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	2026-04-03	RETRACTED: An inherently interpretable deep learning model for local explanations using visual concepts 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311879 PMID:39466770	研究论文	本文提出了一种名为CA-SoftNet的双流深度学习模型，旨在通过视觉概念提供局部解释，以增强模型的可解释性	提出基于双过程理论的CA-SoftNet模型，结合浅层CNN和交叉注意力概念记忆网络，实现快速模式识别与透明逻辑推理，并开发了新的概念提取方法以生成与人类思维一致的概念化局部解释	未明确说明模型在更复杂或更大规模数据集上的泛化能力，以及概念提取方法可能仍受限于数据质量或标注偏差	开发一种可解释的深度学习模型，通过视觉概念提供局部解释，以解决深度学习模型的不透明性问题	深度学习模型的可解释性方法，特别是基于视觉概念的局部解释生成	计算机视觉	NA	深度学习	CNN, 交叉注意力网络	图像	CUB 200-2011、Stanford Cars、ISIC 2016和ISIC 2017数据集	NA	浅层卷积神经网络, 交叉注意力概念记忆网络	准确率	NA
2	2026-04-03	An attention-based deep learning method for right ventricular quantification using 2D echocardiography: Feasibility and accuracy 2024-01, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.15719 PMID:38126261	研究论文	本文提出了一种基于注意力机制的深度学习方法，用于通过2D超声心动图量化右心室，并以心脏磁共振成像为参考验证其可行性和准确性	首次将注意力机制（Transformer）应用于2D超声心动图的右心室量化任务，结合特征标记化模块，提高了预测精度	样本量较小（仅50名患者），且右心室大小和功能范围有限，需要更大规模队列验证	开发一种基于深度学习的右心室量化方法，以替代或辅助传统心脏磁共振成像	50名成年患者的2D超声心动图和心脏磁共振成像数据	医学影像分析	心血管疾病	2D超声心动图，心脏磁共振成像	Transformer	图像	50名患者（35名训练，5名验证，10名测试）	NA	Feature Tokenizer模块，Transformer层堆叠	R2，绝对百分比误差	NA
3	2026-04-01	Extracting Drug-Protein Relation from Literature Using Ensembles of Biomedical Transformers 2024-Jan-25, Studies in health technology and informatics DOI:10.3233/SHTI231043 PMID:38269887	研究论文	本文提出了一种基于生物医学Transformer模型集成的方法，用于从生物医学文献中自动提取药物与蛋白质之间的关系	利用在生物医学数据上预训练的深度学习Transformer模型构建集成方法，用于自动提取药物-蛋白质关系，并在大规模语料上验证了其有效性	未明确说明模型在特定药物或蛋白质类别上的性能差异，也未讨论计算资源消耗的具体情况	开发自动方法从生物医学文献中提取药物与蛋白质之间的实体关系，以构建最新的生物医学知识库	PubMed摘要中的药物/化学品与蛋白质实体	自然语言处理	NA	生物医学文献挖掘	Transformer	文本	主要语料库包含10,750篇摘要，大规模语料库包含240万篇文档	NA	生物医学Transformer模型（具体架构未指定）	F1-score, 微平均F1-score	NA
4	2026-04-01	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	本文开发了一个基于强化学习的模拟框架，用于评估万古霉素的给药策略	提出了结合深度学习药代动力学模型（PK-RNN-2CM）和AUC奖励分数的强化学习模拟框架，将临床指南转化为强化学习奖励	未明确说明模拟框架在真实临床环境中的验证程度	优化万古霉素给药策略，实现并维持治疗浓度范围	万古霉素给药策略	机器学习	NA	强化学习，深度学习，药代动力学模拟	RNN	患者特异性数据，模拟时间-浓度曲线	NA	NA	PK-RNN-2CM（两室药代动力学循环神经网络）	24小时AUC评估，RMSE（均方根误差）	NA
5	2026-03-31	An assessment of the value of deep neural networks in genetic risk prediction for surgically relevant outcomes 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294368 PMID:39008506	研究论文	本研究评估了深度神经网络在预测手术相关结局（如心房颤动、静脉血栓栓塞和肺炎）的遗传风险中的价值	结合深度神经网络、基因组学与已建立的临床预测因子，以改进手术风险预测	未明确说明模型在减少相关死亡率和发病率方面的实际效果	评估深度神经网络在预测手术相关结局遗传风险中的价值	UK Biobank中的手术患者数据	机器学习	心血管疾病	GWAS	线性模型, 深度神经网络	遗传数据, 临床特征数据	UK Biobank数据集	NA	NA	ROC-AUC, 精确度, 召回率	NA
6	2026-03-31	Validation of a Natural Language Machine Learning Model for Safety Literature Surveillance 2024-01, Drug safety IF:4.0Q1 DOI:10.1007/s40264-023-01367-4 PMID:37938539	研究论文	本研究验证了一种用于安全文献监测的自然语言机器学习模型，通过前瞻性验证比较其与人工监测团队在真实世界中的性能	采用深度学习算法自动化文献监测的初步尝试，并在良好药物警戒实践框架下进行前瞻性验证，关注模型召回率以降低安全信号漏报风险	深度学习算法引入独特风险，且模型在药物警戒实践中的验证仍是一个开放性问题，未来需进一步改进和社区协作	验证自动化深度学习方法在文献监测中的应用，以提升AstraZeneca公司的安全监测效率	安全文献监测中的文章筛选过程	自然语言处理	NA	自然语言处理	深度学习模型	文本	数千篇潜在相关文章	NA	NA	召回率	NA
7	2026-03-30	Discovery of novel TACE inhibitors using graph convolutional network, molecular docking, molecular dynamics simulation, and Biological evaluation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315245 PMID:39729480	研究论文	本研究采用集成深度学习模型结合传统药物筛选方法，从FDA批准药物库中筛选出新型TACE抑制剂，并通过分子对接、分子动力学模拟和生物学评估验证了Vorinostat的抑制潜力	首次将图卷积网络（GCN）模型应用于TACE抑制剂的虚拟筛选，并结合分子对接、动力学模拟和细胞实验进行多维度验证，成功将抗癌药物Vorinostat重新定位为潜在的抗炎靶点抑制剂	研究仅使用DUD-E数据库的参考数据集，可能未覆盖所有TACE相关化合物；生物学验证仅在RAW 264.7细胞系中进行，缺乏体内实验数据	开发一种基于深度学习的药物重定位方法，以发现针对TACE（TNF-α转换酶）的新型抑制剂	FDA批准药物库中的化合物，重点关注TACE（ADAM17）酶及其抑制剂	机器学习	类风湿关节炎	分子对接、分子动力学模拟、细胞生物学评估	图卷积网络（GCN）	分子结构数据（化学信息学特征）	DUD-E数据库中TACE特异性活性化合物和诱饵化合物数据集，以及FDA批准药物库	DeepChem, RDKit	GraphConvMol	NA	NA
8	2026-03-30	Using sequences of life-events to predict human lives 2024-01, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00573-5 PMID:38177491	研究论文	本文通过将人类生活事件序列类比为语言结构，利用自然语言处理技术预测人类生活轨迹，包括早期死亡率和个性特征等多样结果	首次将人类生活事件序列表示为类似语言的结构，并应用NLP技术进行生活轨迹预测，在多个预测任务上大幅超越现有最优模型	研究基于丹麦的登记数据集，可能受限于特定文化和社会制度，泛化性需进一步验证	探索人类生活事件的演变规律和可预测性，开发个性化干预的可能性	丹麦多年人口登记数据中的个体生活事件序列	自然语言处理	NA	自然语言处理技术，事件序列嵌入	深度学习模型	结构化事件序列数据	丹麦多年全国人口登记数据集	NA	NA	NA	NA
9	2026-03-30	Unbiased organism-agnostic and highly sensitive signal peptide predictor with deep protein language model 2024-01, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00576-2 PMID:38177492	研究论文	本文介绍了一种基于深度学习的新型信号肽预测方法USPNet，用于解决信号肽分类和切割位点预测问题	USPNet是一种无偏且不依赖物种信息的信号肽预测器，通过深度蛋白质语言模型处理极端数据不平衡问题，无需额外蛋白质组信息	NA	开发一种高灵敏度、无偏的信号肽预测工具，以改进信号肽的识别和发现	信号肽（SPs）及其在跨膜和分泌蛋白定位中的作用	自然语言处理	NA	深度学习，蛋白质语言模型	深度学习模型	原始氨基酸序列	NA	NA	USPNet	分类性能提升10%，序列一致性，模板建模分数	NA
10	2026-03-25	CHD-CXR: a de-identified publicly available dataset of chest x-ray for congenital heart disease 2024, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2024.1351965 PMID:38650917	研究论文	本文发布了一个用于先天性心脏病检测的公开去标识化胸部X射线数据集，并进行了初步模型验证	首次公开了一个针对儿童先天性心脏病、包含DICOM格式胸部X射线和心脏超声报告的高质量数据集，强调复杂结构特征，促进深度学习从机器学习向机器教学的转变	数据集样本量相对较小（828例），且仅针对儿童先天性心脏病，可能限制模型的泛化能力	通过构建公开医学影像数据集推动先天性心脏病的早期检测，特别是在医疗资源匮乏地区	儿童先天性心脏病患者的胸部X射线影像	计算机视觉	先天性心脏病	胸部X射线成像，心脏超声	深度学习模型	医学影像（DICOM格式胸部X射线）	828例儿童先天性心脏病患者的DICOM胸部X射线文件	NA	NA	ROC曲线下面积（AUC）	NA
11	2026-03-22	Deep learning-based patient stratification for prognostic enrichment of clinical dementia trials 2024, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcae445 PMID:39713242	研究论文	本研究利用深度学习对早期痴呆患者进行分层，以优化临床试验的预后富集	采用深度学习方法对痴呆患者的疾病轨迹进行聚类，识别出“慢速”和“快速”进展亚组，并开发机器学习模型从横断面数据预测进展亚组，以降低临床试验所需样本量和成本	研究样本量相对有限（283名早期痴呆患者），且模型预测性能（AUC 0.70）有待进一步提升	通过人工智能方法对痴呆患者进行分层，以优化临床试验设计并提高治疗发现效率	早期痴呆患者，包括认知和功能评分数据	机器学习	阿尔茨海默病	深度学习聚类，机器学习分类	深度学习，机器学习	认知和功能评分数据	283名早期痴呆患者（内部队列），2779名痴呆患者（外部验证队列）	NA	NA	AUC（受试者工作特征曲线下面积）	NA
12	2026-03-22	Automated pediatric brain tumor imaging assessment tool from CBTN: Enhancing suprasellar region inclusion and managing limited data with deep learning 2024 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae190 PMID:39717438	研究论文	本研究提出了一种基于深度学习的自动化工具，用于儿科脑肿瘤的颅骨剥离和肿瘤分割，特别关注鞍区/鞍上区域，并在有限数据场景下评估其性能	开发了能够处理鞍区/鞍上区域罕见肿瘤的颅骨剥离和肿瘤分割模型，并在多参数MRI输入和有限数据条件下展示了良好的泛化能力	肿瘤分割模型对于增强肿瘤区域的Dice分数相对较低（中位数约0.79），表明在复杂肿瘤区域的分割精度仍有提升空间，且研究依赖于特定儿科患者队列	开发并评估自动化儿科脑肿瘤成像评估工具，以改进颅骨剥离和肿瘤分割在临床有限数据环境下的应用	527名患有各种儿科脑肿瘤组织学类型的儿科患者的MRI扫描数据	数字病理学	儿科脑肿瘤	多参数MRI扫描	深度学习	图像	527名儿科患者（颅骨剥离模型使用336例，肿瘤分割模型使用489例）	nnU-Net	nnU-Net	Dice分数, 敏感性, 95% Hausdorff距离	NA
13	2026-03-21	Inter-rater reliability in labeling quality and pathological features of retinal OCT scans: A customized annotation software approach 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314707 PMID:39693322	研究论文	本研究分析了两位评审员在标注视网膜OCT扫描质量和常见病理特征时的一致性	开发了自定义标注软件来评估OCT扫描特征标注的评分者间可靠性	某些特征如SRF和高反射点的标注一致性较低	评估OCT扫描质量和病理特征标注的评分者间可靠性	500个来自CIRRUS HD-OCT 5000设备的视网膜OCT扫描	数字病理学	视网膜疾病	光学相干断层扫描	NA	图像	500个OCT扫描，每位患者眼睛由16个随机扫描表示	NA	NA	原始百分比一致性, Cohen's kappa系数	NA
14	2026-03-21	From cancer big data to treatment: Artificial intelligence in cancer research 2024-01, The journal of gene medicine IF:3.2Q2 DOI:10.1002/jgm.3629 PMID:37940369	综述	本文概述了癌症大数据，并探讨了传统机器学习和深度学习方法在癌症基因组学和蛋白质组学研究中的应用	探索了多模态人工智能框架在分析高维多组学数据中的应用，以提取难以手动获取的有意义信息	可解释性和数据质量仍然是关键挑战	推进对癌症生物学的理解，改善患者护理和临床结果	癌症大数据，包括临床研究、基因组学、蛋白质组学和公共卫生记录	机器学习	癌症	组学技术	传统机器学习，深度学习	多组学数据	NA	NA	NA	NA	NA
15	2026-03-20	Elevating Patient Care With Deep Learning: High-Resolution Cervical Auscultation Signals for Swallowing Kinematic Analysis in Nasogastric Tube Patients 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3497895 PMID:39698476	研究论文	本研究探讨了高分辨率颈部听诊信号在评估鼻胃管患者吞咽功能中的应用	将先前为非鼻胃管参与者设计的机器学习架构微调后应用于鼻胃管患者群体，以评估HRCA信号在吞咽功能分析中的效用	未明确提及样本量可能较小或数据收集的局限性	评估高分辨率颈部听诊信号在鼻胃管患者吞咽功能分析中的效用	使用鼻胃管的患者	数字病理学	吞咽功能障碍	高分辨率颈部听诊	卷积循环神经网络, 混合模型, 堆叠循环神经网络	振动和声学信号	NA	NA	卷积循环神经网络, 混合模型, 堆叠循环神经网络	预测准确率, 重叠率	NA
16	2026-03-19	Application of artificial intelligence for the classification of the clinical outcome and therapy in patients with viral infections: The case of COVID-19 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-230917 PMID:37840512	研究论文	本研究应用人工神经网络对COVID-19患者的临床严重程度进行分类，以支持诊断和治疗决策	创新点在于不仅分类疾病存在，还扩展至疾病严重程度（轻度、中度、重度）的分类，为患者分诊提供了关键的决策支持系统基础	NA	旨在通过人工智能技术增强对病毒感染者（特别是COVID-19）的诊断、预测和个性化治疗，改善临床结果	COVID-19患者，根据临床严重程度分为轻度、中度和重度三类	机器学习	COVID-19	深度学习	人工神经网络	临床数据	1000名在波斯尼亚和黑塞哥维那Tešanj总医院诊断和治疗的患者	NA	人工神经网络	准确率	NA
17	2026-03-19	Lung cancer detection based on computed tomography image using convolutional neural networks 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-230810 PMID:37955065	研究论文	本研究基于卷积神经网络（CNN）利用计算机断层扫描（CT）图像进行肺癌检测，旨在区分良性和恶性肺部病变	采用GoogLeNet架构的深度学习方法来最大化图像推断并最小化人工控制，在肺癌分类中实现了高准确率	研究为回顾性病例对照分析，可能存在选择偏倚，且未提及外部验证或泛化能力评估	通过深度学习方法和卷积神经网络对良性和恶性肺部病变进行分类，以辅助肺癌的早期诊断	肺部CT扫描图像，包括良性和恶性病变	计算机视觉	肺癌	计算机断层扫描（CT）	CNN	图像	4459张CT扫描（良性2242张，恶性2217张），其中训练集3567张，测试集892张	NA	GoogLeNet	准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值	NA
18	2026-03-17	Integrative computational analyses implicate regulatory genomic elements contributing to spina bifida 2024, Genetics in medicine open DOI:10.1016/j.gimo.2024.101894 PMID:39669613	研究论文	本研究通过整合计算分析，揭示了与脊柱裂相关的调控基因组元件及其在疾病遗传易感性中的作用	采用无靶向的全基因组方法结合深度学习优先排序框架，识别了脊柱裂中罕见的单核苷酸变异和拷贝数变异，特别是CCCTC结合因子结合位点的富集，并关联了功能通路	NA	描绘脊柱裂病理生理学背后的全基因组调控特征，以理解其遗传易感性	脊柱裂患者与健康对照的基因组数据	计算生物学	脊柱裂	全基因组测序，深度学习优先排序	深度学习框架	基因组序列数据	NA	NA	NA	NA	NA
19	2026-03-14	A neural speech decoding framework leveraging deep learning and speech synthesis 2024, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00824-8 PMID:41799923	研究论文	本文提出了一种基于深度学习的神经语音解码框架，用于从大脑皮层信号解码人类语音	开发了一种包含ECoG解码器和可微分语音合成器的新型框架，并引入了语音到语音自编码器以辅助训练	NA	开发脑机接口技术以恢复神经功能缺损患者的语音能力	48名参与者的皮层电信号	自然语言处理	神经功能缺损	皮层电图	深度学习	信号	48名参与者	NA	自编码器	相关性	NA
20	2026-03-13	Label-free SERS detection of prostate cancer based on multi-layer perceptron surrogate model method 2024-Jan-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2023.123407 PMID:37717486	研究论文	本研究利用多层感知器（MLP）简化前列腺癌患者血浆SERS样本的预处理过程，并提高SERS技术诊断的敏感性和特异性	采用PCA-MLP方法直接分析原始SERS数据，简化实验流程，同时保持高且稳定的分类准确率	未提及样本多样性或方法普适性的具体验证，可能局限于特定类型样本	简化前列腺癌SERS样本预处理，提升诊断准确率	前列腺癌患者与正常人群的血浆SERS样本	机器学习	前列腺癌	表面增强拉曼光谱（SERS）	多层感知器（MLP）	光谱数据	NA	NA	多层感知器（MLP）	分类准确率	NA