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
21	2026-05-08	Artificial intelligence and deep learning to map immune cell types in inflamed human tissue 2022-06, Journal of immunological methods IF:1.6Q4 DOI:10.1016/j.jim.2022.113233 PMID:35131237	研究论文	开发深度学习算法，识别炎症组织活检中的免疫细胞类型	提出一种基于深度学习的方法，能够无偏且全面地识别炎症组织中的免疫细胞，包括罕见的Tfh细胞亚群，并可用于细胞间距离映射	NA	利用人工智能和深度学习技术，自动化识别和分类炎症组织中的免疫细胞，以量化活检切片中的复杂免疫细胞交互信息	皮肌炎活检图像中的Tfh细胞亚群和B细胞	计算机视觉	自身免疫疾病（皮肌炎）	NA	深度学习	图像	NA	NA	深度学习算法（未具体指定）	检测和分类性能（未具体指定）	NA
22	2026-05-08	Deep Learning Approaches for Predicting Glaucoma Progression Using Electronic Health Records and Natural Language Processing 2022-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2022.100127 PMID:36249690	research paper	使用深度学习模型结合电子健康记录和自然语言处理预测青光眼进展	首次将自由文本临床笔记的自然语言处理特征与结构化临床数据结合，用于预测青光眼手术需求	未整合影像数据，仍需进一步研究最优方法以结合成像数据	预测青光眼患者是否需要手术干预	青光眼患者的电子健康记录，包括结构化数据和临床自由文本笔记	natural language processing, machine learning	青光眼	NLP	深度学习模型	文本结构化临床数据	4512名青光眼患者，其中748名接受手术	NA	NA	AUC, F1分数	NA
23	2026-05-08	Brain Functional Connectivity Analysis via Graphical Deep Learning 2022-05, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2021.3127173 PMID:34882539	研究论文	提出一种基于图卷积网络的框架，用于脑功能连接分析，通过结合区域间连接和受试者间关系来研究认知功能	在脑网络分析中引入拉普拉斯正则化项解决过拟合问题，并采用遮挡敏感性分析方法识别与认知功能相关的脑网络和脑区	样本量有限，且脑区之间关系复杂，限制了图深度学习模型的应用	开发一种基于图卷积网络的框架，用于分析脑功能连接并识别与认知功能相关的脑网络和脑区	费城神经发育队列（Philadelphia Neurodevelopmental Cohort）中的受试者脑功能连接数据	机器学习	NA	NA	图卷积网络（GCN）	脑功能连接数据	基于费城神经发育队列的数据，具体样本量未在摘要中指定	NA	图卷积网络	分类准确率	NA
24	2026-05-04	One Clinician Is All You Need-Cardiac Magnetic Resonance Imaging Measurement Extraction: Deep Learning Algorithm Development 2022-Sep-16, JMIR medical informatics IF:3.1Q2 DOI:10.2196/38178 PMID:35960155	研究论文	本研究开发了一种基于预训练Transformer语言模型的深度学习算法，通过少量专家标注从心脏磁共振成像临床报告中提取21项测量指标	使用预训练Transformer模型实现标签高效的数字提取，无需大量专家标注或人工规则，探索临床预训练和数字表示方法对性能的影响	未明确提及限制，但论文指出模型性能因测量类型而异（如左心房前后径F1=0.92），且工作流程需在实际应用中进一步验证	开发标签高效的方法从非结构化临床文本中自动提取CMR测量值，支持临床研究	多机构医疗系统中的心脏磁共振成像临床报告	自然语言处理	心血管疾病	N/A	Transformer	文本	99,252名患者（12,720份CMR报告，其中370份经临床医生标注）	PyTorch	Transformer	宏平均F1分数	N/A
25	2026-04-30	OpenFL: the open federated learning library 2022-10-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac97d9 PMID:36198326	研究论文	介绍开源联邦学习库OpenFL，一个基于Python的工具，支持TensorFlow和PyTorch框架，用于训练机器学习与深度学习算法，同时保护数据隐私	提供可扩展的联邦学习框架，支持可信执行环境以确保模型安全与完整性，并实现从集中式到联邦训练管线的简易迁移	NA	促进联邦学习在生产环境中的应用，并扩展到非医疗用例	联邦学习库OpenFL的设计、开发特性及其在医疗等领域的实际应用	机器学习	NA	NA	NA	NA	NA	TensorFlow, PyTorch	NA	NA	NA
26	2026-04-27	Design and Rationale for the Use of Magnetic Resonance Imaging Biomarkers to Predict Diabetes After Acute Pancreatitis in the Diabetes RElated to Acute Pancreatitis and Its Mechanisms Study: From the Type 1 Diabetes in Acute Pancreatitis Consortium 2022-07-01, Pancreas IF:1.7Q3 DOI:10.1097/MPA.0000000000002080 PMID:36206463	研究论文	本研究探讨高级磁共振成像技术能否反映急性胰腺炎后的病理生理变化，并提供预测糖尿病的影像生物标志物	利用先进MRI技术开发定量复合风险评分，并结合人工智能深度学习算法优化预测能力	NA	通过纵向MRI观察急性胰腺炎后糖尿病的自然病程，识别高危个体并建立风险评分系统	急性胰腺炎后发生糖尿病的患者及其血糖正常、糖尿病前期人群	机器学习	糖尿病, 急性胰腺炎	MRI	深度学习	图像	NA	NA	NA	NA	NA
27	2026-04-24	Development and Validation of a Deep Learning Strategy for Automated View Classification of Pediatric Focused Assessment With Sonography for Trauma 2022-Aug, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.15868 PMID:34741469	研究论文	开发和验证用于儿科创伤重点超声评估视图分类的深度学习策略	使用大规模异质性真实世界临床数据集，由多位临床医生执行儿科FAST检查，开发高准确率的深度学习视图分类器	NA	开发并验证准确的深度学习视图分类器，用于儿科创伤重点超声评估（FAST）的自动视图分类	两个儿科急诊室由30位不同临床医生对18岁以下受伤儿童执行的真实FAST检查	计算机视觉	创伤	超声成像	深度学习分类器	超声视频片段和静态帧图像	699项FAST研究，包含4925个视频片段和1,062,612个静态帧	NA	NA	准确率，95%置信区间	NA
28	2026-04-23	The state of the art for artificial intelligence in lung digital pathology 2022-07, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.5966 PMID:35579955	综述	本文综述了人工智能在肺部数字病理学中的最新进展与应用	系统性地回顾了AI在肺部数字病理学中的多种应用，包括癌症、结核病、特发性肺纤维化和COVID-19，并探讨了新兴方向如多模态数据分析和3D病理学	未提及具体研究的数据限制或方法学局限性，主要作为领域综述存在	探讨人工智能工具在肺部数字病理学中的发展现状、应用及未来挑战	肺部疾病，包括肺癌、结核病、特发性肺纤维化、COVID-19等	数字病理学	肺癌	数字病理学成像	深度学习，无监督特征方法	病理图像	NA	NA	NA	NA	NA
29	2026-04-23	Researchers turn to deep learning to decode protein structures 2022-03-08, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2202107119 PMID:35235461	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
30	2026-04-22	Applications of artificial intelligence (AI) in ovarian cancer, pancreatic cancer, and image biomarker discovery 2022, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-210301 PMID:35213360	综述	本文综述了人工智能在卵巢癌、胰腺癌及影像生物标志物发现中的应用、进展与挑战	系统总结了AI在卵巢癌和胰腺癌生物标志物发现中的具体应用，并强调了可解释性和可信赖AI在罕见癌症研究中的重要性	大多数AI模型尚未应用于临床，许多研究的影像数据未公开，疾病低流行率和无症状特性限制了数据可用性	探讨人工智能在卵巢癌和胰腺癌生物标志物发现中的应用进展、挑战及监管伦理考量	卵巢癌和胰腺癌的影像生物标志物	机器学习	卵巢癌,胰腺癌	NA	NA	影像数据	NA	NA	NA	NA	NA
31	2026-04-18	Exposing the Limitations of Molecular Machine Learning with Activity Cliffs 2022-Dec-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.2c01073 PMID:36456532	研究论文	本研究通过评估24种机器学习和深度学习方法在活性悬崖化合物上的性能，揭示了分子机器学习模型在处理活性悬崖时的局限性，并提出了改进建议	首次系统性地评估了多种机器学习方法在活性悬崖化合物上的性能，并开发了开源基准平台MoleculeACE来引导社区关注这一被忽视的挑战	所有方法在活性悬崖存在时均表现不佳，且性能存在较大的个案差异，表明当前模型仍难以准确预测此类边缘情况	填补活性悬崖对机器学习模型性能影响的知识空白，并推动开发更有效的预测方法	从30个大分子靶点中提取的经过整理的生物活性数据，重点关注活性悬崖化合物	机器学习	NA	NA	机器学习,深度学习	分子数据	来自30个大分子靶点的生物活性数据	NA	NA	NA	NA
32	2026-04-17	Recent Technical Developments in ASL: A Review of the State of the Art 2022-11, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29381 PMID:35983963	综述	本文综述了自Alsop等人发表ASL共识论文以来，先进动脉自旋标记（ASL）技术的最新发展	系统总结了ASL在读出与轨迹、图像重建、噪声抑制、部分容积校正、非灌注参数量化、fMRI、指纹识别、血管选择性ASL、血管造影、深度学习及超高场ASL等多个方面的最新技术进展	未涵盖速度选择性ASL、多时间点ASL、体部ASL及临床ASL建议等主题，这些内容已在其他文章中详细讨论	促进研究机构和MRI厂商采纳ASL技术的最新进展，并提供实施指导	先进动脉自旋标记（ASL）技术	医学影像	NA	动脉自旋标记（ASL）	NA	磁共振成像（MRI）数据	NA	NA	NA	NA	NA
33	2026-04-17	Weakly Supervised Polyp Segmentation in Colonoscopy Images Using Deep Neural Networks 2022-Apr-22, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging8050121 PMID:35621885	研究论文	本研究提出了一种利用弱监督学习（边界框标注）训练深度神经网络进行结肠镜图像中息肉实时分割的方法	开发了首个结合弱监督策略（仅使用边界框标注）进行息肉分割的深度学习方法，显著提升了分割性能	研究仅基于单一数据集（Polyp-Box-Seg），且弱监督标注可能无法完全捕捉复杂息肉轮廓	提高结肠镜检查中息肉分割的准确性和效率，以辅助结直肠癌筛查	结肠镜图像中的息肉区域	计算机视觉	结直肠癌	深度学习	深度神经网络	图像	4070张来自超过2000名患者的结肠镜图像，其中1300张带有手动分割标注	NA	NA	Dice系数	NA
34	2026-04-14	Discovering design principles of collagen molecular stability using a genetic algorithm, deep learning, and experimental validation 2022-10-04, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2209524119 PMID:36161946	研究论文	本文开发了一种结合遗传算法和深度学习的通用模型，用于设计具有特定熔化温度的胶原蛋白序列，并通过实验和计算方法验证了其预测准确性	首次将遗传算法与深度学习框架结合，用于设计胶原蛋白序列并预测其熔化温度，实现了高通量序列生成和验证	模型预测的熔化温度与实际值存在几摄氏度的误差，且研究主要关注序列设计，对实际生物材料应用的长期稳定性验证不足	开发一个稳健的框架，以设计具有特定熔化温度的胶原蛋白序列，用于生物材料制造和生物医学应用	胶原蛋白的氨基酸序列及其熔化温度	机器学习	NA	遗传算法，深度学习，分子动力学模拟，实验验证	深度学习模型	序列数据	1,000个新设计的胶原蛋白序列	NA	NA	熔化温度预测误差（摄氏度）	NA
35	2026-04-14	Automated Determination of Left Ventricular Function Using Electrocardiogram Data in Patients on Maintenance Hemodialysis 2022-07, Clinical journal of the American Society of Nephrology : CJASN IF:8.5Q1 DOI:10.2215/CJN.16481221 PMID:35667835	研究论文	本研究开发了一种基于心电图数据的深度学习模型，用于自动化评估维持性血液透析患者的左心室射血分数	利用迁移学习策略，通过在非血液透析患者的心电图数据上进行预训练，有效解决了血液透析患者样本量较小的问题，并提升了模型性能	研究样本主要来自特定医疗机构的患者，可能限制了模型的泛化能力；且模型在中等射血分数类别（41%-50%）上的预测性能相对较低	开发并评估深度学习模型，以自动化方式从心电图数据中分类维持性血液透析患者的左心室射血分数	维持性血液透析患者，以及作为预训练数据来源的非血液透析患者	机器学习	心血管疾病	深度学习, 迁移学习	深度学习模型	心电图数据	血液透析患者：2,168名患者，18,626对心电图-超声心动图数据；非血液透析患者：158,840名患者，705,075对心电图-超声心动图数据	NA	NA	受试者工作特征曲线下面积	NA
36	2026-04-13	Pushing the Limits of Surface-Enhanced Raman Spectroscopy (SERS) with Deep Learning: Identification of Multiple Species with Closely Related Molecular Structures 2022-May, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028221077119 PMID:35081756	研究论文	本研究评估了将深度学习算法应用于表面增强拉曼光谱（SERS）以区分和分类不同胆汁酸物种的潜力	结合SERS与深度学习算法，成功识别了分子结构仅相差单个羟基的多种胆汁酸物种，即使在低分析物浓度下也表现出可靠性	NA	评估深度学习在SERS光谱中区分和分类结构相近的化学物种的能力	五种胆汁酸物种	机器学习	肠道微生物失衡	表面增强拉曼光谱（SERS）	CNN	光谱数据	NA	NA	卷积神经网络	NA	NA
37	2026-04-11	Deep learning approach to predict pain progression in knee osteoarthritis 2022-Feb, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-021-03773-0 PMID:33835240	研究论文	本研究开发并评估了深度学习模型，用于预测膝关节骨关节炎患者的疼痛进展	首次将深度学习应用于膝关节X光片分析，以预测疼痛进展，并开发了结合传统风险因素和深度学习分析的组合模型	研究为回顾性分析，且仅基于特定队列数据，可能无法完全推广到其他人群	预测膝关节骨关节炎患者的疼痛进展	膝关节骨关节炎患者或有患病风险的人群	数字病理学	骨关节炎	X光成像	深度学习, 人工神经网络	图像	9348个膝盖（来自4674名受试者），其中训练集4200个膝盖，测试集500个膝盖	NA	NA	AUC, 敏感性, 特异性	NA
38	2026-04-05	Artificial Intelligence Based on Machine Learning in Pharmacovigilance: A Scoping Review 2022-05, Drug safety IF:4.0Q1 DOI:10.1007/s40264-022-01176-1 PMID:35579812	综述	本文通过范围综述探讨了基于机器学习的人工智能在药物警戒领域的应用现状、与其他领域的差异以及改进机会	首次系统性地综述了2000年至2021年间机器学习在药物警戒中的应用，并识别了当前最佳实践和趋势	仅涵盖截至2021年9月的研究，可能未反映最新进展；依赖手动筛选，可能存在主观偏差	理解机器学习在药物警戒任务中的应用方式，并识别通过机器学习改进药物警戒的机会	2000年至2021年发表的关于机器学习在药物警戒中应用的393篇研究论文	机器学习	NA	机器学习	深度学习, 传统统计方法	文本, 结构化数据	7744篇摘要经筛选后纳入393篇论文	NA	NA	NA	NA
39	2026-04-04	Interinstitutional Portability of a Deep Learning Brain MRI Lesion Segmentation Algorithm 2022-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.2021200152 PMID:35146430	研究论文	本研究评估了深度学习脑部MRI病灶分割算法在不同机构间的可移植性，并探讨了多机构训练数据对性能损失缓解的效果	首次系统评估了脑部MRI病灶分割算法在跨机构应用时的性能变化，并发现添加少量具有异质病理特征的外部机构训练数据即可显著提升模型在新机构的性能	研究为回顾性设计，样本量相对有限，且仅涉及两个机构的数据，可能无法完全代表所有临床场景的多样性	评估脑部MRI病灶分割算法在不同机构间的可移植性，并探索提升跨机构性能的训练策略	脑部MRI图像中的病灶区域	医学影像分析	脑部疾病	脑部MRI成像	深度学习	医学影像（MRI）	训练集：293例患者（机构IN1）；测试集：51例患者（机构IN2）；额外训练数据：285例多机构脑肿瘤分割、198例IN2脑肿瘤分割、34例IN2多种脑部病理病灶分割	NA	三维U-Net	Dice系数，Spearman相关系数	NA
40	2026-04-01	PK-RNN-V E: A deep learning model approach to vancomycin therapeutic drug monitoring using electronic health record data 2022-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2022.104166 PMID:35985620	研究论文	本文提出了一种基于深度学习的万古霉素药代动力学预测模型（PK-RNN-V E），利用大规模电子健康记录数据进行治疗药物监测	利用大型电子健康记录数据集开发深度学习模型，能够处理实时稀疏和不规则观测数据，提供动态预测，相比传统贝叶斯模型具有更优性能	模型仅在特定患者群体（5,483名患者）中开发，可能未涵盖所有真实世界患者多样性	开发用于万古霉素治疗药物监测的深度学习药代动力学预测模型	万古霉素治疗患者	机器学习	NA	电子健康记录数据分析	RNN	电子健康记录数据	5,483名患者，55,336次万古霉素给药	NA	PK-RNN-V E	均方根误差	NA