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	2026-07-10	Accelerating antimicrobial peptide design: Leveraging deep learning for rapid discovery 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315477 PMID:39705302	研究论文	利用深度学习方法加速抗菌肽设计，实现快速发现高效抗菌肽	提出两种对比方法：一是基于预计算理化性质的机器学习分类，二是将肽特征转换为信号图像并使用深度学习神经网络，后者准确率达92.9%，显著提升预测效能	仅针对单一微生物（革兰氏阴性大肠杆菌）进行验证，对其他类型抗菌、抗病毒、抗癌肽的适用性需要进一步验证	克服传统实验方法限制，利用机器学习和深度学习预测抗菌肽功效，加速抗菌药物研发	1360条具有抗大肠杆菌活性的肽序列及其34种理化性质	机器学习	感染性疾病	理化性质分析	深度学习神经网络	信号图像（由肽序列理化性质转换）	1360条肽序列样本	NA	NA	准确率	NA
2	2026-07-10	A Reinforcement Learning (RL)-Motivated Simulation Framework for Evaluating Vancomycin Dosing Strategies 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726479	研究论文	提出一种基于强化学习的模拟框架，用于评估万古霉素给药策略	首次将强化学习与两室药代动力学模型结合，引入AUC奖励分数以转化临床指南为RL奖励	未明确说明样本量及临床验证结果，模拟环境与真实场景可能存在偏差	通过RL框架探索万古霉素在不同条件下的最佳给药策略	万古霉素给药策略的模拟评估	机器学习	感染性疾病	强化学习、深度学习	RNN	时间-浓度曲线数据	NA	PyTorch	PK-RNN-2CM	24小时AUC评估、RMSE	NA
3	2026-07-10	Preliminary exploration of deep learning-assisted recognition of superior labrum anterior and posterior lesions in shoulder MR arthrography 2024-01, International orthopaedics IF:2.0Q2 DOI:10.1007/s00264-023-05987-4 PMID:37726561	research paper	利用深度学习辅助识别肩关节MR关节造影中的上盂唇前后部损伤	首次探索深度学习在肩关节MR关节造影中辅助识别SLAP损伤，并与不同资历放射科医生进行比较	NA	评估深度学习模型SLAP-Net在识别SLAP损伤中的诊断性能	SLAP损伤患者	machine learning	肩关节损伤	MR关节造影	CNN	image	636例患者，其中514例用于训练和测试（数据集1），122例用于独立测试（数据集2）	NA	SLAP-Net	AUC, accuracy	NA
4	2026-07-09	Failure Modes of Time Series Interpretability Algorithms for Critical Care Applications and Potential Solutions 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726394	研究论文	系统分析时间序列可解释性算法在重症监护应用中失效的模式，并提出可学习的基于掩码的可解释性框架作为替代方案	首次系统研究梯度、遮挡和置换方法在动态预测任务中因时间依赖性和时间平滑性导致的失效模式，并支持可学习掩码框架融入时间连续性和标签一致性约束	未提供具体实验验证或在大型临床数据集上的评估结果，仅提出概念性替代方案	识别和解决常见可解释性算法在重症监护动态预测中的失效问题，提高模型解释的可靠性	深度学习模型在重症监护中的应用，特别是随时间演变的患者轨迹动态预测任务	机器学习	重症监护相关疾病	NA	可学习掩码模型	时间序列数据	NA	NA	NA	NA	NA
5	2026-07-09	HIBERT: A Hybrid Clustering BERT for Interpretable Opioid Overdose Risk Prediction 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726407	research paper	提出一种混合BERT模型HIBERT，结合深度聚类与Transformer，用于可解释的阿片类药物过量风险预测	采用多BERT架构处理不同类别的电子健康记录特征，并融合深度显著性聚类以生成具有临床意义的风险分层	NA	实现早期、可解释的阿片类药物过量风险预测	阿片类药物过量风险预测问题	machine learning	阿片类药物过量	深度学习	BERT	电子健康记录	Health Facts数据库中的样本	NA	BERT	NA	NA
6	2026-07-09	A Treatment Selection Model for Opioid Use Disorder Using Electronic Health Record and ZIP-Level Data 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726412	研究论文	利用电子健康记录和ZIP级别数据开发预测模型，指导阿片类药物使用障碍的治疗选择	首次将ZIP级别数据与电子健康记录结合，用于阿片类药物使用障碍的治疗反应预测，并比较了多种模型及数据融合方法	ZIP级别数据未能显著提升仅使用电子健康记录的模型性能，且模型一致推荐丁丙诺啡而非美沙酮，未来需探索不同建模方法及社会外部因素	开发预测模型以指导阿片类药物使用障碍的治疗选择，提高药物使用率	阿片类药物使用障碍患者的治疗反应	机器学习	阿片类药物使用障碍	NA	广义线性回归、随机森林、梯度提升机、深度学习模型	电子健康记录、ZIP级别数据	NA	NA	NA	NA	NA
7	2026-07-09	No Black Box Anymore: Demystifying Clinical Predictive Modeling with Temporal-Feature Cross Attention Mechanism 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726437	研究论文	提出时间-特征交叉注意力机制（TFCAM），用于临床预测建模，同时提升预测精度和可解释性	创新性地提出时间-特征交叉注意力机制，能够捕捉临床特征在时间维度上的动态交互，提供多层次可解释性，包括识别关键时间周期、特征重要性排序及跨时间特征影响量化	未明确说明，但可能涉及数据集规模有限（仅1,422例患者）和单病种验证（慢性肾病）	解决深度学习模型在临床预测任务中的“黑箱”问题，同时保持高预测性能	慢性肾病患者向终末期肾病的进展预测	机器学习	慢性肾病	NA	Temporal-Feature Cross Attention Mechanism (TFCAM)	临床特征时间序列数据	1,422名慢性肾病患者	NA	TFCAM	AUROC, F1分数	NA
8	2026-07-09	Predicting Chemotherapy-Related Symptom Deterioration Using Hybrid Deep Learning Architecture 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726450	研究论文	利用混合深度学习架构（CNN-LSTM）预测化疗患者症状恶化趋势，实现早期干预和预后改善	首次将CNN-LSTM混合架构应用于化疗症状恶化的时间序列预测，并探索最佳数据聚合间隔（5天）以处理高度不平衡数据	NA	预测化疗患者自我报告症状（身体和心理类别）的恶化，以支持实时临床决策	化疗患者的日常自我报告症状数据	自然语言处理	癌症	NA	CNN-LSTM混合模型	时间序列症状日志	NA	NA	CNN-LSTM	准确率, 精确率, 召回率, F1分数, AUC	NA
9	2026-07-09	Opportunistic Screening for Pancreatic Cancer using Computed Tomography Imaging and Radiology Reports 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726519	研究论文	利用深度学习融合模型整合CT影像和放射学报告预测胰腺导管腺癌风险	首次实现利用CT影像和放射学报告的深度学习融合模型进行胰腺癌机会性筛查和生存风险预测	未提及	利用深度学习融合模型预测胰腺导管腺癌风险，用于机会性筛查	胰腺导管腺癌患者	数字病理学、计算机视觉、自然语言处理	胰腺癌	CT成像、放射学报告	DeepSurv	CT影像、文本（放射学报告）	内部和外部数据集	NA	DeepSurv	C-index	NA
10	2026-07-07	Heteroscedastic Uncertainty Estimation Framework for Unsupervised Registration 2024, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72069-7_61 PMID:41960565	研究论文	提出了一种用于无监督图像配准的异方差不确定性估计框架，通过自适应降低高不确定性区域的影响来提升配准性能	提出协作训练策略和基于信噪比的图像保真度加权方案，能够处理医学图像中依赖于输入的异方差噪声分布	NA	解决无监督配准中均匀噪声假设导致的性能下降问题，实现更精确的位移估计	针对医学图像配准任务中的噪声分布异质性问题	计算机视觉	NA	NA	CNN	图像	NA	PyTorch	ResNet, U-Net	准确率, 均方误差, 信噪比	NA
11	2026-07-07	Overview of current applications and trends in artificial intelligence for cystoscopy and transurethral resection of bladder tumours 2024-01-01, Current opinion in urology IF:2.1Q2 DOI:10.1097/MOU.0000000000001135 PMID:37902120	综述	综述人工智能在膀胱镜检查和经尿道膀胱肿瘤切除术中的当前应用和趋势	总结了近一年半内膀胱镜深度学习数据集的丰富性，包括多种肿瘤类型图像以及人工智能在间质性膀胱炎诊断中的新应用	真实世界临床应用滞后	评估人工智能在膀胱镜检查和膀胱肿瘤切除术中的辅助诊断和治疗作用	膀胱肿瘤和间质性膀胱炎	计算机视觉	膀胱癌、间质性膀胱炎	NA	深度学习	图像	NA	NA	NA	NA	NA
12	2026-07-06	Efficient Prediction Model of mRNA End-to-End Distance and Conformation: Three-Dimensional RNA Illustration Program (TRIP) 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3766-1_13 PMID:38502487	研究论文	介绍了一种名为TRIP的计算机模拟模型，用于高效预测mRNA末端距和构象	提出了一种基于单链模型和单分子荧光原位杂交实验角度限制的快速高效预测模型，仅需最多三个输入即可获取输出，并实现RNA三维构象的粗略可视化	NA	开发一种快速高效的预测模型，用于预测长mRNA的末端距和三维构象	长mRNA分子	计算机模拟，生物信息学	NA	计算机模拟，单分子荧光原位杂交（smFISH）	单链模型	RNA序列及构象数据	NA	NA	NA	NA	NA
13	2026-07-05	O2 supplementation disambiguation in clinical narratives to support retrospective COVID-19 studies 2024-01-31, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02425-2 PMID:38297364	研究论文	针对临床叙事中补充氧气信息的消歧，以支持回顾性COVID-19研究	比较了从传统机器学习到深度学习多种模型，并用LIME解释模型决策，显示传统方法能以更低计算成本达到相近性能	未明确提及，但可能包括数据仅来自德语出院小结及样本规模有限	自动化分类COVID-19患者是否接受补充氧气，减轻医生手工审阅负担	COVID-19患者出院小结中的文本行	自然语言处理	COVID-19	NA	从传统机器学习到深度学习模型	文本	未提供具体数量，来自匿名化德语COVID-19患者出院小结	NA	NA	F-measure	NA
14	2026-07-05	Application of machine learning models on predicting the length of hospital stay in fragility fracture patients 2024-01-30, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02417-2 PMID:38291406	研究论文	应用机器学习模型预测脆性骨折患者住院时长	首次将机器学习技术应用于脆性骨折患者住院时长预测	样本量较小（8000例）	开发预测脆性骨折患者住院时长的机器学习模型，优化医疗资源配置	香港老年脆性骨折患者	机器学习	老年性疾病	NA	Wide & Deep学习、人工神经网络、梯度提升框架	表格数据	8000份患者记录	TensorFlow	Wide & Deep, 自定义人工神经网络	准确率, 精确率, AUC-ROC	NA
15	2026-07-05	Development of a generative deep learning model to improve epiretinal membrane detection in fundus photography 2024-01-26, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02431-4 PMID:38273286	研究论文	开发一种生成式深度学习模型，通过合成具有病理特征的彩色眼底照片来提高黄斑前膜检测性能	首次将StyleGAN2生成模型应用于黄斑前膜检测任务，通过合成逼真的黄斑前膜眼底照片来增强数据多样性，显著提升检测性能	NA	提高彩色眼底照片中黄斑前膜的检测准确率	黄斑前膜患者和健康对照的彩色眼底照片	计算机视觉	视网膜疾病	彩色眼底摄影	生成对抗网络	图像	302例黄斑前膜和1,250例健康对照的彩色眼底照片	NA	StyleGAN2, EfficientNetB0	受试者工作特征曲线下面积 (AUC)	NA
16	2026-07-05	Assessment of Protein-Protein Docking Models Using Deep Learning 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3985-6_10 PMID:38987469	综述文章	本文回顾了蛋白质对接模型评估方法的进展，特别关注了将深度学习应用于多种网络架构的最新发展	系统综述了深度学习在蛋白质对接模型评估中的最新应用，涵盖了多种网络架构的创新使用	未详细说明具体的数据集规模、模型性能指标或计算资源需求，缺乏定量比较分析	回顾蛋白质对接模型评估方法的进展，特别是深度学习技术的应用	蛋白质对接模型评估方法	机器学习	NA	蛋白质对接，深度学习	多种深度学习网络架构	蛋白质结构数据	NA	NA	多种网络架构	NA	NA
17	2026-07-05	Refinement of Docked Protein-Protein Complexes Using Repulsive Scaling Replica Exchange Simulations 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3985-6_15 PMID:38987474	研究论文	使用基于排斥缩放副本交换模拟的方法优化预测的蛋白质-蛋白质复合物结构	开发了一种改进的副本交换模拟方案，通过在不同副本中施加不同的排斥偏置来优化蛋白质复合物结构，同时实现真实自由能评分	未提及	提高预测的蛋白质-蛋白质复合物结构准确性和评分可靠性	蛋白质-蛋白质复合物	机器学习	NA	分子动力学模拟	NA	蛋白质结构数据	2个蛋白质复合物例子	NA	NA	NA	NA
18	2026-07-05	Exploiting the Role of Features for Antigens-Antibodies Interaction Site Prediction 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3985-6_16 PMID:38987475	研究论文	利用层次表示和图卷积网络预测抗体-抗原相互作用位点	采用混合方法HSS-PPI，结合层次蛋白质表示和图卷积网络，并评估不同特征集（特别是结构特征）对预测性能的影响	未明确提及，但可能受限于特征工程和模型泛化能力	预测抗体-抗原相互作用位点，以降低实验成本并辅助药物和疫苗设计	抗体-抗原蛋白质序列及其相互作用界面位点	机器学习	NA	NA	图卷积网络 (GCN)	蛋白质序列和结构特征数据	NA	NA	图卷积网络 (GCN)	标准评价指标（如准确率、精确率、召回率、F1分数、AUC等，具体未指明）	NA
19	2026-07-03	Deep Learning of Cancer Stem Cell Morphology 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3730-2_17 PMID:38478348	研究论文	利用深度学习识别癌症干细胞形态，并可视化AI学习过程以发现未知结构	首次使用AI图像识别技术自动识别癌症干细胞形态，无需先验图像标注知识，并通过深度学习过程可视化揭示未识别的结构	NA	构建能识别培养物和肿瘤组织中癌症干细胞形态的AI模型	癌症干细胞的形态特征	计算机视觉	癌症	NA	深度学习模型	图像	NA	NA	NA	NA	NA
20	2026-07-03	Prediction of LncRNA-protein Interactions Using Auto-Encoder, SE-ResNet Models and Transfer Learning 2024, MicroRNA (Shariqah, United Arab Emirates) DOI:10.2174/0122115366288068240322064431 PMID:38591194	研究论文	提出一种名为AR-LPI的深度学习框架，用于预测长链非编码RNA与蛋白质的相互作用	使用自编码器进行特征提取，结合SE-ResNet模型进行预测，并引入迁移学习处理小样本数据集	未提及具体局限性	提高LncRNA-蛋白质相互作用预测的准确性	长链非编码RNA与蛋白质的相互作用	机器学习	癌症, Prader-Willi综合征, 自闭症, 阿尔茨海默病, 软骨毛发发育不全, 听力损失	NA	自编码器, SE-ResNet	序列数据和二级结构特征	NA	NA	SE-ResNet	准确率, F值	NA