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	2026-09-25	HyLnc: a hybrid deep learning and feature-based approach for long non-coding RNA prediction 2026-Dec-31, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2026.2731913 PMID:42716909	研究论文	该研究提出了HyLnc框架，通过整合基于Transformer的上下文嵌入与手工序列特征，用于长非编码RNA（lncRNA）预测	创新性地将预训练的BERT模型提取的深度上下文嵌入与348个手工特征相结合，并采用多阶段特征选择策略优化混合特征集	未明确提及	提高从转录组数据中准确识别lncRNA的计算方法性能	后生动物RNA序列（用于预训练）、lncRNA和蛋白编码转录本（用于微调与评估）	自然语言处理, 机器学习	NA	RNA测序（转录组数据）, 掩码语言建模预训练	BERT, 随机森林（RF）	序列文本	NA	NA	BERT, 随机森林	准确率, F1分数, MCC	NA
2	2026-09-25	Artificial intelligence for anticancer drug discovery from natural products of macroalgae and sponges: A systematic review 2026-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109280 PMID:42556018	系统综述	本文系统综述了人工智能方法在大型海藻和海绵来源海洋天然产物抗癌药物发现中的应用，涵盖机器学习与深度学习在生物活性预测、靶点识别、ADMET筛选、生成式类似物设计和临床前候选物选择等方面的进展	系统区分了经典机器学习和现代深度学习在海洋天然产物抗癌发现中的不同角色，将AI方法置于大型海藻和海绵来源肿瘤先导化合物的化学背景中进行审视，并提出了优先发展开放MNP专属基准、共生体感知建模以及结合可合成性和ADMET约束的主动学习循环的路线图	海洋天然产物的生物活性记录稀疏、异质且存在分类学偏差，限制了当前模型的学习能力，降低了AI优先候选物进入临床前管线的可靠性，医学转化的主要瓶颈已从算法能力部分转向数据基础设施和实验验证	系统梳理AI方法在海洋天然产物抗癌药物发现中的应用现状，评估已发表的案例研究及其验证水平（计算、体外、体内、临床），并提出推动该领域发展的路线图	大型海藻和海绵来源的海洋天然产物及其抗癌药物发现过程，包括已进入临床的海洋来源抗癌药物（如阿糖胞苷、艾日布林）和抗体药物偶联物（如布伦妥昔单抗维多汀）	机器学习, 药物发现, 海洋天然产物化学	癌症	经典机器学习, 深度学习, 图神经网络, 基于Transformer的分子生成器, 扩散模型, 卷积神经网络, 分子网络去重复化	图神经网络, Transformer, 扩散模型, 卷积神经网络, 经典机器学习模型（基于分子指纹）	分子结构数据, 生物活性数据, 质谱数据, 文本	NA	NA	图神经网络, Transformer, 扩散模型, 卷积神经网络	NA	NA
3	2026-09-25	Deep learning-based detection of focal cortical dysplasia in children: External validation of the MELD Graph and 3D-nnUNet pipelines 2026-Dec, Neuroimage. Reports DOI:10.1016/j.ynirp.2026.100410 PMID:42774684	研究论文	该研究在儿童队列中外部验证了两种深度学习局灶性皮质发育不良（FCD）检测方法：MELD Graph和3D-nnUNet	首次在儿童癫痫队列中对MELD Graph和3D-nnUNet进行外部验证，并比较了二者在病灶级和患者级的检测性能	两种模型的敏感度均中等，均未能检测出临床相关比例的FCD病灶，且易产生假阳性，因此只能作为专家神经影像学判读的辅助工具	在儿童队列中外部验证两种近期开发的深度学习FCD检测方法MELD Graph和3D-nnUNet的性能	70名接受癫痫评估的儿童脑MRI扫描，包括34名MRI阳性疑似FCD患者和36名MRI阴性患者	医学图像分析	癫痫	脑MRI（3D T1加权和3D FLAIR）	深度学习	图像	70名儿童脑MRI扫描（34名MRI阳性疑似FCD患者和36名MRI阴性患者）	NA	MELD Graph, 3D-nnUNet	精确率, 召回率, 敏感度, 特异度	NA
4	2026-09-25	Impact of MRI modality selection on glioma sub-region segmentation using 3D U-Net and Attention U-Net: A comparative evaluation across ten MRI sequences 2026-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100817 PMID:42774812	研究论文	本研究基于UCSF-PDGM数据集的468名受试者，比较了十种MRI序列对胶质瘤亚区分割的影响，使用3D U-Net和3D Attention U-Net模型进行训练和评估。	首次系统比较十种MRI序列对胶质瘤亚区分割的影响，并使用TOPSIS多准则排序确定每个亚区的最佳模型-模态组合，同时识别了无对比剂替代方案（ASL和MD）。	研究仅基于UCSF-PDGM数据集，可能需要外部验证；未详细讨论计算资源；仅评估了U-Net和Attention U-Net架构。	评估MRI模态选择对胶质瘤亚区分割性能的影响，并确定最佳的模型-模态组合。	胶质瘤亚区，包括活动性肿瘤、坏死核心和瘤周水肿。	数字病理学	脑癌	MRI	3D U-Net, 3D Attention U-Net	图像	468名受试者	NA	U-Net, Attention U-Net	NA	NA
5	2026-09-25	MedNext-Insight Model for Automated Metabolic Tumor Volume Delineation on Computed Tomography and Prognostic Value in Nasopharyngeal Carcinoma 2026-Nov-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2026.05.005 PMID:42144163	研究论文	该研究开发了MedNext-Insight深度学习模型，用于在常规CT上自动勾画鼻咽癌的代谢肿瘤体积（MTV），并验证其预后价值	提出了一种7层MedNext-Insight模型，结合双窗口CT输入和Dice-Focal损失，实现了无需PET的CT上MTV自动勾画，并验证了其预后价值	回顾性研究设计，样本量相对有限，需要更大规模的前瞻性多中心验证	开发用于在无PET的常规CT上自动勾画MTV的深度学习模型，并评估其在鼻咽癌中的预后价值	鼻咽癌患者	计算机视觉, 数字病理学	鼻咽癌	CT, PET/CT, 放射组学	CNN, GAN	图像	392例鼻咽癌患者（训练集314例，测试集78例），内部时间验证队列135例	NA	MedNext-Insight, nnUNetV2, Pix2Pix, 3D-CycleGAN	Dice相似系数, 灵敏度, 一致性指数	NA
6	2026-09-25	Vis-NIR spectroscopy and deep learning for non-invasive in vivo detection of acute liver injury 2026-Oct-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127888 PMID:41990513	研究论文	该研究利用可见-近红外漫反射光谱（350-2500 nm）结合可解释深度学习框架，对乙酰氨基酚诱导的小鼠急性肝损伤进行无创经皮检测，并识别出与脂质、蛋白质及血流动力学相关的稳定波长簇	采用嵌入式可解释深度学习框架实现端到端光谱特征选择，解决高维小样本和低信噪比问题；发现1680-1689 nm和2130-2139 nm等稳定波长簇而非孤立峰，作为急性肝损伤的生物学合理标志物；证明无需一一对应的分子指认即可通过皮肤无创检测急性肝损伤	研究仅基于小鼠模型，样本量有限，未在人体中验证；光谱数据存在强散射、背景干扰和光谱冗余；未进行具体的分子指认；仅使用单一造模药物（对乙酰氨基酚）	探究可见-近红外漫反射光谱在体内无创表征急性肝损伤相关光谱特征的能力，并开发可解释的深度学习方法来识别生物学相关的光谱标志物	通过腹腔注射300 mg/kg对乙酰氨基酚建立急性肝损伤模型的小鼠，以及其经皮腹部漫反射光谱	医学光谱学，深度学习	急性肝损伤	可见-近红外漫反射光谱（Vis-NIR diffuse reflectance spectroscopy），经皮无创检测	深度学习	光谱数据	小鼠模型（具体数量未提及），光谱数据为高维小样本	NA	NA	召回率，F1分数	NA
7	2026-09-25	Risk stratification of IDH-wildtype glioblastoma: Deep learning on histopathology images and biological interpretation 2026-Oct, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2026.112036 PMID:42520553	研究论文	本研究利用深度学习从组织病理学图像中提取特征，构建IDH野生型胶质母细胞瘤的预后模型，并探索其生物学相关性	结合深度学习提取的病理特征与临床信息构建预后模型，并通过基因集富集分析将病理特征与肿瘤相关生物学通路关联	样本量相对有限，外部验证仅使用TCGA数据集，模型性能有待进一步验证	开发基于深度学习病理特征的预后模型，并表征其生物学相关性	IDH野生型胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	深度学习	CNN	病理图像	1038例来自郑州大学第一附属医院的患者（训练集839例，内部验证集199例）以及144例TCGA病例用于外部验证	NA	NA	C-index, log-rank P值	NA
8	2026-09-25	Prenatal serotonin reuptake inhibitor exposure and maternal depression symptoms are associated with altered fetal brain and placental development 2026-Oct, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology IF:6.6Q1 DOI:10.1038/s41386-026-02436-9 PMID:42106476	研究论文	一项观察性队列研究，比较产前暴露于5-羟色胺再摄取抑制剂（SRI）与未暴露的胎儿在脑和胎盘发育上的差异，并按母亲抑郁症状严重程度分层分析	首次在按母亲抑郁症状严重程度（EPDS评分）分层的条件下，系统比较SRI暴露与未暴露胎儿的脑体积、皮层折叠及胎盘体积和微结构扩散的差异，并发现SRI暴露与胎儿海马体积减小、皮层成熟改变及胎盘体积和扩散增加相关	观察性研究设计无法确定因果关系；样本量相对有限；这些结构改变的临床意义和长期神经发育后果尚不明确，仍在研究中	探讨产前SRI暴露及母亲抑郁症状与胎儿脑发育和胎盘发育之间的关系	182名孕妇及其胎儿，其中62名为SRI暴露（59名SSRIs，3名SNRIs），120名为无精神疾病或抗抑郁药暴露的对照组	数字病理学	老年疾病	胎儿MRI，T2加权成像，扩散加权成像，基于深度学习的脑分割，切片到体积配准	深度学习分割模型	图像	182名孕妇（62名SRI暴露，120名对照）	NA	NA	NA	NA
9	2026-09-25	Artificial intelligence in pancreatic cancer: applications in early detection, tumor staging, and survival prediction-a comprehensive review 2026-Oct, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico IF:2.8Q2 DOI:10.1007/s12094-026-04381-x PMID:42126789	综述	本文综述了人工智能在胰腺癌早期检测、肿瘤分期和生存预测中的应用，涵盖基于机器学习和深度学习的多种架构	系统性地整合了AI在胰腺癌诊断各环节（早期检测、分类、肿瘤分期、生存预测）的应用，并分析了现有方法的优缺点及未来发展方向	该文为综述性研究，未开展原创性实验验证；现有研究在标准化指南方面仍有提升空间	探讨人工智能方法在胰腺癌诊断中的多种应用，包括早期检测、肿瘤分期和生存预测	胰腺癌患者及其影像和临床数据	数字病理学, 计算机视觉	胰腺癌	NA	CNN, 机器学习, 深度学习	图像, 文本	NA	NA	NA	NA	NA
10	2026-09-25	AI-based 3D Measurement of Root Canal Curvature from CBCT: Validation of an Automated Schneider Angle Analysis 2026-Oct, Journal of endodontics IF:3.5Q1 DOI:10.1016/j.joen.2026.06.007 PMID:42362143	研究论文	该研究开发并验证了一种基于深度学习的自动化三维Schneider角测量流程，用于从下颌磨牙近中根的CBCT图像中测量根管弯曲度，并与专家手动测量结果进行一致性评估	首次将3D No New U-Net分割模型应用于下颌磨牙近中根根管的自动化三维Schneider角测量，实现了从CBCT图像中自动分割根管并进行三维弯曲度分析，并与多位专家手动测量进行了系统的一致性验证	仅为内部验证研究，缺乏外部验证；个体测量水平的一致性不足，95%一致性界限超出了±5°的等效边界；近中颊根管存在统计学显著的正偏倚	开发和验证一种基于深度学习的自动化三维Schneider角测量流程，并评估其与专家手动测量的一致性	下颌磨牙近中根的根管	计算机视觉	口腔疾病	锥形束计算机断层扫描（CBCT）	CNN	图像（三维医学影像）	331个CBCT容积用于训练/验证，50个独立测试病例（包含127个根管段）	NA	3D No New U-Net	组内相关系数（ICC），Bland-Altman分析，二次加权kappa	NA
11	2026-09-25	Development of a deep learning model to predict cycloplegic myopia and pre- myopia: based on a large-scale screening of school-aged children 2026-Oct, Eye (London, England) DOI:10.1038/s41433-026-04664-1 PMID:42373980	研究论文	本研究基于中国天津3077名6-10岁学龄儿童的大规模筛查数据，利用非睫状肌麻痹参数开发并验证了深度学习（DL）和机器学习（ML）模型，用于预测睫状肌麻痹性近视、近视前期和非近视	首次将TabPFN表格深度学习模型应用于基于非睫状肌麻痹参数的近视和近视前期分类，并在大规模学龄儿童筛查中验证了其优于传统机器学习模型的性能，同时通过SHAP分析揭示了轴长（AL）和角膜曲率（K2）等特征的重要性	摘要中未明确提及研究局限性	开发和验证实用的深度学习和机器学习模型，利用非睫状肌麻痹参数预测学龄儿童的睫状肌麻痹性近视、近视前期和非近视，以促进早期检测和干预	中国天津6-10岁学龄儿童	机器学习	眼科疾病	非睫状肌麻痹眼科参数测量（等效球镜度DS、眼轴长度AL、角膜曲率K1和K2）	CatBoost, XGBoost, 随机森林（RF）, TabPFN	表格数据	3077名6-10岁儿童	NA	CatBoost, XGBoost, 随机森林, TabPFN	AUC, 准确率, 灵敏度, 特异度, SHAP分析	NA
12	2026-09-25	Deep Learning for Diagnosis of Choroideremia and USH2A-Associated Rod-Cone Dystrophy Using Macular OCT Volumes 2026-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101378 PMID:42775014	研究论文	该研究开发并验证了深度学习模型，利用黄斑OCT体积区分无脉络膜症、USH2A相关视杆视锥营养不良和健康对照	首次将深度学习应用于黄斑OCT体积来区分无脉络膜症和USH2A相关视杆视锥营养不良，并比较了三种不同架构策略（基于切片的CNN+多数投票、混合专家模型MoE、混合CNN-Transformer），发现混合专家模型和简单聚合均能达到强性能，说明增加架构复杂性对此三分类任务可能不必要	研究样本量相对较小，需要在更大、更多样化和更具临床代表性的队列中进行进一步验证，以确定此类模型作为补充诊断支持的潜在作用	开发和验证深度学习模型，利用黄斑OCT体积区分无脉络膜症、USH2A相关视杆视锥营养不良和健康对照	262名参与者的535个黄斑OCT体积（包括99名无脉络膜症患者、96名USH2A相关疾病患者和67名健康对照），以及外部验证集28个OCT体积	数字病理学	无脉络膜症, USH2A相关视杆视锥营养不良	黄斑OCT	CNN, Transformer, 混合专家模型	图像	535个黄斑OCT体积（262名参与者，10165张B扫描）；外部验证集28个OCT体积	NA	ResNet-50, Mixture-of-Experts, CNN-Transformer	准确率, 加权F1分数	NA
13	2026-09-25	Rapid Musculoskeletal MRI in 2026: Clinical Integration of Deep Learning Reconstruction 2026-Sep-23, AJR. American journal of roentgenology DOI:10.2214/AJR.26.35077 PMID:42233892	综述	本文综述了深度学习重建技术在肌肉骨骼MRI快速成像中的临床整合，涵盖技术进展、实施考虑和早期验证结果	系统阐述了深度学习重建和超分辨率技术如何实现肌肉骨骼MRI协议在10分钟内完成，并讨论了硬件、解剖限制、协议设计和工作流程适应等成功实施的关键因素	深度学习加速MRI协议的临床验证仍处于早期阶段，需要持续的技术开发和临床验证来进一步明确其作用	探讨深度学习图像重建技术在肌肉骨骼MRI快速成像中的临床应用和整合	肌肉骨骼MRI成像协议和深度学习重建技术	医学影像	肌肉骨骼疾病	深度学习图像重建，超分辨率技术，MRI加速技术	深度学习模型	医学图像	NA	NA	NA	信噪比，图像质量，诊断性能	NA
14	2026-09-25	Breaking the denoising dilemma in NMR spectroscopy by blind source separation 2026-Sep-23, Chemical science IF:7.6Q1 DOI:10.1039/d6sc03538h PMID:42540673	研究论文	该文章提出了一种名为CCA-NMR的盲源分离去噪协议，利用自相关系数分离噪声和真实信号，以打破传统迭代算法与深度学习去噪方法之间在速度、性能和通用性上的困境。	利用盲源分离思想，基于自相关系数实现噪声与真实信号的分离，兼顾良好去噪效果、快速计算时间和较好通用性	未明确说明具体局限性	打破NMR光谱去噪中传统迭代算法耗时与深度学习方法通用性和可解释性差之间的困境，实现可靠灵敏度提升并恢复被噪声掩盖的真实峰	NMR光谱数据，包括弛豫和扩散Laplace NMR、多维蛋白质NMR以及实时电催化反应过程中的时间分辨NMR	机器学习	NA	NMR光谱	NA	光谱信号	NA	NA	NA	NA	NA
15	2026-09-25	Mini-breaths and vocal-fry-like laryngeal register alleviate respiratory constraints on tokay (Gekko gecko) mating vocalizations 2026-09-23, Proceedings. Biological sciences DOI:10.1098/rspb.2026.1077 PMID:42772768	研究论文	本文结合声学分析与基于深度学习的姿态估计技术，研究大壁虎（Gekko gecko）在求偶鸣叫过程中的呼吸动态，发现其通过微型吸气和声带颤音样发声机制来突破呼吸限制	首次发现大壁虎双音鸣叫中包含吸气性微型呼吸，这一特征此前仅被认为存在于鸣禽中；揭示了声带颤音样发声寄存器在大壁虎中的应用；发现发声时耳孔缓慢闭合的保护机制，与鸟类和哺乳动物的反射性听觉衰减机制不同	研究仅针对雄性大壁虎的自发广告鸣叫，样本范围有限；未进行跨物种比较验证；呼吸约束假说的验证依赖于声学分析与姿态估计的结合，可能存在技术误差	验证大壁虎鸣叫是否受呼吸约束限制，并探究其如何通过呼吸和发声机制突破这些限制以延长鸣叫时长	雄性大壁虎（Gekko gecko）的自发广告鸣叫行为及呼吸动态	机器学习	NA	声学分析，深度学习姿态估计	深度学习	声学信号，视频	NA	NA	NA	NA	NA
16	2026-09-25	ProtoSurv: prototype-guided adaptation of computed tomography foundation model for lung-cancer prognosis prediction 2026-Sep-22, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-026-00233-1 PMID:42771098	研究论文	提出ProtoSurv框架，通过原型引导的视觉-语言预训练模型适应，利用大规模未标注CT数据进行肺癌预后预测	使用类原型引导伪标签分配、置信度过滤和特征校准，从大规模未标注CT数据中选择和精炼任务相关样本，专门针对预后相关特征学习	标注的预后数据仍然有限，未明确讨论计算资源需求，仅评估了两个肺癌预后任务	在标注生存数据有限的情况下，利用大规模未标注CT数据改进肺癌预后建模	接受靶向治疗或放化疗的肺癌患者	医学图像分析	肺癌	胸部CT成像、视觉-语言预训练	视觉-语言模型	图像和文本	预训练：104,783名患者的409,261个胸部CT序列；评估：507名靶向治疗患者和420名放化疗患者	NA	NA	AUC、一致性指数	NA
17	2026-09-25	PathSepsisNet: a pathway-aware temporal graph attention network integrating inflammatory crosstalk dynamics for early prediction of multi-organ dysfunction in sepsis 2026-Sep-21, Purinergic signalling IF:3.0Q2 DOI:10.1007/s11302-026-10185-z PMID:42766171	研究论文	提出PathSepsisNet——一种通路感知的时序图注意力网络，将炎症信号通路串扰知识整合到深度学习架构中，用于脓毒症多器官功能障碍综合征（MODS）的早期预测	1. 构建了生物学信息驱动的图神经网络，以6个节点表示分子通路激活状态、12条有向边编码已确立的串扰关系；2. 提出双时空注意力机制配合门控融合，同时捕捉通路间串扰动态和通路内时间演化；3. 提出新型通路分歧评分（PDS），量化促炎与细胞保护通路之间的失衡；4. 在保持与最先进方法相当的预测性能的同时，独特地提供通路级机制可解释性	梯度提升方法（XGBoost: 0.906；LightGBM: 0.905）在原始AUROC上略高于PathSepsisNet（0.895），尽管其缺乏机制洞察；研究仅使用MIMIC-IV单一数据源，外部验证有限	利用生物学通路串扰知识增强深度学习模型，实现脓毒症诱导的多器官功能障碍综合征的早期预测，并弥合预测准确性与临床可解释性之间的差距	29,765名成人脓毒症患者（Sepsis-3标准），来自MIMIC-IV v3.1数据库，仅使用ICU前12小时数据预测12-36小时的MODS发生	机器学习	脓毒症、多器官功能障碍综合征	图神经网络、时序注意力机制、临床生物标志物分析	图注意力网络（GAT）、双向长短期记忆网络（BiLSTM）、Transformer	临床时序数据、生物标志物数据、图结构数据	29,765名成人脓毒症患者	NA	PathSepsisNet（通路感知时序图注意力网络）、BiLSTM、Transformer、XGBoost、LightGBM、逻辑回归	AUROC、AUPRC	NA
18	2026-09-25	CT-based deep foundation model for predicting immune checkpoint inhibitor-induced pneumonitis risk in lung cancer 2026-Sep-18, Journal for immunotherapy of cancer IF:10.3Q1 DOI:10.1136/jitc-2026-015014 PMID:42759982	研究论文	开发并验证了一种基于CT的深度学习基础模型（CIPHER），用于预测肺癌患者免疫检查点抑制剂诱导的肺炎风险	结合对比学习和基于Transformer的掩码自编码器，构建了自监督预训练的基础模型CIPHER，用于从基线CT扫描中预测ICI-P，并进行了外部验证	需要进行前瞻性验证才能临床转化	开发和验证深度学习基础模型，从肺癌患者的基线CT扫描中预测免疫检查点抑制剂诱导的肺炎（ICI-P）	接受免疫检查点抑制剂治疗的肺癌患者	计算机视觉, 数字病理学	肺癌	CT	对比学习, 掩码自编码器, Transformer	图像	预训练：2,500名NSCLC患者的590,284个CT切片；内部队列：347名患者（33例ICI-P，314例非ICI-P）；外部验证：116名患者（20例ICI-P，96例非ICI-P）	NA	基于Transformer的掩码自编码器	AUC, 平衡准确率, 敏感性, 特异性	NA
19	2026-09-25	An intelligent OCR-LLM prescription review system for inpatient narcotic and psychotropic drugs: Development and retrospective validation 2026-Sep-18, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000050741 PMID:42760707	研究论文	本研究构建了基于深度学习OCR与本地大语言模型的住院麻醉药品和精神药品智能处方审核系统，并回顾性验证了其审核性能和闭环管理价值	首次将深度学习OCR与本地大语言模型相结合，构建面向住院麻醉药品和精神药品的智能处方审核系统，实现处方图像识别、文本结构化、规则验证、签名验证、残余药量计算及药师人工审核触发等功能	仅回顾性纳入500份处方进行验证，样本量有限；为单中心研究，未进行前瞻性多中心验证；系统规则库的覆盖范围和适应性有待进一步评估	构建住院麻醉药品和精神药品智能处方审核系统并评估其审核性能与闭环管理价值	500份住院麻醉药品和精神药品处方	数字病理学	NA	深度学习OCR，本地大语言模型	LLM	图像，文本	500份住院麻醉药品和精神药品处方	NA	NA	准确率，敏感度，特异度，阳性预测值，阴性预测值，F1分数，Cohen's kappa系数	NA
20	2026-09-25	Research on the correlation between artificial intelligence and depression: A bibliometric analysis from 2000 to 2024 2026-Sep-18, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000050781 PMID:42760733	文献计量分析	本研究采用文献计量方法，系统评估了2000至2024年间人工智能技术与抑郁症相关研究的产出，并探讨了AI在抑郁症诊断、预测和治疗中的应用趋势与前景	通过文献计量分析全面绘制了2000至2024年间AI与抑郁症交叉领域的研究演进图谱，识别了关键研究主题和未来发展趋势，并指出了该领域存在的研究空白	长期疗效证据稀缺，缺乏标准化验证，跨学科整合仍然不足	系统评估AI技术与抑郁症研究的产出，探索AI在抑郁症诊断、预测和治疗中的应用趋势与前景	2000至2024年间Web of Science数据库中关于抑郁症与人工智能的相关文献	机器学习	抑郁症	文献计量分析	NA	文本	1437篇论文，发表于766种学术期刊	NA	NA	NA	NA