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	2026-01-06	ECG AI-Guided Screening for Low Ejection Fraction (EAGLE): Rationale and design of a pragmatic cluster randomized trial 2020-01, American heart journal IF:3.7Q1 DOI:10.1016/j.ahj.2019.10.007 PMID:31710842	研究论文	本研究旨在通过一项实用的集群随机试验，评估一种基于深度学习的AI筛查工具在初级保健实践中检测低射血分数的有效性	首次在真实世界初级保健实践中前瞻性评估AI驱动的ECG筛查工具，用于检测无症状低射血分数，并整合到电子健康记录中实现自动筛查	试验仅限于明尼苏达州和威斯康星州的48个初级保健诊所，可能无法完全代表其他地区或医疗环境，且依赖电子健康记录数据，未直接接触患者	评估AI筛查工具在初级保健中检测低射血分数的临床有效性和实施价值	初级保健诊所的临床团队、约400名临床医生和20,000名患者，特别是接受ECG检查且未被诊断为低射血分数的成人	机器学习	心血管疾病	深度学习算法，12导联心电图	深度学习算法	心电图数据，电子健康记录数据	约20,000名患者，涉及48个初级保健诊所和400名临床医生	NA	NA	新发现的射血分数≤50%	NA
2	2025-12-14	A multi-scale framework with unsupervised joint training of convolutional neural networks for pulmonary deformable image registration 2020-01-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab5da0 PMID:31783390	研究论文	本文提出了一种用于肺部CT图像变形配准的多尺度无监督联合训练卷积神经网络框架MJ-CNN	提出多尺度无监督联合训练卷积神经网络框架，通过从粗到细的配准避免局部最小值，无需真实变形矢量场监督，并展示了跨数据集和成像技术的泛化能力	未提及具体局限性，但可能包括对训练数据质量和多样性的依赖，以及未在更广泛临床场景中验证	实现肺部CT图像的准确快速变形图像配准	肺部CT图像，包括4D-CT、CT-to-CBCT和CBCT-to-CBCT配准	计算机视觉	肺癌	CT、4D-CT、CBCT成像	CNN	图像	使用公共SPARE 4D-CT数据训练，在DIR-LAB 4D-CT数据集及临床CT-to-CBCT和CBCT-to-CBCT配准上评估	未明确指定，但基于卷积神经网络	多尺度卷积神经网络	配准误差	未明确指定，但配准速度约为1.4秒，无需手动调参
3	2025-12-05	DeepCompete : A deep learning approach to competing risks in continuous time domain 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936389	研究论文	本文提出了一种名为DeepCompete的深度学习模型，用于在连续时间域中处理竞争风险生存分析	引入了一种新颖的连续时间深度学习架构，能够以数据驱动方式学习每种疾病的风险，无需对底层随机过程做出强假设	未在摘要中明确说明	开发一种工具来量化由每种竞争疾病导致的不良事件的相对风险，并优先处理患者多种疾病中的治疗	65岁及以上患有多种急性疾病（多病共存）的老年人群	机器学习	老年疾病	NA	深度学习模型	NA	NA	NA	DeepCompete	NA	NA
4	2025-12-05	Deep Learning Approach to Parse Eligibility Criteria in Dietary Supplements Clinical Trials Following OMOP Common Data Model 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936396	研究论文	本研究利用深度学习模型（Bi-LSTM-CRF）解析膳食补充剂临床试验的资格标准，并映射到OMOP通用数据模型，以支持患者招募	首次将膳食补充剂作为新实体映射到OMOP通用数据模型，并评估深度学习模型在解析资格标准中的可行性	模型平均F1分数仅为0.601，表明性能有待提升，且样本量仅基于100个随机选择的临床试验	自动解析临床试验资格标准以加速患者招募过程	膳食补充剂临床试验的资格标准文本	自然语言处理	NA	深度学习	Bi-LSTM-CRF	文本	100个随机选择的膳食补充剂临床试验	CLAMP平台	Bi-LSTM-CRF	F1分数	NA
5	2025-12-05	Contextual Embeddings from Clinical Notes Improves Prediction of Sepsis 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936391	研究论文	本研究设计了一种基于电子健康记录数据的深度学习算法，通过整合临床文本特征来改进脓毒症的早期预测	利用预训练的神经语言表示模型从临床文本中提取特征，无需依赖基于本体的命名实体识别和分类，从而整合了非结构化数据	未明确说明模型在外部验证集上的泛化能力或临床部署的可行性	改进脓毒症的早期预测，以降低假警报并促进及时治疗	脓毒症患者	自然语言处理	脓毒症	电子健康记录分析	深度学习模型	结构化数据（生命体征、实验室结果）和非结构化数据（临床文本）	超过40,000名患者，包括2,805名脓毒症患者	NA	预训练的神经语言表示模型	AUC	NA
6	2025-12-05	RadLex Normalization in Radiology Reports 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936406	研究论文	本文旨在将放射学报告中的多样化实体标准化为RadLex术语，并提出了基于BERT的深度学习方法进行自动归一化	首次尝试利用RadLex进行放射学实体的标准化，并构建了一个手动标注的归一化语料库，同时提出了基于BERT的两种NLP方法	研究仅基于三种类型的报告构建语料库，样本量相对有限（1706个实体提及），且最佳准确率为78.44%，仍有提升空间	标准化放射学报告中的实体到RadLex术语，以促进临床信息的提取和共享	放射学报告中的实体，如解剖结构、成像发现等	自然语言处理	NA	自然语言处理（NLP），基于预训练语言模型	BERT	文本（放射学报告）	1706个实体提及，来自三种类型的放射学报告	NA	BERT	准确率	NA
7	2025-12-05	A Clinically Practical and Interpretable Deep Model for ICU Mortality Prediction with External Validation 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936437	研究论文	本研究提出了一种临床实用且可解释的深度学习模型，用于ICU死亡率预测，并进行了外部验证	结合了外部验证和可解释性，使用双层注意力机制的循环神经网络，并在新发布的Philips eICU数据集上训练，在MIMIC III数据集上进行外部验证	未提及模型在其他独立数据集上的泛化能力，也未讨论模型在不同ICU类型或患者亚群中的性能差异	开发一种能够在重症监护场景中推广应用的深度学习模型，用于死亡率预测并支持临床决策	重症监护病房（ICU）患者	机器学习	重症监护	NA	循环神经网络（RNN）	临床时间序列数据	使用Philips eICU数据集进行训练，MIMIC III数据集进行外部验证（具体样本数量未提及）	NA	具有双层注意力机制的循环神经网络	AUC（曲线下面积）	NA
8	2025-12-05	Multi-task Learning via Adaptation to Similar Tasks for Mortality Prediction of Diverse Rare Diseases 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936451	研究论文	本文提出了一种名为Ada-SiT的多任务学习方法，用于基于电子健康记录数据预测多种罕见疾病的死亡率	提出了一种初始化共享的多任务学习方法，能够学习参数初始化并动态测量任务相似性，以快速适应数据不足和任务多样性的挑战	NA	解决罕见疾病死亡率预测中的数据不足和临床多样性问题	多种罕见疾病患者的电子健康记录数据	自然语言处理	罕见疾病	电子健康记录分析	LSTM	纵向电子健康记录数据	NA	NA	LSTM	NA	NA
9	2025-12-05	Deep CHORES: Estimating Hallmark Measures of Physical Activity Using Deep Learning 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936455	研究论文	本研究利用深度学习从手腕加速度计数据中识别身体活动类型并估计能量消耗	开发了深度学习网络以从时间序列数据中提取时空表示，用于准确识别身体活动类型和估计能量消耗	研究在标准化实验室环境中进行，可能无法完全反映自由生活条件下的身体活动情况	评估手腕加速度计在识别身体活动类型和估计能量消耗方面的性能	20-89岁的参与者（66%为女性）在实验室环境中执行33种日常活动	机器学习	NA	三轴加速度计数据采集，便携式代谢单元测量	深度学习网络	时间序列加速度计数据	20-89岁参与者群体，具体人数未明确说明	NA	NA	F1分数，均方根误差	NA
10	2025-12-05	Inferring ADR causality by predicting the Naranjo Score from Clinical Notes 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936480	研究论文	提出一种结合深度学习和统计学习模型的方法，从患者出院摘要中自动推断药物与不良反应之间的因果关系	首次提出使用BERT提取Naranjo问卷相关段落，并结合逻辑回归等统计模型预测Naranjo评分和因果关系	未在摘要中明确说明	开发自动推断药物不良反应因果关系的方法，替代人工审阅病历	患者出院摘要中的药物不良反应因果关系	自然语言处理	NA	临床文本分析	BERT, 逻辑回归	文本（临床笔记/出院摘要）	未在摘要中明确说明	未在摘要中明确说明	BERT	宏平均F1分数, 加权F1分数	未在摘要中明确说明
11	2025-12-05	Patient Cohort Retrieval using Transformer Language Models 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936491	研究论文	本文应用基于深度学习的语言模型进行患者队列检索任务，以评估其效果	提出一个无需显式特征工程和领域知识的框架，将患者队列检索映射为文档检索任务，并应用多种深度神经网络模型	NA	评估深度学习语言模型在患者队列检索任务中的效能	电子健康记录（EHRs）中的文档	自然语言处理	NA	NA	Transformer	文本	NA	NA	Transformer	NA	NA
12	2025-12-05	Extracting and Learning Fine-Grained Labels from Chest Radiographs 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936495	研究论文	本文提出了一种从胸部X光放射学报告中提取细粒度标签的新方法，并训练了一个用于细粒度分类的深度学习模型	首次开发了结合词汇驱动概念提取和依赖解析树短语分组的细粒度标签提取方法，并构建了覆盖457个细粒度标签的最大谱系数据集	NA	从胸部X光图像中提取和学习细粒度标签	胸部X光图像及其放射学报告	计算机视觉	NA	自然语言处理	深度学习模型	图像, 文本	NA	NA	NA	NA	NA
13	2025-12-05	Prediction of secondary structure population and intrinsic disorder of proteins using multitask deep learning 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936509	研究论文	本研究开发了一种多任务深度学习框架，用于预测蛋白质的二级结构种群和内在无序性	设计了单任务和多任务深度学习框架，通过同时预测二级结构种群来增强内在无序蛋白质/区域的预测性能	未明确提及	预测蛋白质的二级结构种群和内在无序性，以定量表征蛋白质的结构构象特性	蛋白质，特别是内在无序蛋白质和区域	机器学习	NA	核磁共振化学位移	深度学习	化学位移数据	未明确提及	未明确提及	未明确提及	未明确提及	未明确提及
14	2025-12-05	Predicting Tumor Cell Response to Synergistic Drug Combinations Using a Novel Simplified Deep Learning Model 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936513	研究论文	本研究提出了一种新的简化深度学习模型，用于预测肿瘤细胞对协同药物组合的反应	与现有模型使用大量化学结构和基因组学特征不同，该模型基于一小套癌症信号通路构建，能更生物意义明确且可解释地模拟多组学数据和药物靶点/机制的整合	模型依赖于NCI ALMANAC药物组合筛选数据，可能受数据集的局限性和信号通路选择的限制	开发计算模型以预测药物组合的协同效应，促进新型药物组合的发现	肿瘤细胞对药物组合的反应	机器学习	癌症	深度学习	深度学习模型	信号通路数据、药物组合筛选数据	NA	NA	简化深度学习模型	NA	NA
15	2025-12-05	Normalizing Clinical Document Titles to LOINC Document Ontology: an Initial Study 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936520	研究论文	本研究探讨了将临床文档标题标准化为LOINC文档本体（DO）的可行性，通过跨五个机构的临床笔记标题映射到DO的五个轴，并利用BERT模型实现自动映射	首次将BERT模型应用于临床文档标题到LOINC DO轴的自动映射，并分析了DO轴定义中的歧义问题	研究仅基于4,000个手动标注的标题，样本规模有限，且未涉及更广泛的临床文档类型或机构	调查LOINC DO在临床文档标准化中的可行性和泛化能力	来自五个机构的临床笔记标题	自然语言处理	NA	NA	BERT	文本	4,000个手动标注的临床文档标题	NA	BERT	NA	NA
16	2025-10-06	DeepCLEM: automated registration for correlative light and electron microscopy using deep learning 2020, F1000Research DOI:10.12688/f1000research.27158.3 PMID:37397873	研究论文	提出了一种基于深度学习的自动化CLEM配准工作流程DeepCLEM	首次使用卷积神经网络从电子显微镜图像预测荧光信号，实现无需荧光染色或基准标记的全自动配准	未提及具体的性能限制或适用范围限制	开发自动化CLEM图像配准方法	相关光电子显微镜图像	计算机视觉	NA	相关光电子显微镜	CNN	图像	NA	Fiji	卷积神经网络	NA	NA
17	2025-10-06	2018 n2c2 shared task on adverse drug events and medication extraction in electronic health records 2020-01-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocz166 PMID:31584655	研究论文	总结了2018年n2c2共享任务中关于从电子健康记录中提取药物不良事件和药物信息的竞赛组织与结果分析	首次系统评估了临床记录中药物不良事件提取的三种任务（概念提取、关系分类和端到端系统），并建立了性能基准	对于原因和药物不良事件的概念和关系识别性能较低，局部上下文不足以准确识别这些复杂概念	评估临床自然语言处理技术在药物不良事件提取任务上的最新进展	临床出院摘要的原始文本数据	自然语言处理	NA	电子健康记录文本分析	双向长短期记忆网络, 支持向量机	文本	28个团队参与任务1，21个团队参与任务2和3	NA	序列标注模型, 基于实例的分类器	F1分数	NA
18	2025-10-06	Evolving the pulmonary nodules diagnosis from classical approaches to deep learning-aided decision support: three decades' development course and future prospect 2020-Jan, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-019-03098-5 PMID:31786740	综述	本文全面回顾了过去三十年计算机辅助肺结节诊断技术的发展历程，从传统方法演进到深度学习辅助决策支持	首次系统梳理三十年来肺结节计算机辅助诊断技术发展历程，涵盖从传统方法到深度学习技术的完整演进路径	作为综述性文章，未包含原始实验数据和具体模型性能比较	提供计算机辅助肺结节检测和良恶性分类技术的全面综述，识别挑战并展望未来研究方向	肺结节计算机辅助诊断技术	计算机视觉	肺癌	计算机辅助诊断，深度学习	NA	胸部影像	NA	NA	NA	灵敏度，假阳性率	NA
19	2025-06-07	MOXA: A Deep Learning Based Unmanned Approach For Real-Time Monitoring of People Wearing Medical Masks 2020, Transactions of the Indian National Academy of Engineering : an international journal of engineering and technology DOI:10.1007/s41403-020-00157-z PMID:38624452	research paper	提出了一种基于深度学习的无人实时监测人们佩戴口罩的方法MOXA	将口罩佩戴监测任务建模为物体检测的特殊案例，并在边缘设备上实现实时场景解析	嵌入式设备的内存和计算能力有限，可能影响实时监测的性能	实时监测人们是否佩戴口罩，以预防COVID-19的传播	佩戴口罩的人群	computer vision	COVID-19	object detection algorithms	YOLOv3, YOLOv3Tiny, SSD, Faster R-CNN	video	Moxa3K benchmark dataset	NA	NA	NA	NA
20	2025-10-06	A topology-based network tree for the prediction of protein-protein binding affinity changes following mutation 2020, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-020-0149-6 PMID:34170981	研究论文	提出一种基于拓扑的网络树方法，用于预测蛋白质-蛋白质相互作用中突变引起的结合亲和力变化	引入元素和位点特异性持久同调方法简化蛋白质复合物结构复杂性，并提出结合CNN和梯度提升树的新深度学习算法NetTree	NA	开发计算方法来预测蛋白质-蛋白质相互作用中突变引起的结合亲和力变化	蛋白质-蛋白质复合物及其突变体	生物信息学	NA	代数拓扑，持久同调	CNN,梯度提升树	蛋白质结构数据	主要基准数据集	NA	NetTree	NA	NA