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
21	2025-07-17	Uncertainty-aware genomic deep learning with knowledge distillation 2024-Nov-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.13.623485 PMID:39605624	研究论文	介绍了一种名为DEGU的方法，通过集成学习和知识蒸馏提高深度神经网络在基因组学预测中的鲁棒性和可解释性	DEGU方法首次将集成学习和知识蒸馏结合，用于捕捉模型预测的平均值和变异性，同时估计数据不确定性	未明确提及具体局限性	提高深度神经网络在调控基因组学预测中的可靠性和可解释性	基因组学数据	机器学习	NA	深度神经网络	DNN	基因组数据	NA
22	2025-07-16	Predicting protein interactions of the kinase Lck critical to T cell modulation 2024-11-07, Structure (London, England : 1993) DOI:10.1016/j.str.2024.09.010 PMID:39368461	research paper	利用深度学习预测与T细胞调节关键激酶Lck相关的蛋白质相互作用	使用AF2Complex深度学习方法预测Lck的蛋白质相互作用，揭示了Lck与特定蛋白质如棕榈酰转移酶和CD45的新型相互作用机制	研究仅针对约1,000种免疫相关蛋白进行筛选，可能未涵盖所有潜在相互作用	探索T细胞调节中关键激酶Lck的蛋白质相互作用及其分子机制	非受体酪氨酸蛋白激酶Lck及其相互作用蛋白	生物信息学	免疫相关疾病	AF2Complex	深度学习	蛋白质序列和结构数据	约1,000种免疫相关蛋白
23	2025-07-13	Quantification of myocardial oxygen extraction fraction on noncontrast MRI enabled by deep learning 2024-Nov, Radiology advances DOI:10.1093/radadv/umae026 PMID:40641627	研究论文	开发了一种基于深度学习的非对比心血管磁共振(CMR)方法，用于体内心肌氧提取分数(mOEF)和心肌血容量(MBV)的量化	首次利用深度学习和非对比CMR技术实现mOEF和MBV的体内量化	样本量较小(20名健康志愿者和10名慢性心肌梗死患者)，且仅在3T MRI系统上验证	开发一种无需对比剂的心肌氧提取分数和血容量量化方法	健康志愿者和慢性心肌梗死患者	数字病理	心血管疾病	心血管磁共振(CMR)	UNet	MRI图像	20名健康志愿者和10名慢性心肌梗死患者
24	2025-07-12	The Current Application and Future Potential of Artificial Intelligence in Renal Cancer 2024-11, Urology IF:2.1Q2 DOI:10.1016/j.urology.2024.07.010 PMID:39029807	综述	本文综述了人工智能在肾癌评估、管理和预后预测中的应用现状及未来潜力	探讨了AI在肾癌研究中的多种应用，包括影像学、组织病理学和预后预测，并展望了AI在未来临床决策中的整合	仅基于PubMed数据库的文献进行叙述性综述，可能未涵盖所有相关研究	评估人工智能在肾癌领域的应用现状及未来潜力	肾癌的评估、管理和预后预测	数字病理学	肾癌	监督/无监督机器学习、深度学习、自然语言处理、神经网络、放射组学、病理组学	NA	影像学数据、组织病理学数据	72项临床相关且有影响的研究
25	2025-07-08	Performance of Risk Models for Antimicrobial Resistance in Adult Patients With Sepsis 2024-11-04, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.43658 PMID:39509131	研究论文	评估患者病例组合和当地耐药率对革兰阴性菌（GNB）败血症风险分层模型在不同医院间性能差异的影响	揭示了抗菌药物耐药性流行率而非患者病例组合是导致模型性能差异的主要原因	研究为回顾性队列设计，可能受数据完整性和准确性的限制	评估GNB败血症风险分层模型在不同医院间的性能差异及其影响因素	来自密苏里州和伊利诺伊州10家急症护理医院的39,893名成人败血症患者	医疗数据分析	败血症	深度学习模型	深度学习	临床数据	39,893名患者，共85,238次败血症发作事件
26	2025-07-04	Boosting the performance of molecular property prediction via graph-text alignment and multi-granularity representation enhancement 2024-11, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2024.108843 PMID:39173218	研究论文	本文提出了一种通过图-文本对齐和多粒度表示增强来提升分子属性预测性能的方法	通过对比损失和交叉注意力在嵌入空间中对齐和融合图与文本特征，并结合原子、功能基团和分子等多粒度信息增强分子表示	未明确提及具体局限性	提高分子属性预测的准确性	分子（以图或文本形式表示）	机器学习	NA	对比损失、交叉注意力	多模态深度学习模型	图数据、文本数据	未明确提及具体样本量
27	2025-07-04	A deep learning model for estimating sedation levels using heart rate variability and vital signs: a retrospective cross-sectional study at a center in South Korea 2024-Nov, Acute and critical care IF:1.7Q3 DOI:10.4266/acc.2024.01200 PMID:39600246	研究论文	本研究开发了一种基于心率变异性（HRV）参数和生命体征的深度学习模型，用于预测儿科患者的镇静水平	首次将HRV参数和生命体征结合深度学习模型用于儿科患者镇静水平的连续自动化监测	研究为单中心回顾性研究，需要多中心验证研究以确认广泛适用性	开发能够有效预测儿科患者镇静水平的自动化监测方法	儿科重症监护患者	数字病理	儿科重症	HRV分析	1D ResNet	心电图波形和生命体征数据	324名患者的4,193个特征集
28	2025-07-02	iGTP: Learning interpretable cellular embedding for inferring biological mechanisms underlying single-cell transcriptomics 2024-Nov-25, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.29.24305092 PMID:39649598	research paper	提出了一种名为iGTP的可解释生成转录程序框架，用于推断单细胞转录组学背后的生物学机制	iGTP框架能够建模转录程序空间和蛋白质-蛋白质相互作用的重要性，超越了其他深度学习和传统生物信息学方法	未明确提及具体局限性	开发一种可解释的深度学习框架，用于单细胞转录组数据的分析和生物学机制推断	单细胞转录组数据	生物信息学	NA	单细胞转录组学	Variational AutoEncoder, 图神经网络, 潜在扩散模型	基因表达数据	NA
29	2025-07-02	Uncovering the predictive and immunomodulatory potential of transient receptor potential melastatin family-related CCNE1 in pan-cancer 2024-Nov-18, Molecular cancer IF:27.7Q1 DOI:10.1186/s12943-024-02169-7 PMID:39551726	研究论文	本研究通过创建TRPM-Score并发现CCNE1作为生物标志物，探讨了TRPM家族在泛癌领域中的预测和免疫调节潜力	创建了TRPM-Score并发现CCNE1作为生物标志物，验证了其在免疫治疗预测和免疫调节中的作用	研究主要基于计算方法和体外实验，需要更多体内实验验证	探索TRPM家族在泛癌中的预测和免疫调节潜力	17种实体瘤和CCNE1基因	免疫肿瘤学	泛癌	机器学习和深度学习计算方法	NA	基因表达数据	17种实体瘤的数据
30	2025-06-29	Semi-Supervised Contrastive VAE for Disentanglement of Digital Pathology Images 2024-Nov, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72083-3_43 PMID:40556771	研究论文	提出了一种用于数字病理图像解缠的半监督对比VAE方法，以提高深度学习模型的可解释性	首次提出针对病理图像的解缠方法，包括级联解缠、新颖架构和重建分支等创新点	NA	提高肿瘤浸润淋巴细胞(TIL)检测深度学习模型的可解释性和泛化能力	数字病理图像	数字病理学	肿瘤	深度学习	VAE (变分自编码器)	图像	NA
31	2025-06-24	Utilizing retinal arteriole/venule ratio to estimate intracranial pressure 2024-11-08, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-06343-0 PMID:39514087	研究论文	本研究探讨了利用视网膜动静脉比率（A/V比率）结合眼内压（IOP）在神经重症监护病房（NICU）中无创估计颅内压（ICP）的可行性	首次在NICU环境中结合IOP使用视网膜A/V比率无创估计ICP，并验证了其与高ICP的显著负相关性	图像质量和诊断特异性存在挑战，样本量较小（15例），需更大规模的多中心研究验证	开发无创ICP监测方法以减少侵入性监测的风险	NICU中格拉斯哥昏迷评分≤8的成年患者	数字病理学	神经系统疾病	深度学习算法	混合效应线性回归模型	视频（眼底镜检查视频）	40例入组，15例纳入最终分析
32	2025-06-19	Precise Image-level Localization of Intracranial Hemorrhage on Head CT Scans with Deep Learning Models Trained on Study-level Labels 2024-11, Radiology. Artificial intelligence DOI:10.1148/ryai.230296 PMID:39194400	research paper	开发一种高度通用的弱监督模型，用于自动检测和定位图像级别的颅内出血（ICH），使用研究级别的标签	提出了一种基于注意力机制的双向LSTM网络模型，能够在研究级别标签上进行训练，实现高通用性和高阳性预测值的ICH检测	研究为回顾性研究，可能受到数据选择和标注偏差的影响	开发自动检测和定位颅内出血的深度学习模型，以提高诊断效率和准确性	非对比头部CT扫描图像	digital pathology	intracranial hemorrhage	deep learning	attention-based bidirectional LSTM, CNN	image	10,699非对比头部CT扫描（来自7,469名患者），外部测试集491例（178名女性）
33	2025-06-19	AI-integrated Screening to Replace Double Reading of Mammograms: A Population-wide Accuracy and Feasibility Study 2024-11, Radiology. Artificial intelligence DOI:10.1148/ryai.230529 PMID:39230423	研究论文	本研究探讨了深度学习AI在乳腺X光筛查中替代双读的可行性和准确性	比较了三种AI集成筛查方案与标准双读加仲裁的差异，发现AI替代部分或全部读者是可行的	研究为回顾性设计，AI阈值选择部分基于先前验证，可能影响结果普适性	评估AI在乳腺X光筛查工作流中不同部署位置的准确性和可行性	249402张来自代表性筛查人群的乳腺X光片	数字病理	乳腺癌	深度学习	CNN	医学影像	249402张乳腺X光片
34	2024-11-28	Watch Your Back! How Deep Learning Is Cracking the Real World of CT for Cervical Spine Fractures 2024-11, Radiology. Artificial intelligence DOI:10.1148/ryai.240604 PMID:39601670	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
35	2025-06-18	Artificial intelligence facial recognition of obstructive sleep apnea: a Bayesian meta-analysis 2024-11-30, Sleep & breathing = Schlaf & Atmung DOI:10.1007/s11325-024-03173-3 PMID:39614959	meta-analysis	该研究通过贝叶斯元分析评估了人工智能面部识别技术在阻塞性睡眠呼吸暂停（OSA）诊断中的准确性	利用人工智能分析颅面照片进行OSA诊断，提供了一种低成本且可及的筛查方法	研究仅包含6项研究，样本量相对较小（1,417名训练参与者/983名测试参与者）	评估人工智能通过颅面照片诊断OSA的准确性	成人（≥18岁）阻塞性睡眠呼吸暂停患者	人工智能	阻塞性睡眠呼吸暂停	人工智能面部识别	CNN	图像	1,417名训练参与者/983名测试参与者
36	2025-06-18	A deep learning approach to prediction of blood group antigens from genomic data 2024-11, Transfusion IF:2.5Q2 DOI:10.1111/trf.18013 PMID:39268576	研究论文	本研究利用深度学习技术，基于基因组数据预测血型抗原	首次将深度学习技术应用于基于廉价且可扩展的筛查阵列基因分型平台的血型预测模型	对于某些低频或高频抗原（如Cw）、小训练队列（如Cob）或遗传基础复杂的抗原（如RhD），模型准确率难以达到99%以上	开发基于基因组数据的血型抗原预测模型	111,000名丹麦和1,168名芬兰献血者的血型和基因型数据	机器学习	NA	筛查阵列基因分型平台	去噪自编码器+CNN	基因组数据	约112,168名献血者（丹麦111,000名，芬兰1,168名）
37	2025-06-18	Boosting Deep Learning for Interpretable Brain MRI Lesion Detection through the Integration of Radiology Report Information 2024-11, Radiology. Artificial intelligence DOI:10.1148/ryai.230520 PMID:39377669	research paper	该研究通过整合放射学报告中的文本特征，指导深度学习模型关注脑部MRI病变特征，以实现可解释的病变检测	提出了一种结合放射学报告文本特征的深度学习模型（ReportGuidedNet），显著提高了脑部病变检测的性能和可解释性	研究为回顾性设计，可能受到数据质量和报告一致性的限制	提高深度学习模型在脑部MRI病变检测中的性能和可解释性	脑部MRI扫描和对应的放射学报告	digital pathology	brain lesions	MRI	ReportGuidedNet, PlainNet	image, text	35,282份脑部MRI扫描用于训练、验证和内部测试，2,655份用于外部测试
38	2025-06-08	Time-Series Deep Learning and Conformal Prediction for Improved Sepsis Diagnosis in Non-ICU Hospitalized Patients 2024-Nov-22, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.21.24317716 PMID:39606323	研究论文	本文开发了一种针对非ICU环境优化的深度学习模型，结合保形预测框架，用于早期脓毒症诊断	采用保形预测框架处理不确定性，显著降低假阳性率，并在非ICU低监测频率环境中实现高精度预测	模型性能验证主要依赖MIMIC-IV和eICU-CRD数据集，需进一步临床前瞻性验证	改善非ICU住院患者的脓毒症早期诊断准确性	非ICU住院的脓毒症患者	机器学习	脓毒症	深度学习	DL模型（未明确具体架构）	临床时间序列数据	训练集83,813名患者（MIMIC-IV），验证集使用eICU-CRD数据集
39	2025-06-08	Chinese Clinical Named Entity Recognition With Segmentation Synonym Sentence Synthesis Mechanism: Algorithm Development and Validation 2024-11-21, JMIR medical informatics IF:3.1Q2 DOI:10.2196/60334 PMID:39622697	研究论文	本文提出了一种基于邻近词计算的临床命名实体识别数据集增强算法，以解决数据稀缺和标注困难的问题	提出了一种基于邻近词汇的分段同义句合成（SSSS）算法，无需手动扩展专业领域词典，通过词汇分段和重组实现数据集的邻近扩展表达	算法依赖于现有公共知识，可能无法覆盖所有专业领域的词汇	解决临床命名实体识别任务中的数据稀缺和标注困难问题	电子病历文本中的命名实体	自然语言处理	NA	RoBERTa, CRF, BiLSTM	SSSS + RoBERTa + CRF, SSSS + RoBERTa + BiLSTM + CRF	文本	CCKS-2017和CCKS-2019数据集
40	2025-06-08	Bidirectional Long Short-Term Memory-Based Detection of Adverse Drug Reaction Posts Using Korean Social Networking Services Data: Deep Learning Approaches 2024-11-20, JMIR medical informatics IF:3.1Q2 DOI:10.2196/45289 PMID:39565685	research paper	该研究利用韩国社交网络服务(SNS)数据，开发了一种基于双向长短期记忆(Bi-LSTM)的深度学习模型，用于分类药物不良反应(ADR)帖子	提出了一种利用韩国SNS数据开发Bi-LSTM模型的方法，用于自动监测药物不良反应，并验证了该模型在酮洛芬和醋氯芬酸两种药物上的分类效果	研究仅针对两种非甾体抗炎药进行验证，可能无法推广到其他药物类别	开发一种能够利用社交网络数据自动监测药物不良反应的深度学习模型	韩国社交网络服务(SNS)中关于酮洛芬和醋氯芬酸的帖子	natural language processing	NA	natural language processing, word2vec	Bi-LSTM	text	2005年至2020年NAVER上的博客帖子、咖啡馆帖子和问答帖子