深度学习在生物医药领域中的应用

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
1	2025-07-26	Synthetic PET from CT improves diagnosis and prognosis for lung cancer: Proof of concept 2024-Mar-19, Cell reports. Medicine DOI:10.1016/j.xcrm.2024.101463 PMID:38471502	研究论文	本研究开发了一种条件生成对抗网络（cGAN）流程，能够从诊断性CT扫描生成FDG-PET图像，以改善肺癌的诊断和预后	利用深度学习技术从CT图像合成高保真PET图像，解决了PET成本高且不易获取的问题	研究仅基于多中心多模态肺癌数据集（n=1,478），样本量和多样性可能有限	探索通过深度学习从CT图像合成PET图像的可行性及其在肺癌诊断和预后中的临床价值	肺癌患者	数字病理学	肺癌	条件生成对抗网络（cGAN）	GAN	图像	1,478例多中心多模态肺癌数据集
2	2025-07-23	Generative Adversarial Networks Accurately Reconstruct Pan-Cancer Histology from Pathologic, Genomic, and Radiographic Latent Features 2024-Mar-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.22.586306 PMID:38585926	research paper	该研究开发了一种名为HistoXGAN的生成对抗网络，能够从病理、基因组和放射学潜在特征中准确重建泛癌组织学图像	提出并验证了HistoXGAN，能够利用常见特征提取器生成的特征向量重建代表性组织学图像，并展示了重建图像保留了肿瘤分级、组织学亚型和基因表达模式的信息	未提及具体样本量的限制或模型在其他数据集上的泛化能力	开发一种能够从多模态数据中重建肿瘤组织学图像的AI模型，以帮助理解深度学习模型所依赖的组织学特征	29种癌症亚型的组织学图像	digital pathology	pan-cancer	generative adversarial network	GAN	image	涉及29种癌症亚型（具体样本量未提及）
3	2025-07-23	Uncovering prostate cancer aggressiveness signal in T2-weighted MRI through a three-reference tissues normalization technique 2024-Mar, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5069 PMID:37990759	研究论文	开发了一种自动化方法用于前列腺T2加权MRI强度标准化，以提高前列腺癌侵袭性信号的检测	提出了一种基于深度学习的自动化三参考组织标准化技术，用于改善T2加权MRI在前列腺癌评估中的定量利用	研究样本量相对较小（训练集32例，独立测试集83例），且仅针对前列腺癌	开发前列腺T2加权MRI强度标准化方法，以提高前列腺癌检测和侵袭性评估的准确性	前列腺癌患者（训练集32例，测试集83例）的T2加权MRI图像	数字病理学	前列腺癌	T2加权MRI	MASK R-CNN	MRI图像	训练集32例患者，测试集83例患者（共231个活检ROI）
4	2025-07-23	Cancer Mutations Converge on a Collection of Protein Assemblies to Predict Resistance to Replication Stress 2024-Mar-01, Cancer discovery IF:29.7Q1 DOI:10.1158/2159-8290.CD-23-0641 PMID:38236062	研究论文	该研究开发了一个预测模型集合，用于阐明癌症突变如何影响对常见复制压力诱导药物的反应	利用深度学习的最新进展，实现了多药物预测和机制解释，并识别了41个分子组装体，这些组装体整合了数百个基因的改变以准确预测药物反应	分子通路对药物抗性的理解不完全	阐明癌症突变如何影响对复制压力诱导药物的反应，以推动精准医疗	肿瘤细胞和接受顺铂治疗的宫颈癌患者	机器学习	宫颈癌	深度学习	ensemble of predictive models	基因突变数据和药物反应数据	肿瘤细胞和宫颈癌患者样本
5	2025-07-22	Deep learning analysis of epicardial adipose tissue to predict cardiovascular risk in heavy smokers 2024-Mar-13, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00475-1 PMID:38480863	research paper	该研究利用深度学习自动量化心外膜脂肪组织，以预测重度吸烟者的心血管风险	首次在重度吸烟者中，通过深度学习自动量化心外膜脂肪组织，并证明其与全因和心血管死亡率的独立关联	研究仅基于非心电图同步、非对比低剂量胸部CT扫描，可能影响心外膜脂肪组织的精确量化	评估心外膜脂肪组织自动量化在重度吸烟者心血管风险分层中的预后价值	24,090名成年重度吸烟者	digital pathology	cardiovascular disease	深度学习算法	深度学习	image	24,090名成年重度吸烟者（59%男性；61±5岁）
6	2025-07-21	Topical hidden genome: discovering latent cancer mutational topics using a Bayesian multilevel context-learning approach 2024-Mar-27, Biometrics IF:1.4Q2 DOI:10.1093/biomtc/ujae030 PMID:38682463	研究论文	提出了一种基于贝叶斯多层次上下文学习的方法，用于发现潜在的癌症突变主题	利用计算语言学中的主题模型对突变上下文进行降维，产生可解释且去相关的元特征主题，并提出了一种高效的MCMC算法实现严格的贝叶斯推断	突变上下文的体积、相关性和不可解释性使得原则性统计推断不可行	推断癌症类型特异性超罕见体细胞突变	全基因组体细胞突变	机器学习	癌症	贝叶斯多层次上下文学习、主题模型、MCMC算法	多级多逻辑隐藏基因组模型	基因组数据	数千个肿瘤中的数千万个变异
7	2025-07-21	Magnetic Resonance Spectroscopy Spectral Registration Using Deep Learning 2024-03, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28868 PMID:37401726	研究论文	本文提出了一种基于卷积神经网络的磁共振波谱配准方法，用于同时校正单个体素的MEGA-PRESS MRS数据的频率和相位	首次将深度学习应用于磁共振波谱配准，提出了一种新的CNN-SR方法	研究主要基于模拟数据，真实数据样本量较小(101例)	开发一种高效的磁共振波谱配准方法	MEGA-PRESS MRS数据	医学影像分析	NA	MEGA-PRESS磁共振波谱	CNN	磁共振波谱数据	40,000个模拟数据集和101个真实数据集
8	2025-07-20	Distinct chemical environments in biomolecular condensates 2024-Mar, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-023-01432-0 PMID:37770698	research paper	该研究探讨了生物分子凝聚物中不同化学环境对分子选择性分布的影响	使用小分子探针和深度学习方法来预测和区分不同凝聚物的化学溶解特性	研究主要关注小分子探针，对于大分子或其他类型分子的适用性未明确说明	研究生物分子凝聚物中化学环境对分子选择性分布的机制	生物分子凝聚物和小分子探针	生物物理学	NA	小分子探针和深度学习	深度学习	化学和生物分子数据	未明确说明样本数量
9	2025-07-17	Comparison of Deep Learning Approaches for Conversion of International Classification of Diseases Codes to the Abbreviated Injury Scale 2024-Mar-22, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.06.24303847 PMID:38562696	研究论文	比较两种深度学习架构（FFNN和NMT）在从ICD代码预测损伤严重程度分类（ISS和ISS≥16）中的准确性	首次比较了FFNN和NMT在直接和间接转换ICD代码到AIS时的性能差异，并发现NMT在预测精确ISS分数时表现最佳	研究仅基于美国国家创伤数据库的数据，可能不适用于其他地区或数据集	开发一个从ICD代码预测损伤严重程度分类的系统，以替代耗时的手动AIS编码	创伤病例的ICD代码和AIS分类	自然语言处理	创伤	深度学习	FFNN, NMT	文本	训练和验证集2,031,793例（2017-2018年），测试集1,091,792例（2019年）
10	2025-07-16	Deep learning-based NT-proBNP prediction from the ECG for risk assessment in the community 2024-03-25, Clinical chemistry and laboratory medicine IF:3.8Q1 DOI:10.1515/cclm-2023-0743 PMID:37982681	research paper	该研究开发了一种基于深度学习的模型，通过心电图预测血清NT-proBNP水平，以识别心血管疾病风险个体	首次使用深度学习模型从心电图预测NT-proBNP水平，为心血管疾病风险筛查提供了一种高效方法	研究仅基于特定人群队列，可能无法完全推广到其他人群	开发一种高效的心血管疾病风险识别方法	社区人群的心电图数据和NT-proBNP水平	machine learning	cardiovascular disease	深度学习	CNN	ECG数据	HCHS队列8,253人，SHIP-START队列3,002人，SHIP-TREND队列3,819人
11	2025-07-16	Identification of Neural Crest and Neural Crest-Derived Cancer Cell Invasion and Migration Genes Using High-throughput Screening and Deep Attention Networks 2024-Mar-10, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.07.583913 PMID:38496683	研究论文	通过高通量筛选和深度注意力网络识别神经嵴及神经嵴来源的癌细胞侵袭和迁移基因	结合高通量siRNA筛选与深度学习注意力网络分析，快速筛选出对黑色素瘤细胞侵袭至关重要的基因子集	研究仅针对c8161黑色素瘤细胞和HT1080纤维肉瘤细胞，未涵盖其他癌症类型	识别神经嵴及神经嵴来源癌细胞侵袭和迁移的关键基因	神经嵴细胞、c8161黑色素瘤细胞、HT1080纤维肉瘤细胞	机器学习	黑色素瘤	高通量siRNA筛选、深度学习注意力网络分析	深度注意力网络	基因表达数据	45个基因面板中的14个基因在c8161黑色素瘤细胞中被验证
12	2025-07-11	Generative interpolation and restoration of images using deep learning for improved 3D tissue mapping 2024-Mar-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.07.583909 PMID:38496512	研究论文	本文提出了一种利用生成式AI模型进行3D图像空间插值和修复的方法，以提高生物图像数据集的分辨率、通量和质量	首次将原本用于时间插值的FILM生成式AI模型应用于多种3D图像类型的空间插值，并展示了其在修复组织损伤和减少拼接伪影方面的优势	未明确提及方法在极端低质量图像上的表现或计算资源需求	提高生物图像数据集的质量和分辨率，以改善3D组织成像	多种3D生物图像类型	计算机视觉	NA	FILM（帧间大运动插值）生成式AI模型	生成式AI	3D图像	多种成像模态（组织学、光片显微镜、MRI、连续切片透射电镜）、物种（人类、小鼠）、健康与病变组织（胰腺、肺、脑）
13	2025-07-11	The Transformative Potential of AI in Obstetrics and Gynaecology 2024-03, Journal of obstetrics and gynaecology Canada : JOGC = Journal d'obstetrique et gynecologie du Canada : JOGC IF:2.0Q2 DOI:10.1016/j.jogc.2023.102277 PMID:37951574	review	探讨人工智能在妇产科领域的应用潜力及其变革性影响	聚焦于AI在妊娠并发症预测、深度学习图像解析及大型语言模型智能健康助手三个方面的应用	未提及具体实施案例或数据支持	探索AI在妇产科的应用前景及伦理实施建议	妇产科医疗领域	machine learning	NA	deep learning, large language models	NA	image, text	NA
14	2025-07-10	Screening of Moyamoya Disease From Retinal Photographs: Development and Validation of Deep Learning Algorithms 2024-03, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.123.044026 PMID:38258570	研究论文	本研究开发了一种深度学习模型，利用视网膜照片辅助诊断和确定烟雾病（MMD）的阶段	首次利用视网膜照片和深度学习算法进行烟雾病的筛查和分期预测	样本量相对较小，且为回顾性研究	开发一种基于视网膜照片的烟雾病筛查和分期预测方法	烟雾病患者和健康参与者的视网膜照片	数字病理学	烟雾病	深度学习	ResNeXt50	图像	498张视网膜照片来自78名MMD患者，3835张照片来自1649名健康参与者
15	2025-07-08	Deep learning-based predictive classification of functional subpopulations of hematopoietic stem cells and multipotent progenitors 2024-03-13, Stem cell research & therapy IF:7.1Q1 DOI:10.1186/s13287-024-03682-8 PMID:38475857	研究论文	本研究探讨了利用深度学习技术基于形态学区分小鼠造血干细胞（HSCs）和多能祖细胞（MPPs）的可行性	首次在稳态条件下使用深度学习区分HSCs和MPPs，开发了能够可靠区分长期HSCs、短期HSCs和MPPs的三分类模型LSM，以及区分老年和年轻HSCs的二分类模型	研究仅基于小鼠细胞，未涉及人类细胞验证	开发基于深度学习的造血干细胞功能亚群分类方法	小鼠造血干细胞（HSCs）和多能祖细胞（MPPs）	数字病理学	NA	深度学习	CNN（根据上下文推测）	图像（DIC显微镜图像）	大量图像数据集（具体数量未说明）
16	2025-07-05	Artificial intelligence unravels interpretable malignancy grades of prostate cancer on histology images 2024-Mar-06, Npj imaging.. DOI:10.1038/s44303-023-00005-z PMID:40604230	研究论文	本文开发了一种基于人工智能的前列腺癌恶性程度分级系统，通过多机构国际数据集验证其优于现有的Gleason分级系统	提出了一种新的前列腺癌分级系统，利用AI技术开发出四个风险组别，独立且优于现有的五个等级组别，并能反映生化复发患者去势抵抗性前列腺癌的风险	研究依赖于根治性前列腺切除术患者的数据，可能不适用于其他治疗方式的患者	开发并验证一种基于AI的前列腺癌恶性程度分级系统，提高风险分层的准确性	2647名接受根治性前列腺切除术并有≥10年随访数据的前列腺癌患者	数字病理学	前列腺癌	深度学习	NA	组织学图像	2647名前列腺癌患者的多机构国际数据集
17	2025-07-03	In vivo identification of angle dysgenesis and its relation to genetic markers associated with glaucoma using artificial intelligence 2024-03-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_1456_23 PMID:38146977	research paper	使用深度学习预测前段光学相干断层扫描中的角度发育不良，并将其与已知青光眼基因突变相关联	首次使用深度学习模型客观识别角度发育不良，并验证其与特定青光眼基因突变的关联	样本量相对较小，且仅针对特定几种基因突变进行了验证	预测角度发育不良并探索其与青光眼基因突变的关系	前段光学相干断层扫描图像及青光眼患者基因数据	digital pathology	glaucoma	deep learning, AS-OCT	DL	image	800张AS-OCT图像（其中340张用于建模，393张用于基因验证）
18	2025-06-19	Three-dimensional assessments are necessary to determine the true, spatially-resolved composition of tissues 2024-Mar-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.04.569986 PMID:38106231	research paper	该研究应用深度学习平台CODA重建人类胰腺标本的三维微解剖结构，比较了二维和三维评估方法在组织成分分析中的差异	首次通过三维重建技术揭示二维组织切片在评估组织异质性方面的不足，并提出需要更多样本才能准确反映组织成分	研究仅针对胰腺组织，未验证其他器官的适用性	评估三维组织成像在准确分析正常和异常组织成分方面的必要性	人类胰腺切除标本（正常组织和癌组织）	digital pathology	pancreatic cancer	CODA深度学习平台，三维重建技术	deep learning	image	未明确说明具体样本数量，但涉及多个胰腺切除标本的二维全切片图像和三维重建厚切片
19	2025-06-19	Deep learning-based accurate diagnosis and quantitative evaluation of microvascular invasion in hepatocellular carcinoma on whole-slide histopathology images 2024-03, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.7104 PMID:38488408	research paper	开发了一种基于深度学习的模型，用于在肝细胞癌全切片组织病理学图像上准确诊断和定量评估微血管侵犯	提出的MVI-AIDM模型在独立外部验证集上准确率达到94.25%，显著高于病理学家的检测率，并能自动量化癌细胞数量和提供MVI的空间信息	研究依赖于特定医院和TCGA数据库的数据，可能限制了模型的泛化能力	提高微血管侵犯（MVI）诊断的效率和准确性	肝细胞癌（HCC）患者	digital pathology	liver cancer	H&E染色	deep-learning model	image	753名HCC患者的H&E染色切片，外加TCGA数据库中的358名患者作为外部验证集
20	2025-06-18	Machine learning predictions of T cell antigen specificity from intracellular calcium dynamics 2024-03-08, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adk2298 PMID:38446885	研究论文	利用机器学习从细胞内钙动态变化预测T细胞抗原特异性	首次将深度学习应用于基于钙波动信号的T细胞激活预测，为T细胞受体工程化治疗提供新的抗原特异性识别方法	钙波动信号在TCR激活后具有高度变异性，可能影响模型准确性	开发用于T细胞治疗的抗原特异性T细胞受体序列识别方法	T细胞（包括TCR转基因CD8 T细胞和多克隆T细胞）	机器学习	肿瘤	深度学习	深度学习模型（未指定具体架构）	钙离子动态信号数据	未明确说明样本数量（含TCR转基因CD8 T细胞和不同TCR的T细胞及多克隆T细胞）