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	2026-06-22	GeoAI for polar vegetation mapping and hydrological interactions: A systematic review 2026-Aug-01, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181891 PMID:42224875	综述	系统综述了2005年至2025年间人工智能增强遥感技术（GeoAI）在极地植被制图与水文交互中的应用	首次基于PRISMA 2020方法对极地GeoAI研究进行系统性综述，揭示了从孤立监测向数据融合框架的快速转变，并提出层级式无人机-卫星融合、开放基准数据集和可解释生态AI的未来路径	大部分研究仍限于景观尺度，无人机-卫星完全整合的研究较少，且地下和基于过程的水文监测有限	系统梳理GeoAI在极地植被与水文监测中的应用现状、趋势和方法学质量，为下一代极地监测奠定经验基础	极地（北极和南极）植被与水文系统	机器学习和数字病理学	NA	遥感、无人机多光谱成像、卫星影像、深度学习	卷积神经网络、经典机器学习	图像（遥感影像、多光谱数据）	116项研究（2005-2025年）	NA	卷积神经网络	NA	NA
2	2026-06-22	Machine learning-based prediction of antibiotic resistance gene distribution in agricultural soils under different climate change scenarios 2026-Aug-01, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181905 PMID:42224874	研究论文	利用机器学习预测不同气候变化情景下农业土壤中抗生素抗性基因的分布	首次综合全球2301个土壤样本，使用六种机器学习模型（含LightGBM）预测ARG分布，并耦合气候情景进行未来风险制图，发现梯度提升方法优于深度学习	NA	预测未来气候变化情景下农业土壤中抗生素抗性基因的分布模式，支持One Health策略	农业土壤中的抗生素抗性基因（ARGs）及其环境驱动因子	机器学习	抗生素耐药性	宏基因组测序	机器学习模型（LightGBM、XGBoost、随机森林、支持向量机、深度神经网络、逻辑回归）	宏基因组序列数据、环境变量	2301份土壤样本，来自67个国家	LightGBM, XGBoost, Scikit-learn, 深度学习框架	LightGBM, XGBoost, 随机森林, 支持向量机, 深度神经网络, 逻辑回归	AUC-ROC、精确率、召回率、F1分数、马修斯相关系数	NA
3	2026-06-22	A PLM-based method for predicting protein ion channel modulators for drug discovery and safety evaluation 2026-Jul, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70689 PMID:42321971	研究论文	介绍了一种基于蛋白质语言模型的预测蛋白质离子通道调节剂的方法IonNTxPred，用于药物发现和安全性评估	提出基于进化信息蛋白质语言模型（ESM2-t33）的方法，在大规模非冗余数据集上训练，整合BLAST输出使AUROC提升至0.98，并用于支持药物重定位和生物安全性评估	未明确提及，但可能受限于序列同源性过滤阈值（40%）以及依赖已知离子通道调节蛋白的数据集，对全新类型蛋白质的预测能力可能有限	开发并验证一种预测蛋白质离子通道调节剂的计算方法，以支持药物发现和安全评估	离子通道调节蛋白，包括钠、钾、钙等通道特异性蛋白和跨通道调节蛋白	机器学习, 计算生物学	神经疾病, 心血管疾病	蛋白质语言模型（PLM）、BLAST、MERCI、机器学习、深度学习	蛋白质语言模型（ESM2-t33）、机器学习模型、深度学习模型	蛋白质序列	最大非冗余离子通道调节蛋白数据集，蛋白质间序列一致性不超过40%	PyTorch	ESM2-t33, BLAST	AUROC	NA
4	2026-06-22	Artificial intelligence in rare pediatric solid tumor research and clinical care: A scoping review 2026-Jul, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2026.163140 PMID:41999969	综述	该综述系统分析了人工智能在罕见儿童实体肿瘤研究和临床护理中的应用现状	首次系统性地梳理了人工智能与机器学习在罕见儿童实体肿瘤领域的应用，涵盖了诊断、风险分层和预后等关键环节，并比较了AI/ML方法与传统方法的性能	仅纳入23项研究，且多数缺乏外部验证，临床适用性和可推广性尚需进一步验证	评估人工智能/机器学习在罕见儿童实体肿瘤研究中的当前应用情况，并指出未来发展方向	罕见儿童（年龄≤19岁）实体肿瘤，包括肝母细胞瘤、儿童甲状腺癌等	机器学习	儿童实体肿瘤（罕见病）	NA	监督学习, 无监督学习, 深度学习, 集成模型	NA	23项研究（发表于2009-2025年）	NA	NA	AUC	NA
5	2026-06-22	Deep learning-based Wilms tumor segmentation to create 3D models for surgical planning: Implementation in the clinical workflow 2026-Jul, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2026.163151 PMID:42044738	研究论文	基于深度学习的肾母细胞瘤分割用于创建手术规划3D模型及其在临床工作流程中的前瞻性评估	首次前瞻性地评估基于深度学习的肾母细胞瘤分割方法在临床工作流中的可行性，重点关注自动化分割用于创建3D模型以辅助手术规划	样本量较小（仅10例患者前瞻性测试），且自动化分割在大部分病例中仍需人工校正	评估深度学习自动分割方法在创建肾母细胞瘤3D模型辅助手术规划中的临床工作流实用性	肾母细胞瘤患者的术前MRI影像	计算机视觉	肾母细胞瘤	MRI成像	nnU-Net	图像（MRI）	56例患者用于回顾性验证，10例连续患者用于前瞻性测试	NA	nnU-Net	Dice系数	NA
6	2026-06-22	Online Sepsis Prediction Using Vital Signs and Multiscale Temporal-Aware Contrastive Learning: Model Development and Validation Study 2026-Jun-19, JMIR medical informatics IF:3.1Q2 DOI:10.2196/82762 PMID:42320034	研究论文	提出一种基于生命体征和多尺度时间感知对比学习的在线脓毒症预测模型	提出多尺度时间感知对比学习（MSTCL）模型，仅使用易于获取的生命体征（如心率和体温），结合对比学习技术区分脓毒症进展轨迹的正负样本，实现变长输入序列的高效在线预测	依赖公开重症监护数据库数据，未提及在真实临床环境中的验证效果	开发仅使用可实时获取的生命体征进行在线脓毒症检测的预测模型	重症监护病房患者	机器学习	脓毒症	NA	多尺度时间感知对比学习（MSTCL）	时间序列数据（生命体征）	超过400名脓毒症和非脓毒症患者	NA	多尺度时间感知对比学习（MSTCL）	ROC曲线下面积（AUC）、灵敏度、特异性、归一化平均绝对误差	NA
7	2026-06-22	Deep learning of CT imaging predicts PD-L1 expression and immunotherapy response in metastatic NSCLC: A multi-center study 2026-Jun-19, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2026.218687 PMID:42314966	研究论文	开发并验证了一种基于CT图像的深度学习模型SCENT，用于预测转移性非小细胞肺癌患者的PD-L1表达状态和免疫治疗反应	提出可扩展集成变换器（SCENT）模型，首次利用CT影像非侵入性预测PD-L1状态和免疫治疗预后，并整合基线及纵向CT评估，在多个独立中心队列中验证了泛化能力	为期纵向使用仍需前瞻性验证，且未提供配对治疗后组织确认	开发一种非侵入性、基于CT影像的深度学习工具，用于预测PD-L1表达和免疫治疗结果，以克服组织活检的侵入性和采样偏差	转移性非小细胞肺癌患者的PD-L1状态和免疫治疗预后	计算机视觉	肺癌	CT影像	深度学习模型	图像	972例MD安德森患者（发展验证640例，临床适用332例），梅奥诊所72例，LONESTAR试验116例	NA	可扩展集成变换器（SCENT）	AUC、特异性、敏感性、危险比	NA
8	2026-06-22	From trial-and-error to inverse design: how AI is redefining drug delivery systems 2026-Jun-18, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2026.104725 PMID:42314831	综述	本文综述了人工智能在药物递送系统设计中的应用，重点介绍了预测建模和逆向设计策略如何改变传统试错法	系统梳理了人工智能方法在药物递送系统设计中的应用，包括机器学习、深度学习及物理信息方法，并创新性地讨论了它们与制药流程的整合	数据异质性、有限泛化能力、模型可解释性及监管验证是阻碍临床转化的主要障碍	为人工智能驱动的药物递送系统设计提供结构化概述，并评估其临床转化挑战	药物递送系统及其设计方法	机器学习	不适用	机器学习、深度学习、物理信息方法	不适用	不适用	不适用	不适用	不适用	不适用	不适用
9	2026-06-22	Hybrid deep learning-based rapid broad-Spectrum antimicrobial susceptibility prediction from whole-genome assemblies 2026-Jun-17, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2026.107597 PMID:42309394	研究论文	开发一种基于混合深度学习的模型，从全基因组组装数据快速预测广谱抗菌药物敏感性	提出将CNN、BiLSTM和注意力机制结合的混合深度学习模型，利用6-mer频率编码和基因组-抗生素配对特征，实现从细菌全基因组数据快速预测广谱抗菌药物敏感性	模型在抗生素和细菌组间的预测性能存在差异，AUPRC仅为0.489，表明对耐药样本识别能力有限	开发一种快速、广谱的抗菌药物敏感性预测方法，以辅助临床决策对抗菌药物耐药性	699个细菌基因组组装数据和对应的22种抗生素药敏结果	机器学习	抗菌药物耐药性相关感染	全基因组测序	CNN-BiLSTM-Attention混合模型	基因组序列数据	699个细菌基因组样本，每个样本与22种抗生素配对	NA	CNN, BiLSTM, Attention机制	准确率, AUROC, 平衡准确率, AUPRC	NA
10	2026-06-22	Artificial intelligence and machine learning in robotic, teleoperated, and remote surgery: a bibliometric and knowledge mapping analysis (2015-2025) 2026-Jun-16, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-026-03600-5 PMID:42298236	研究论文	对2015-2025年间人工智能和机器学习在机器人、遥操作及远程手术中应用的研究进行文献计量和知识图谱分析	首次对AI和ML在远程手术领域的全球研究进行系统的文献计量和知识图谱分析，揭示研究趋势、协作结构和新兴主题	仅纳入Scopus数据库中英文发表的研究文章，可能存在文献覆盖不全的局限性	分析AI和ML在机器人、遥操作及远程手术领域的全球研究格局、协作结构和新兴主题趋势	2015-2025年间发表的2201篇相关研究论文	机器学习	NA	文献计量分析	NA	文献数据	112个国家的2201篇出版物	NA	NA	年发表趋势、引文分析、共现分析	NA
11	2026-06-22	ToxiSpecies: Task-Aware Meta-Learning for Cross-Species Modeling of Acute Chemical Toxicity under Distribution Shift 2026-Jun-16, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01358 PMID:42301306	研究论文	提出一种任务感知元学习框架ToxiSpecies，用于解决跨物种急性化学毒性建模中的分布偏移问题	引入双适配器架构，解耦物种级特征适应与终点级毒性语义建模，实现低资源下跨物种和毒性终点的鲁棒知识迁移	未明确讨论模型在极端数据稀缺或完全未见物种场景下的泛化能力，以及计算资源的详细需求	开发一种能够处理跨物种毒性预测中异质性多任务问题的框架，支持低资源条件下的毒理学建模	跨物种急性化学毒性预测任务，涉及107个终点-物种任务、42个物种和78,820种化合物	机器学习	急性毒性	NA	元学习	化学特征数据	78,820种化合物	PyTorch	双适配器架构	均方根误差、预测准确性与相关性	NA
12	2026-06-22	Modeling and prediction of desalination performance in a scaled-up membrane capacitive deionization system using machine learning and deep learning 2026-Jun-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125839 PMID:41934772	研究论文	利用机器学习与深度学习模型对规模化膜电容去离子系统的脱盐性能进行建模与预测	采用严格的时间顺序循环数据划分策略实现无泄漏评估，并结合SHAP解释性分析揭示黑箱模型背后的物理化学逻辑	传统机理模型过度简化复杂物理化学相互作用，数据驱动建模仍依赖特定操作条件，泛化性可能受限	建立稳健的数据驱动模型以预测规模化MCDI系统的脱盐性能，并解码输入特征与性能之间的物理化学关联	在不同进水条件下运行的规模化膜电容去离子系统	机器学习	NA	膜电容去离子	随机森林、极端梯度提升、多层感知机、长短期记忆网络	数值型时间序列数据	规模化MCDI系统在不同进水条件下运行的数据集（具体样本数量未明确）	Scikit-learn, TensorFlow, PyTorch	随机森林、XGBoost、多层感知机、长短期记忆网络	决定系数（R²）、均方根误差、平均绝对误差	NA
13	2026-06-22	An Interpretable Deep Learning Framework Leveraging RNA Foundation Model and Capsule Networks for Accurate Prediction of RNA 2'-O-Methylation Sites 2026-Jun-15, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01274 PMID:42296393	研究论文	提出了一种结合RNA基础模型和胶囊网络的可解释深度学习框架Caps-2OMe，用于准确预测RNA 2'-O-甲基化位点	首次将混沌博弈表示分支与RNA-FM分支相结合，并通过胶囊架构进行自适应融合和解码，实现了对RNA 2OMe位点的高精度可解释预测	亚型特异性模型迁移性有限，跨核苷酸评估显示泛化模型稳定但子类型间存在差异	开发一种准确且可解释的计算方法，用于预测RNA 2'-O-甲基化位点	RNA 2'-O-甲基化（2OMe）修饰位点	机器学习	NA	混沌博弈表示（CGR），RNA基础模型（RNA-FM）	胶囊网络	RNA序列数据	独立测试集（具体数量未提及）	PyTorch（推测）	CGR分支、RNA-FM分支、胶囊网络	准确率（Accuracy）、AUC	NA
14	2026-06-22	Performance of Deep Learning in Classifying Age-Related Macular Degeneration From Images: Systematic Review and Meta-Analysis 2026-Jun-15, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/97174 PMID:42296531	系统综述与荟萃分析	系统评估深度学习在视网膜图像中分类年龄相关性黄斑变性的诊断性能，并与眼科医生进行对比	首次通过荟萃分析直接对比深度学习与不同经验水平眼科医生在AMD检测和湿性/干性AMD分类中的诊断性能，并引入PROBAST+AI工具评估偏倚风险	研究间异质性高、预测区间宽、多为回顾性设计且内部验证可能膨胀性能，结果仍属初步阶段而非实际部署就绪	比较深度学习算法与眼科医生在检测AMD及区分湿性和干性AMD中的诊断性能，并识别影响深度学习性能的因素	年龄相关性黄斑变性（AMD）患者及正常视网膜图像	机器学习	老年性疾病	NA	深度学习	图像	AMD检测77,485个样本；湿性vs干性AMD分类28,705个样本	NA	NA	敏感性、特异性、准确率、曲线下面积	NA
15	2026-06-22	Hierarchical Amplification-Interlinked CRISPR-Cas14a Luminescent Biosensor Coupled with Portable Photonic Crystal Biochip-Boosted Time-Delayed Signaling for the Diagnosis of Pediatric Mycoplasma pneumoniae Pneumonia 2026-Jun-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c03088 PMID:42274413	研究论文	构建层次化扩增-连接的CRISPR-Cas14a发光生物传感器，结合便携式光子晶体生物芯片增强的延迟信号，用于儿童肺炎支原体肺炎的诊断	首次将层次化扩增（DNA walker与滚环扩增）与CRISPR-Cas14a系统结合，并引入余辉发光的时间延迟信号以规避生物自发光，同时利用光子晶体生物芯片增强信号	未见明确局限性说明	开发一种灵敏、特异的检测方法，用于儿童肺炎支原体肺炎的及时诊断和疾病分层	儿童肺炎支原体肺炎患者（重症和轻症）及健康对照	生物传感器, 深度学习	儿童肺炎支原体肺炎	CRISPR-Cas14a, 滚环扩增, DNA walker	卷积神经网络	咽拭子样本序列数据	250例儿童咽拭子样本（含重症、轻症患者及健康对照）	NA	卷积神经网络	检测限	NA
16	2026-06-22	Laser Light Scattering-Enhanced Deep Computer Vision Method for the Detection of Trace Mineral Oil in Vegetable Oils 2026-Jun-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00302 PMID:42275108	研究论文	本文提出一种基于激光散射增强深度计算机视觉的方法，用于检测植物油中的痕量矿物油污染	首次将激光散射增强可视化与轻量级深度学习模型Oil-MobileNet结合，实现植物油中矿物油的现场检测，检测限低至0.05%	未提及方法的通用性验证，可能仅适用于特定植物油或矿物油类型；实际应用中复杂基质干扰尚未充分评估	开发一种现场兼容的植物油矿物油污染检测方法	植物油中的矿物油污染	计算机视觉	NA	激光散射成像	CNN	图像	未明确说明样本数量，涉及不同矿物油浓度的植物油样品	PyTorch, TensorFlow, Keras	Oil-MobileNet, ResNet, VGG, DenseNet, EfficientNet	准确率	NA
17	2026-06-22	The Use of Deep Learning in RNA Therapeutic Development 2026-Jun-10, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.6c02090 PMID:42269714	综述	综述深度学习在RNA疗法开发中的应用，涵盖RNA结构预测、CRISPR活性及RNA递送三大方面	系统分析深度学习模型架构对RNA疗法性能的影响，并展望未来与高通量筛选技术的整合方向	计算资源限制和数据可用性不足是当前主要挑战	总结深度学习在RNA疗法开发中的应用现状及未来潜在发展方向	RNA结构预测、CRISPR活性、RNA递送	自然语言处理	NA	RNA-seq, 高通量筛选技术	深度学习模型	文本, 序列数据	NA	NA	NA	NA	NA
18	2026-06-22	AirNet: A Deep Learning-Driven Auto Baseline Correction Algorithm Balancing Global Smoothness and Local Fidelity 2026-Jun-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c01550 PMID:42272034	研究论文	提出一种名为AirNet的深度学习驱动的自动基线校正算法，旨在平衡全局平滑性和局部保真度	结合深度学习与化学计量学，通过ResUnet模型识别拉曼峰和基线，并采用多指标评估策略自适应选择最优平滑参数，同时引入Dr-airPLS方法优化权重，实现高精度和高泛化能力	未提及具体限制，可能需依赖训练数据质量，且对急剧变化的背景梯度可能仍有挑战	开发一种可自动校正拉曼/表面增强拉曼光谱中非拉曼散射背景的基线算法，提高光谱分析的准确性和可靠性	拉曼光谱数据（包括模拟和实验光谱）	机器学习, 数字化学	不适用	拉曼光谱, 表面增强拉曼光谱	ResUnet, Dr-airPLS	光谱数据	不适用	PyTorch	ResUnet, Dr-airPLS	准确性, 泛化能力	不适用
19	2026-06-22	Deep Learning-Driven Saccharide Online Sequencing for Elucidating the Pathological Alterations of Heparan Sulfate in APAP-Induced Acute Liver Injury 2026-Jun-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00995 PMID:42272111	研究论文	利用深度学习驱动的化学衍生-串联质谱策略，首次对APAP诱导的急性肝损伤中硫酸乙酰肝素的结构域变化进行测序	首次通过深度学习驱动的化学衍生-串联质谱策略直接对病理状态下硫酸乙酰肝素的域变化进行测序，并成功解码了生物活性域内的序列变化，而非仅分析其组成变化	仅针对APAP诱导的急性肝损伤模型，未在其他病理模型或大规模样本中验证，且测序深度仅限于八糖以内的生物活性域	阐明APAP诱导的急性肝损伤中硫酸乙酰肝素的病理改变，推动基于硫酸乙酰肝素的治疗药物在生物医学领域的应用	APAP诱导的急性肝损伤小鼠模型中的硫酸乙酰肝素	机器学习	急性肝损伤	质谱分析	深度学习模型	质谱数据	未提及	未提及	未提及	未提及	未提及
20	2026-06-22	3-dimensional gradient and spin-echo magnetic resonance cholangiopancreatography with deep learning reconstruction at 3T: Achieving superior image quality with reduced acquisition time 2026-Jun-08, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110726 PMID:42264279	research paper	评估基于深度学习的GRASE技术在3T磁共振胆胰管成像中的图像质量和临床可行性	首次应用GRASE结合深度学习重建技术实现MRCP的快速采集并显著提升图像质量及诊断性能	NA（摘要未明确提及局限性）	比较GRASE-DLR与常规技术（无DLR的GRASE及TSE-DLR）在图像质量和采集时间上的差异	连续65名接受MRCP检查的患者	computer vision	biliary disease, pancreatic disease	MRCP	deep learning reconstruction (CNN-based)	image	65例患者（其中8例屏气能力差）	NA（未指定框架）	deep learning reconstruction network	acquisition time, image quality metrics, sensitivity, accuracy, area under the receiver operating characteristic curve (AUC)	NA（未提及具体计算资源）