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	2025-07-16	Venomics AI: a computational exploration of global venoms for antibiotic discovery 2024-Dec-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.17.628923 PMID:39764027	研究论文	本研究利用机器学习和深度学习技术从全球毒液数据集中挖掘潜在的抗菌肽，以应对抗生素耐药性问题	首次将深度学习模型APEX应用于毒液衍生肽的抗菌活性预测，发现了386种结构功能新颖的抗菌肽候选物	实验验证阶段仅测试了58种候选肽中的53种，样本量相对有限	开发新型抗生素以解决日益严重的抗生素耐药性问题	毒液蛋白质及其衍生的加密肽(VEPs)	机器学习	细菌感染	深度学习	APEX(结合肽序列编码器和神经网络的深度学习模型)	蛋白质序列数据	16,123种毒液蛋白质生成的40,626,260个VEPs，其中58个进入实验验证
22	2025-07-16	ANTIPASTI: Interpretable prediction of antibody binding affinity exploiting normal modes and deep learning 2024-12-05, Structure (London, England : 1993) DOI:10.1016/j.str.2024.10.001 PMID:39461331	研究论文	提出了一种名为ANTIPASTI的卷积神经网络模型，用于预测抗体结合亲和力，并利用弹性网络模型生成的正常模式相关图作为输入	ANTIPASTI模型在预测抗体结合亲和力方面达到了最先进的性能，并且其学习到的表示具有可解释性，能够揭示针对相同抗原类型的抗体之间的结合模式相似性	NA	预测抗体结合亲和力，以增强对免疫反应的理解并改进抗体在研究和治疗工具中的应用	抗体-抗原结构	机器学习	NA	弹性网络模型	CNN	结构数据	NA
23	2025-07-16	GeoNet enables the accurate prediction of protein-ligand binding sites through interpretable geometric deep learning 2024-12-05, Structure (London, England : 1993) DOI:10.1016/j.str.2024.10.011 PMID:39488202	研究论文	GeoNet通过可解释的几何深度学习模型准确预测蛋白质-配体结合位点	引入无坐标几何表示来表征局部残基分布，并生成特征空间来描述局部交互生物物理环境，同时捕获残基空间分布和交互生物物理环境信息	未提及具体的数据集规模限制或模型泛化能力的局限性	准确预测DNA、RNA和蛋白质结合位点，以理解蛋白质在体内的功能	蛋白质结合残基	机器学习	NA	几何深度学习	GeoNet	蛋白质结构数据	NA
24	2025-07-12	Optimization-Based Image Reconstruction Regularized with Inter-Spectral Structural Similarity for Limited-Angle Dual-Energy Cone-Beam CT 2024-Dec-18, ArXiv PMID:39764397	研究论文	本文提出了一种基于优化和光谱间结构相似性正则化的图像重建方法，用于有限角度双能锥束CT成像	该方法无需X射线光谱测量或配对数据集进行模型训练，实现了准确的图像重建	研究仅使用了物理和数字体模进行评估，未涉及真实临床数据	促进快速低剂量双能锥束CT的临床应用	有限角度双能锥束CT图像重建	计算机视觉	NA	锥束CT	优化方法	CT图像	4个物理体模和3个数字体模
25	2025-07-11	Quantifying interpretation reproducibility in Vision Transformer models with TAVAC 2024-12-20, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abg0264 PMID:39705362	research paper	本文提出了一种名为TAVAC的度量标准，用于评估Vision Transformer模型在生物医学图像分类任务中的过拟合情况并量化解释的可重复性	引入TAVAC度量标准，通过比较训练和测试阶段的高注意力区域来评估ViT模型的过拟合情况，并量化解释的可重复性	研究主要依赖于有限的标注生物医学图像数据集，可能影响模型的泛化能力	提高Vision Transformer模型在生物医学图像分类任务中的解释可重复性和防止过拟合	生物医学图像，特别是乳腺癌组织学图像	digital pathology	breast cancer	Vision Transformer (ViT)	ViT	image	四个公共图像分类数据集和两个独立的乳腺癌组织学图像数据集
26	2025-07-08	International Validation of Echocardiographic AI Amyloid Detection Algorithm 2024-Dec-16, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.14.24319049 PMID:39763545	研究论文	本研究验证了一种基于计算机视觉的深度学习算法EchoNet-LVH在国际多中心数据中检测心脏淀粉样变性的性能	开发并验证了一种新型AI算法EchoNet-LVH，能够通过超声心动图视频准确检测心脏淀粉样变性，且在不同人群和设备中表现一致	研究为回顾性病例对照设计，需要在前瞻性研究中进一步验证其临床效用	验证AI算法在心脏淀粉样变性早期诊断中的性能	心脏淀粉样变性患者和对照组的超声心动图数据	计算机视觉	心血管疾病	深度学习	CNN（基于视频分析的深度学习算法）	超声心动图视频	多中心回顾性病例对照研究（具体样本量未明确说明）
27	2025-07-07	Geometric deep learning improves generalizability of MHC-bound peptide predictions 2024-Dec-19, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07292-1 PMID:39702482	research paper	该研究利用几何深度学习（GDL）改进MHC结合肽预测的泛化能力	采用基于结构的方法和几何深度学习，显著提高了对未见MHC等位基因的泛化能力，并引入自监督学习（3D-SSL）提升数据效率	概念验证研究，尚未大规模验证其在实际应用中的效果	提高MHC结合肽预测的准确性和泛化能力，以支持癌症免疫治疗	MHC分子与肽的相互作用	machine learning	tumor immunity	geometric deep learning (GDL), self-supervised learning (3D-SSL)	GDL	3D结构数据	未明确说明样本数量，但提及3D-SSL方法在未接触结合亲和力数据的情况下优于基于序列的方法（后者使用了约90倍的数据点）
28	2025-07-02	HIV-1 M group subtype classification using deep learning approach 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109218 PMID:39369547	研究论文	提出了一种基于深度学习的HIV-1 M群亚型分类方法HIV-1-M-SPBEnv，通过env基因序列实现高精度分类	首次使用深度学习方法进行HIV-1 M群亚型分类，并利用人工分子进化技术生成适合机器学习的合成数据集	NA	开发一种高精度的HIV-1 M群亚型分类方法	HIV-1 M群亚型	机器学习	HIV感染	人工分子进化技术	卷积自编码器（CNN）与全连接神经网络	DNA序列数据	NA
29	2025-06-26	COVID-19 IgG antibodies detection based on CNN-BiLSTM algorithm combined with fiber-optic dataset 2024-12, Journal of virological methods IF:2.2Q3 DOI:10.1016/j.jviromet.2024.115011 PMID:39154936	研究论文	本研究提出了一种结合CNN和Bi-LSTM的混合模型，用于基于光纤数据的COVID-19 IgG抗体检测	首次将CNN与Bi-LSTM结合用于COVID-19 IgG抗体检测，并引入全面的数据预处理流程	未提及样本量的具体数字和研究人群特征	开发高效准确的COVID-19自动化筛查工具	SARS-CoV-2免疫球蛋白G(IgG)抗体	机器学习	COVID-19	光纤数据	CNN-BiLSTM	光纤数据	NA
30	2025-06-23	A Deep Learning Approach for the Identification of the Molecular Subtypes of Pancreatic Ductal Adenocarcinoma Based on Whole Slide Pathology Images 2024-Dec, The American journal of pathology DOI:10.1016/j.ajpath.2024.08.006 PMID:39222907	research paper	使用深度学习模型基于常规H&E染色病理切片识别胰腺导管腺癌的分子亚型	首次利用深度学习从常规H&E染色病理切片中识别PDAC分子亚型，提供了一种成本效益高且快速的方法	样本量较小（97张TCGA切片和44例活检患者的110张切片），且外部验证队列的性能有所下降	开发一种快速、经济的PDAC分子亚型分类方法以改善临床治疗	胰腺导管腺癌（PDAC）的分子亚型	digital pathology	pancreatic cancer	深度学习	CNN（未明确说明但推断为卷积神经网络）	whole slide pathology images	97张TCGA手术切除样本切片 + 44例患者（110张）活检切片
31	2025-06-21	Calibration-free estimation of field dependent aberrations for single molecule localization microscopy across large fields of view 2024-Dec-11, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.11.627909 PMID:39713420	研究论文	本文提出了一种无需校准的方法，用于估计单分子定位显微镜在大视场中的场依赖性像差	引入基于模型的方法直接从单分子数据估计场依赖性像差，无需校准步骤，利用节点像差理论将场依赖性像差纳入全矢量PSF模型	NA	提高单分子定位显微镜在大视场中的定位精度和准确性	微管和核孔复合物的2D和3D定位数据	显微镜成像	NA	单分子定位显微镜(SMLM)	基于节点像差理论的PSF模型	2D和3D定位数据	视场范围达180 μm的微管和核孔复合物数据
32	2025-06-20	Predicting patients' sentiments about medications using artificial intelligence techniques 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83222-9 PMID:39738528	研究论文	本研究利用人工智能技术预测患者对药物的情感倾向	首次采用技术解释结果以提高可解释性和可理解性，并开发了深度集成模型DL_ENS	未提及具体样本量及数据集的局限性	开发AI模型以预测患者对药物的情感倾向，辅助临床医生开药	药物相关文本数据	自然语言处理	NA	Word2Vec算法、预训练词嵌入	ML和DL模型（包括CNN、LSTM等）及集成学习模型	文本	NA
33	2025-06-20	Descriptive overview of AI applications in x-ray imaging and radiotherapy 2024-12-27, Journal of radiological protection : official journal of the Society for Radiological Protection IF:1.4Q3 DOI:10.1088/1361-6498/ad9f71 PMID:39681008	综述	本文综述了人工智能在X射线成像和放射治疗中的应用及其对患者预后的改善	探讨了AI在优化放射剂量、提高放射治疗效果方面的创新方法，包括深度学习在CT重建和实时剂量估计中的应用	部分AI方法尚未准备好用于常规临床使用，主要由于验证挑战，如确保在不同患者群体和临床环境中的可靠性	研究人工智能在医学放射应用中的潜力和挑战	X射线成像和放射治疗中的AI应用	数字病理学	NA	深度学习	DL模型	图像	NA
34	2025-06-20	Cultivation strategies of English thinking ability in the environment of Internet of Things 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39515 PMID:39687130	研究论文	本研究旨在通过物联网环境和深度学习视角，设计LSNN推荐模型以解决英语思维培养不足的问题	在CNN基础上增加调整层设计LSNN模型，有效缓解数据稀疏性问题	实验数据稀疏性范围较窄（0.7-0.9），未测试更广泛场景	拓宽英语学习者视野并加强英语思维能力的培养	英语学习者	自然语言处理	NA	深度学习	LSNN（基于CNN改进）	文本数据	未明确说明样本数量
35	2025-06-13	Cardiovascular care with digital twin technology in the era of generative artificial intelligence 2024-Dec-01, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehae619 PMID:39322420	综述	本文综述了数字孪生技术在心血管医学中的应用及其未来潜力，特别是在生成式人工智能的推动下	探讨了数字孪生技术与生成式人工智能的结合，为心血管医学带来的动态和全面的个性化模拟	讨论了将数字孪生技术整合到个性化心血管护理中的个体和社会挑战及伦理考虑	总结数字孪生在心血管医学中的应用及其未来潜力	心血管医学中的数字孪生技术	数字病理学	心血管疾病	生成式人工智能	机器学习与生成模型	多模态数据	NA
36	2025-06-10	Other possible perspectives for solving the negative outcome penalty paradox in the application of artificial intelligence in clinical diagnostics 2024-12-23, Journal of medical ethics IF:3.3Q1 DOI:10.1136/jme-2024-109968 PMID:38871400	评论	本文探讨了人工智能在临床诊断中应用的负面结果惩罚悖论，并提出了三种可能的解决视角	提出了改变公众认知、重新设计临床实践流程和引入更多利益相关者三种新视角来解决负面结果惩罚悖论	未提及具体实施这些视角的技术或方法细节	探讨如何更有效地将人工智能整合到未来的临床实践中	人工智能在临床诊断中的应用	人工智能在医学中的应用	NA	NA	NA	NA	NA
37	2025-06-07	Toward trustable use of machine learning models of variant effects in the clinic 2024-Dec-05, American journal of human genetics IF:8.1Q1 DOI:10.1016/j.ajhg.2024.10.011 PMID:39561772	研究论文	本文探讨了如何在临床中可信地使用机器学习模型预测蛋白质编码基因中错义替换的影响	提出了克服现有模型验证和校准策略局限性的核心原则和建议，以实现更可靠和更有影响力的变异效应预测模型应用	现有模型验证和校准策略仍存在重要局限性	提高临床变异注释的可靠性和影响力，以指导诊断和治疗	蛋白质编码基因中的错义替换	机器学习	NA	深度学习	NA	序列数据	NA
38	2025-06-07	DeePathNet: A Transformer-Based Deep Learning Model Integrating Multiomic Data with Cancer Pathways 2024-12-01, Cancer research communications IF:2.0Q3 DOI:10.1158/2767-9764.CRC-24-0285 PMID:39530738	研究论文	DeePathNet是一种基于Transformer的深度学习模型，整合了多组学数据和癌症通路信息，用于改进癌症诊断和预后	DeePathNet首次将癌症特异性通路信息整合到多组学数据分析中，并采用基于Transformer的深度学习模型	NA	改进癌症诊断和预后预测	多组学数据和癌症通路	机器学习	癌症	多组学数据分析	Transformer	多组学数据	多个大型数据集（ProCan-DepMapSanger、Cancer Cell Line Encyclopedia、The Cancer Genome Atlas）
39	2025-06-06	Artificial Intelligence and Radiomics Applied to Prostate Cancer Bone Metastasis Imaging: A Review 2024-Dec, iRadiology DOI:10.1002/ird3.99 PMID:40453356	review	本文综述了人工智能和放射组学在前列腺癌骨转移影像分析中的应用	综合分析了放射组学、机器学习和深度学习在前列腺癌骨转移影像分析中的应用，并提出了未来研究方向	文献中缺乏对各种方法的详细分析和未来方向的深入探讨	探讨定量方法在前列腺癌骨转移影像分析中的应用及其临床意义	前列腺癌骨转移的影像数据	digital pathology	prostate cancer	radiomics, machine learning, deep learning	NA	image	NA
40	2025-06-04	A Deep Learning Approach for Accurate Discrimination Between Optic Disc Drusen and Papilledema on Fundus Photographs 2024-Dec-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002223 PMID:39090774	research paper	本研究开发了一种深度学习系统（DLS），用于在眼底照片上准确区分视盘玻璃疣（ODD）和颅内高压引起的视乳头水肿	首次开发了一个专用的深度学习系统，能够高精度区分ODD和视乳头水肿，包括埋藏型ODD与轻中度视乳头水肿的鉴别	研究为回顾性设计，且外部验证数据集规模相对较小	开发一个能准确区分ODD和视乳头水肿的深度学习系统	视盘玻璃疣（ODD）和颅内高压引起的视乳头水肿患者	digital pathology	ophthalmologic disease	deep learning	DLS (Deep Learning System)	image	4,508张眼底图像（来自2,180名患者），包括训练集3,230张视乳头水肿图像和857张ODD图像，外部测试集421张图像