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
421	2026-05-20	Artificial intelligence for triaging of breast cancer screening mammograms and workload reduction: A meta-analysis of a deep learning software 2024-09, Journal of medical screening IF:2.6Q2 DOI:10.1177/09691413231219952 PMID:38115810	meta-analysis	本研究通过系统综述和meta分析评估了基于深度学习的人工智能系统对乳腺癌筛查乳腺X线影像进行分诊的潜力，重点关注其对放射科医生工作量的减少效果	首次通过meta分析量化了AI分诊在乳腺癌筛查中减少约68.3%放射科工作量的同时保持93.1%高敏感性的效果，提供了基于商业DL算法的实际证据	仅纳入三种使用同一商业DL算法的研究，异质性较高（I²值大），且未深入分析AI实施过程的复杂性和异质性对实际应用的影响	评估基于AI的乳腺X线分诊能否在非劣效敏感性的前提下减少放射科医生工作量	乳腺癌筛查中的乳腺X线影像及放射科医生的工作流程	机器学习	乳腺癌	深度学习的计算机辅助分诊技术	深度学习	医学影像（乳腺X线影像）	三个纳入研究的156,852次检查	NA	NA	敏感性, 特异性, 工作量减少比例	NA
422	2026-05-20	Unsupervised motion artifact correction of turbo spin-echo MRI using deep image prior 2024-07, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30026 PMID:38282279	研究论文	提出了一种基于深度图像先验的无监督运动伪影校正方法，用于涡轮自旋回波MRI	利用神经网络参数化对运动伪影的高阻抗特性，提出无监督的深度学习校正框架，无需大型数据集训练	未提及具体局限性	开发无监督深度学习方法校正涡轮自旋回波MRI中的运动伪影	涡轮自旋回波MRI图像中的运动伪影	计算机视觉	NA	MRI	CNN	图像	14名受试者的280张切片	PyTorch	深度图像先验网络	结构相似性指数	NA
423	2026-05-19	A Multiscale Connected UNet for the Segmentation of Lung Cancer Cells in Pathology Sections Stained Using Rapid On-Site Cytopathological Evaluation 2024-09, The American journal of pathology DOI:10.1016/j.ajpath.2024.05.011 PMID:38897537	研究论文	提出一种基于深度学习的多尺度连接UNet（CUNet3+）网络模型，用于快速现场细胞病理学评估（ROSE）染色的病理切片中肺癌细胞簇的精确分割	通过CUNet3+网络模型减少过分割、降低网络参数、提高计算效率，在ROSE染色图像中准确识别肺癌细胞簇，优于经典分割算法	NA	提高支气管内超声引导下经支气管针吸活检术（EBUS-TBNA）术中诊断效率，实现实时患者评估	肺癌患者的ROSE染色病理切片中的细胞簇	数字病理学	肺癌	快速现场细胞病理学评估（ROSE）	卷积神经网络（CNN）	病理图像	NA	NA	CUNet3+	F1-score, 召回率, 精确率, 准确率, ROC曲线下面积	NA
424	2026-05-19	Deep Learning Classification and Quantification of Pejorative and Nonpejorative Architectures in Resected Hepatocellular Carcinoma from Digital Histopathologic Images 2024-09, The American journal of pathology DOI:10.1016/j.ajpath.2024.05.007 PMID:38879083	研究论文	利用深度学习对肝细胞癌数字病理图像中的不良与非不良组织架构进行分类和量化	首次构建基于ResNet34的监督深度学习算法，用于识别和量化微血管侵犯、低分化、不良巨梁架构和血管包裹肿瘤巢等不良组织架构，并验证其在外部队列的泛化能力	仅限于肝细胞癌的术后样本，且算法性能在外部验证中准确率略下降，仍需进一步优化以构建复合预测算法	识别术后复发高风险肝细胞癌患者，通过深度学习预测不良组织架构以替代微血管侵犯评估	肝细胞癌手术切除标本的整张切片图像	数字病理学	肝细胞癌	NA	CNN	图像	107例肝细胞癌患者的680张整张切片图像，外部验证组为29例肝细胞癌	PyTorch	ResNet34	准确率	NA
425	2026-05-19	Deep Learning for Grading Endometrial Cancer 2024-09, The American journal of pathology DOI:10.1016/j.ajpath.2024.05.003 PMID:38879079	研究论文	介绍EndoNet，利用卷积神经网络和视觉Transformer对子宫内膜癌全切片图像进行高低级别分类	结合卷积神经网络提取组织学特征与视觉Transformer聚合特征，实现无需人工标注的子宫内膜癌分级	需要进一步验证才能支持临床使用	开发深度学习模型自动分类子宫内膜癌的高级别和低级别	子宫内膜癌的苏木精-伊红染色全切片图像	数字病理学	子宫内膜癌	NA	卷积神经网络, 视觉Transformer	图像	929张全切片图像用于训练，内部测试110名患者，外部测试100名患者（来自TCGA数据库）	PyTorch（推测）	CNN, ViT	F1分数, AUC	NA
426	2026-05-19	AlphaFold predictions of fold-switched conformations are driven by structure memorization 2024-08-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51801-z PMID:39181864	研究论文	测试AlphaFold在预测折叠转换蛋白构象方面的能力，发现其预测能力较弱且部分成功源于结构记忆而非学习到的能量特性	首次系统评估AlphaFold对折叠转换蛋白的预测能力，揭示其通过记忆训练集结构而非学习物理能量学实现部分成功预测	AlphaFold对折叠转换蛋白的预测成功率仅35%，且主要限于训练集中存在的蛋白；对训练集外蛋白几乎完全失败；置信度指标无法区分高低能量构象；存在结构信息记忆和共进化约束错误分配问题	评估AlphaFold模型预测折叠转换蛋白（形成两种不同二级/三级结构区域）构象的能力及其机理	折叠转换蛋白（fold-switching proteins）	机器学习	NA	深度学习结构预测（AlphaFold2/3）	AlphaFold（深度神经网络）	蛋白质序列与结构数据	超过56万个模型（AF2和AF3的多种实现）	NA	AlphaFold2, AlphaFold3	成功率（35%）、置信度指标	NA
427	2026-05-19	Deconvolution of polygenic risk score in single cells unravels cellular and molecular heterogeneity of complex human diseases 2024-May-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.14.594252 PMID:38798507	研究论文	介绍scPRS，一个几何深度学习模型，通过单细胞染色质可及性数据构建单细胞层面多基因风险评分，用于复杂疾病预测和生物学发现	首次将多基因风险评分降维至单细胞层面，结合几何深度学习解析疾病细胞异质性和分子机制	未明确说明局限性，可能依赖于参考单细胞染色质数据质量及计算资源需求	开发单细胞分辨率的PRS方法，增强复杂疾病的遗传风险预测和生物学机制理解	2型糖尿病、肥厚性心肌病和阿尔茨海默病的单细胞数据	机器学习	2型糖尿病, 肥厚性心肌病, 阿尔茨海默病	单细胞ATAC测序, 多组学分析	几何深度学习模型	单细胞染色质可及性数据、多组学数据	NA	NA	scPRS	预测能力	NA
428	2026-05-19	Opportunities for Improving Glaucoma Clinical Trials via Deep Learning-Based Identification of Patients with Low Visual Field Variability 2024 May-Jun, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2024.01.005 PMID:38296108	研究论文	开发深度学习模型预测低视野变异性的青光眼患者，并评估其对神经保护试验样本量的影响	首次利用深度学习模型从单次基线临床访问数据预测低视野变异性，并证明其可显著减少临床试验所需样本量	未提及模型在实际临床试验中的验证，可能存在外部有效性限制	评估深度学习模型在识别低视野变异性患者中的作用，以及降低青光眼临床试验样本量的潜力	青光眼患者的视野变异性和临床试验样本量	医疗影像	青光眼	NA	深度学习模型	视野测量数据、OCT图像、临床数据	2817只眼（每位患者一只眼）	NA	NA	受试者工作特征曲线下面积（AUC）	NA
429	2026-05-19	LEARNING SPATIALLY-CONTINUOUS FIBER ORIENTATION FUNCTIONS 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635838 PMID:42148456	研究论文	提出一种名为FENRI的新方法，从低分辨率扩散加权图像中学习空间连续的纤维取向分布函数，以提升纤维追踪的准确性	首次提出学习空间连续纤维取向分布函数的方法，满足纤维追踪对连续场的需求，并引入新的模拟数据集用于评估基于学习的纤维追踪模型	未提及，可能包括对计算资源的要求或需要在临床数据上进一步验证	解决低分辨率扩散MRI中纤维追踪因插值方法导致精度不足的问题	人脑连接组中的神经通路纤维方向	机器学习	NA	扩散磁共振成像	神经网络	图像	NA	NA	FENRI	NA	NA
430	2026-05-19	Deep Learning Classification of Angle Closure based on Anterior Segment OCT 2024 Jan-Feb, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2023.06.011 PMID:37437884	研究论文	评估卷积神经网络模型在前段OCT图像中识别原发性闭角型疾病及其阶段分化的性能和泛化能力	首次利用深度学习模型在多中心、跨国数据上系统评估了前段OCT图像中闭角型疾病的自动分类性能，并验证了模型在不同人群间的泛化能力	模型在区分PACS与PAC+PACG时表现中等，泛化能力下降	评估CNN模型用于客观、高通量识别原发性闭角型疾病及其阶段分化	前段OCT图像中的原发性闭角型疾病（PACD）	计算机视觉	闭角型青光眼	OCT	CNN	图像	中国两个中心841只眼（170只对照，488只PACS，183只PAC+PACG）和新加坡测试集300只眼	NA	CNN	AUC, precision, recall	NA
431	2026-05-18	Advancements in microneedle fabrication techniques: artificial intelligence assisted 3D-printing technology 2024-06, Drug delivery and translational research IF:5.7Q1 DOI:10.1007/s13346-023-01510-9 PMID:38218999	综述	综述了人工智能辅助3D打印技术在微针制造中的应用，包括预测药物释放模式、质量控制及生物标志物水平预测，并讨论了物联网与机器学习集成的自主3D打印系统	系统探讨了人工智能（机器学习和深度学习）与3D打印技术在微针制造中的协同作用，特别是其在预测药物释放、质量控制和生物传感方面的应用潜力	未深入讨论实际应用中的挑战，如材料生物相容性、大规模生产的成本效益及临床转化障碍	总结人工智能在3D打印微针装置中的角色，包括预测药物释放模式、质量控制及生物标志物水平，并探讨自主3D打印和生物传感应用	基于微针的装置和人工智能工具（机器学习、深度学习、物联网）	机器学习	NA	3D打印	NA	NA	NA	NA	NA	NA	NA
432	2026-05-18	aiGeneR 1.0: An Artificial Intelligence Technique for the Revelation of Informative and Antibiotic Resistant Genes in Escherichia coli 2024-02-22, Frontiers in bioscience (Landmark edition) DOI:10.31083/j.fbl2902082 PMID:38420832	研究论文	提出了首个基于深度学习的人工智能系统aiGeneR，用于识别大肠杆菌中抗生素抗性基因	首次将深度学习模型应用于细菌抗生素抗性基因的检测和分类，提出了假设并验证了非线性深度学习模型优于机器学习模型	未在外部独立数据集或临床样本上进行验证，仅基于基因表达数据	利用深度学习技术从基因表达数据中检测和识别大肠杆菌的抗生素抗性基因	大肠杆菌中的抗生素抗性基因（如tetM）及相关通路和枢纽基因	机器学习	尿路感染	基因表达测序	深度学习模型	基因表达数据	NA	NA	NA	准确率, 精确率, 召回率, F1分数, AUC	NA
433	2025-05-03	The Updated Registry of Fast Myocardial Perfusion Imaging with Next-Generation SPECT (REFINE SPECT 2.0) 2024-11-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.268292 PMID:39362762	研究论文	介绍了更新后的REFINE SPECT 2.0注册表，包括更多患者和CT衰减校正成像的设计和初步结果	扩展了REFINE SPECT注册表，增加了CT衰减校正成像，并利用深度学习软件检测冠状动脉钙化	仅8.4%的患者有侵入性冠状动脉造影相关数据	评估SPECT心肌灌注成像的价值，验证新的人工智能工具在多模态成像中预测不良结局的效果	45,252名患者的心肌灌注成像数据	数字病理学	心血管疾病	SPECT, CT衰减校正成像, 深度学习	深度学习	图像	45,252名患者来自13个中心	NA	NA	NA	NA
434	2026-05-17	Artificial Intelligence Applications in Oral Cancer and Oral Dysplasia 2024-10, Tissue engineering. Part A DOI:10.1089/ten.TEA.2024.0096 PMID:39041628	综述	综述人工智能在口腔癌和口腔上皮不典型增生中的应用，旨在开发预测生物标志物	系统回顾了基于人工智能的方法，包括机器学习和深度学习，在预测口腔上皮不典型增生恶变、口腔癌患者死亡率和治疗反应方面的进展	NA	强调基于人工智能的方法在开发预测口腔上皮不典型增生向口腔癌转化或口腔癌患者死亡率和治疗反应预测生物标志物方面的进展	口腔鳞状细胞癌和口腔上皮不典型增生	数字病理学	口腔癌	多重免疫组化、表观基因组学	深度学习	图像	NA	NA	神经网络	NA	NA
435	2026-05-17	Research progress on prediction of RNA-protein binding sites in the past five years 2024-08, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115535 PMID:38643894	综述	综述过去五年中预测RNA-蛋白质结合位点的计算方法的进展	系统总结了2018-2023年间利用传统机器学习和深度学习的计算方法，包括数据库利用、特征选择与编码、分类算法创新和评估策略	现有计算方法存在局限性，未来发展方向有待探索	总结RNA-蛋白质结合位点预测的计算方法，探讨未来发展方向	RNA-蛋白质结合位点预测方法	机器学习	NA	传统机器学习、深度学习	CNN、LSTM	序列数据	NA	NA	DeepRKE, RDense, DeepDW	NA	NA
436	2026-05-17	MMDB: Multimodal dual-branch model for multi-functional bioactive peptide prediction 2024-07, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115491 PMID:38460901	研究论文	提出了一种新型多模态双分支轻量级深度学习模型，用于多功能生物活性肽预测	首次在不增加参数的情况下利用多尺度膨胀卷积提取肽序列特征，并设计了双分支结构分别捕获肽序列和结构特性的互补信息	未提及具体局限性	准确检测多功能的复杂和多样化生物活性肽	多功能生物活性肽	机器学习	NA	NA	深度学习	序列和结构数据	NA	NA	多尺度膨胀卷积, Bi-LSTM, 多层卷积	覆盖率, 精确度, 准确率	NA
437	2026-05-17	PhosAF: An integrated deep learning architecture for predicting protein phosphorylation sites with AlphaFold2 predicted structures 2024-07, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115510 PMID:38513769	研究论文	提出一种集成深度学习架构PhosAF，利用AlphaFold2预测的蛋白结构来预测人类蛋白磷酸化位点	首次将AlphaFold2预测的蛋白结构信息与序列信息集成用于磷酸化位点预测，并提出通过蛋白二级结构构建可靠负样本的新策略	NA	提高磷酸化位点预测的准确性，特别是通过利用蛋白空间结构信息	人类蛋白质磷酸化位点	机器学习	NA	NA	CNN, 多头注意力机制, 深度神经网络	蛋白质序列数据和结构数据	NA	PyTorch	CMA-Net, MFC-Net	精确率, 召回率, F1分数, AUC	NA
438	2026-05-16	Toward trustable use of machine learning models of variant effects in the clinic 2024-12-05, American journal of human genetics IF:8.1Q1 DOI:10.1016/j.ajhg.2024.10.011 PMID:39561772	研究论文	针对临床变异效应预测模型的信任度问题，提出核心原则与建议以提升模型在临床中的可靠性和影响力	针对ClinGen工作组提出的验证策略存在的局限性，首次提出克服这些局限的核心原则与建议，为未来更可靠和更具影响力的变异效应预测模型使用奠定基础	未提及具体定量评估结果或大规模验证，提出的原则和推荐尚未经过实际临床数据测试	提升机器学习变异效应预测模型在临床中的可信赖度和实用性	蛋白质编码基因中错义替换效应预测的机器学习模型	机器学习	遗传性疾病	深度学习	机器学习模型（未指定具体类型）	序列数据	NA	NA	NA	模型性能、适用范围、鲁棒性	NA
439	2026-05-16	Large-scale deep learning identifies the antiviral potential of PKI-179 and MTI-31 against coronaviruses 2024-11, Antiviral research IF:4.5Q1 DOI:10.1016/j.antiviral.2024.106012 PMID:39332537	研究论文	结合机器学习与体外验证，发现PKI-179和MTI-31对冠状病毒具有抗病毒潜力	利用多种技术克服SARS-CoV-2数据不足，实现深度神经网络的端到端训练，并通过体外测试验证两种PI3K-mTOR抑制剂对多种冠状病毒具有广谱抗病毒活性	未提及	通过机器学习加速发现潜在抗病毒化合物，提高药物研发效率	PKI-179和MTI-31化合物，SARS-CoV-2及其变异株，其他冠状病毒	机器学习	冠状病毒病(COVID-19)	NA	深度神经网络	生物医学测定数据	未明确样本数量，使用了多种生物医学测定数据补充	NA	NA	NA	NA
440	2026-05-16	Validation of an Artificial Intelligence-Based Prediction Model Using 5 External PET/CT Datasets of Diffuse Large B-Cell Lymphoma 2024-11-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.268191 PMID:39362767	研究论文	在5个独立临床试验中验证基于人工智能的深度学习模型对弥漫性大B细胞淋巴瘤的预后预测性能	在5个独立外部数据集上验证深度学习模型，无需肿瘤勾画即可预测治疗结果，且性能优于国际预后指数（IPI）	该模型在预后性能上低于基于影像组学的模型（如PET模型）	验证深度学习模型在弥漫性大B细胞淋巴瘤患者治疗结局预测中的有效性	弥漫性大B细胞淋巴瘤患者	机器学习	弥漫性大B细胞淋巴瘤	PET/CT	深度学习模型	图像（PET/CT最大强度投影）	1,132例患者（296例训练，836例外部验证）	NA	NA	AUC, Kaplan-Meier曲线	NA