鼻咽淋巴瘤	FDG PET/CT成像，影像组学特征提取，深度学习特征提取	三维卷积神经网络（3D-ResNet50），多模态逻辑回归模型	PET/CT医学影像数据	434例患者，包括434个原发灶（329例鼻咽癌，105例鼻咽淋巴瘤）	PyTorch	3D-ResNet50	AUC，特异性，准确率	NA
12	2026-08-17	A Combined Deep Learning Approach to Screen Patients for Neuromuscular Pathology 2026-Aug-15, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.07.010 PMID:42603762	研究论文	本研究提出了一种结合中间数据融合的深度学习框架，用于提高肌肉超声诊断神经肌肉疾病的效率和性能	首次采用多模态深度学习框架，将患者特定数据（如BMI和年龄）与超声图像结合，通过中间数据融合进行神经肌肉病理诊断	单中心研究，结果可能缺乏多中心泛化性	提高肌肉超声诊断神经肌肉疾病的自动化速度和诊断准确性	神经肌肉疾病患者和非患者的肌肉超声图像及患者临床数据	计算机视觉, 数字病理	神经肌肉疾病	超声成像	深度学习模型，涉及神经网络	图像	320名患者（220名患有神经肌肉疾病，100名诊断被排除）	NA	多层神经网络	精确率-召回率曲线下面积	NA
13	2026-08-17	Validation of artificial intelligence-assisted CBCT analysis for predicting inferior alveolar nerve proximity to impacted mandibular third molars: a diagnostic accuracy study 2026-Aug-15, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08690-z PMID:42603807	研究论文	本研究评估了人工智能辅助锥形束计算机断层扫描（CBCT）分析系统在预测下颌阻生第三磨牙与下牙槽神经（IAN）空间邻近关系方面的诊断准确性，以放射科专家评估作为参考标准	采用改进的U-Net架构深度学习系统实现IAN管和M3M的自动分割及三分类空间关系判定，显著缩短处理时间（较专家评估降低39.79倍），并针对不同阻生方向进行亚组分析	参考标准基于影像学而非术中结果，需要前瞻性多中心验证并纳入手术结局数据才能做出明确的临床部署建议	评估AI辅助CBCT分析系统预测下牙槽神经与阻生下颌第三磨牙空间邻近关系的诊断准确性	312名患者的486个下颌第三磨牙位点（平均年龄28.21±6.62岁，2021年1月至2024年12月）	医学影像分析	口腔颌面疾病	锥形束计算机断层扫描（CBCT）	深度学习模型	影像数据（CBCT）	312名患者，486个下颌第三磨牙位点	NA	U-Net（改进型）	准确率、敏感性、特异性、阳性预测值、阴性预测值、AUC、Cohen's kappa、Dice相似系数	NA
14	2026-08-17	A novel approach for predicting heart failure survival using a rectangular coded network 2026-Aug-15, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-026-01791-7 PMID:42603841	研究论文	本文提出一种通过将数值数据转换为24位图像并利用深度学习架构预测心力衰竭存活率的新方法	利用自动化特征工程技术将数值数据转换为8位矩形编码图像，进而转化为24位图像，并通过旋转增强数据集，使数值数据能够应用于图像处理和深度学习架构	未明确提及局限性	通过将数值数据转换为图像形式，利用深度学习架构提高心力衰竭生存预测的准确性	心力衰竭患者的数值数据集	计算机视觉, 机器学习	心血管疾病, 心力衰竭	图像转换, 数据增强	CNN	图像, 数值数据	未明确指定	未明确指定	ResNet18, ResNet50	准确率, 灵敏度, 特异性, F1分数	未明确指定
15	2026-08-17	Pediatric SleepNet: a deep learning network for reliable pediatric sleep staging across developmental stages 2026-Aug-14, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsag064 PMID:41804802	研究论文	开发了一个多模态深度学习模型pediatric SleepNet，用于儿童睡眠分期，并在不同发育阶段和临床亚组中评估其性能	首次开发了专门针对儿童睡眠分期的深度学习模型，可适应不同发育阶段，并在多种临床亚组和外部数据集上表现出鲁棒性能	在某些神经发育疾病（如癫痫、唐氏综合征、脑积水）中性能显著下降，且未详细说明计算资源和训练时间	开发并评估可用于儿童睡眠医学临床和研究的可靠睡眠分期深度学习模型	儿童睡眠分期模型，涵盖不同年龄组和临床亚组	深度学习应用于睡眠医学	儿童睡眠障碍，包括癫痫、唐氏综合征、脑积水等神经发育疾病	多模态信号（EEG、EOG、EMG）	U-Net启发的编码器-解码器模型	多导睡眠图（PSG）信号数据	训练使用9150个PSG，验证2455个PSG，测试3804个PSG，外部验证包括CHAT和PATS两个数据集	NA	U-Net	Cohen's Kappa	NA
16	2026-08-17	BraMARS: An Interpretable Histopathology-Driven Deep Learning Model for Brain Metastasis Risk Stratification in Surgically Resected Limited-Stage SCLC 2026-Aug-14, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.77075 PMID:42598747	研究论文	开发了BraMARS，一种基于组织病理学的可解释深度学习模型，用于手术切除的局限期小细胞肺癌患者脑转移风险分层	首次利用常规H&E染色全切片图像预测局限期小细胞肺癌的脑转移风险，并结合组织病理学归因和蛋白质组学分析提供生物学解释	基于回顾性数据，需前瞻性验证；样本量有限，需多中心进一步确认	开发可解释的深度学习模型，实现脑转移风险的个体化评估，并辅助临床决策如预防性颅脑照射的适用性判断	手术切除的局限期小细胞肺癌患者的H&E染色全切片图像	数字病理学	小细胞肺癌	H&E染色全切片成像	深度学习模型	病理图像	来自独立队列的多个样本，具体数量未说明	NA	NA	AUC、疾病无进展生存期、总生存期、脑转移无生存期	NA
17	2026-08-17	Deep Learning Predicts Mutations and Outcomes in Gastrointestinal Stromal Tumors 2026-Aug-14, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-26-0132 PMID:42258704	研究论文	应用深度学习技术从全切片图像中预测胃肠道间质瘤的突变状态、治疗敏感性和无复发生存期，并在国际多中心队列中验证其效能	首次在大规模多中心GIST队列（8398例）上应用深度学习直接从病理全切片图像预测基因突变、药物敏感性和预后，性能与传统风险评估模型相当	部分亚型预测性能较低（如KIT外显子11 del-ins 557-558的AUC仅0.67），且预后预测在辅助治疗患者中表现有所下降	探究深度学习模型能否从全切片图像中准确预测GIST的分子突变、治疗反应和复发风险，作为传统病理风险评估的替代或补充工具	来自7个国家21个中心的8398例胃肠道间质瘤患者，其中7238例有分子数据，2638例有临床随访数据	数字病理学	胃肠道间质瘤	全切片图像（WSI）分析	深度学习模型	病理全切片图像（WSI）及对应分子和临床随访数据	8398例GIST病例（7238例分子数据，2638例临床随访）	NA	NA	曲线下面积（AUC）、风险比（HR）	NA
18	2026-08-17	Histopathological differences between idiopathic and secondary interstitial pneumonia: An elastic fiber-oriented deep learning analysis 2026-Aug-13, Human pathology IF:2.7Q2 DOI:10.1016/j.humpath.2026.106236 PMID:42595188	研究论文	利用基于弹性纤维的深度学习分析，研究特发性和继发性间质性肺炎的组织病理学差异	首次使用机器学习定量分析弹性纤维聚集面积与纤维化面积之比，以区分特发性和继发性间质性肺炎	NA	探讨特发性和继发性间质性肺病之间胶原和弹性纤维组成的差异，以辅助鉴别诊断	93名接受肺移植的纤维化间质性肺病患者的780张Elastica van Gieson染色全切片图像	数字病理学	间质性肺病	全切片成像	深度学习	图像	93名患者的780张全切片图像	HALO-AI	NA	P值	NA
19	2026-08-17	Artificial intelligence in lumbar radiography: bridging deep learning and clinical practice in low-resource environments 2026-Aug-11, BMJ health & care informatics IF:4.1Q2 DOI:10.1136/bmjhci-2025-101693 PMID:42580813	综述	本文通过叙述性综述，评估了2022至2024年间基于深度学习的腰椎X线摄影分析技术的进展及其在资源有限环境中的临床应用潜力。	聚焦于低资源环境下腰椎X线摄影的AI应用，并探讨轻量级架构的部署潜力，为资源受限地区的影像诊断提供新视角。	仅依赖叙述性综述，缺乏系统性量化分析；研究样本未明确，且未涵盖大规模真实世界验证。	评估基于AI的腰椎X线摄影方法在低资源环境中的临床适用性，并识别其挑战与未来方向。	腰椎X线图像，涉及分割、分类和曲率分析等任务。	计算机视觉, 数字病理学	腰椎疾病	NA	卷积神经网络, U-Net, ResNet, 生成对抗网络	图像	NA	NA	卷积神经网络, U-Net, ResNet, 生成对抗网络	NA	NA
20	2026-08-17	Enhanced diffuse optical tomography image reconstruction with dilated convolution and densely connected network 2026-Aug-11, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109606 PMID:42603480	研究论文	本文提出一种结合扩张卷积和稠密连接网络的深度神经网络框架，用于改善弥散光断层成像图像重建质量	将扩张卷积与DenseNet相结合，增强多尺度特征提取和特征复用能力，以提高DOT图像重建的空间分辨率和定量精度	未提及，可能受限于摘要中未提供详细信息	改善弥散光断层成像图像重建性能，通过增强多尺度特征提取和特征复用	弥散光断层成像图像重建，涉及数值模拟和物理幻影实验	计算机视觉	不适用	弥散光断层成像	卷积神经网络	图像	不适用（摘要中未提供具体样本数量）	不适用（摘要中未指定框架）	DenseNet, Dilated Convolution, ResNet	平均绝对误差、定量比、对比度噪声比、结构相似性指数度量	不适用（摘要中未提供）