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	2026-06-04	ATOMIC: a graph attention network for atopic dermatitis prediction using human gut microbiome 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1670993 PMID:41583462	研究论文	提出一种基于图注意力网络的模型ATOMIC，利用人类肠道微生物组预测特应性皮炎	首次将图注意力网络与微生物共表达网络结合，整合微生物基因组信息作为节点特征，增强了捕捉功能相关微生物模式的能力，并提供了可解释的注意力机制	研究样本量较小（99个样本），且仅聚焦于特应性皮炎，可能限制模型的泛化能力	开发可解释的深度学习模型，利用肠道微生物组预测特应性皮炎，并识别潜在生物标志物	特应性皮炎患者与健康对照的肠道微生物组样本	机器学习	特应性皮炎	NA	图注意力网络 (GAT)	肠道微生物组丰度数据	99个成年患者与健康对照的肠道微生物组样本	PyTorch	图注意力网络	AUROC, AUPRC	NA
2	2026-06-04	AI-driven transformation of precision medicine: a comprehensive narrative review of key application areas, emerging paradigms, and future directions 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1656603 PMID:41584179	综述	综合评述人工智能在精准医疗中推动范式转变的关键应用领域、新兴趋势和未来方向	全面分析AI如何重塑从传统诊疗向个性化健康管理生态的转变，并探讨共生AI等未来框架	证据基础不均衡、模型泛化性不足，以及数据隐私、算法公平性和可解释性等伦理问题	阐明AI驱动精准医疗转变的核心作用及未来发展方向	AI技术在精准医疗全价值链中的创新应用	机器学习	NA	深度学习, 机器学习, 自然语言处理	NA	多模态数据	NA	NA	NA	NA	NA
3	2026-06-04	A Review of Deep Learning Techniques for EEG-Based Emotion Recognition: Models, Methods, and Datasets 2025, F1000Research DOI:10.12688/f1000research.171170.2 PMID:41585461	综述	系统回顾了基于深度学习的脑电图情绪识别方法，涵盖模型、方法和数据集	遵循PRISMA指南进行系统综述，覆盖2020至2025年文献，评估公共数据集及其刺激程序和情感表征，以增强调查多样性	NA	提供深度学习在脑电图情绪识别中的应用综述，指导未来研究发展更可解释、可泛化且数据高效的识别系统	基于脑电图信号的深度学习情绪识别方法	机器学习，自然语言处理	NA	脑电图信号采集	深度学习模型，如卷积神经网络、循环神经网络等	脑电图信号	233篇文章	NA	NA	NA	NA
4	2026-06-04	Deep learning-based multimodal approach for non-invasive prediction and prognostic analysis of immune and angiogenic biomarkers in extrahepatic cholangiocarcinoma 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1658122 PMID:41607783	research paper	开发基于深度学习的多模态框架，整合MRI、临床和实验室数据，预测肝外胆管癌患者PD-L1和VEGF表达并进行预后分析	首次将深度学习特征、影像组学特征和临床-实验室特征通过重复注意机制整合，实现对肝外胆管癌免疫和血管生成生物标志物的无创预测	回顾性研究设计，样本量有限（96例），模型对PD-L1表达的预测性能中等（AUC=0.71），可能影响泛化能力	开发非侵入性方法预测肝外胆管癌患者的PD-L1和VEGF表达，并评估其预后价值	肝外胆管癌（eCCA）患者	digital pathology	extrahepatic cholangiocarcinoma	MRI成像	CNN	图像	96例患者的16050张原始MRI图像（11505张T1WI，2371张T2WI，2372张DWI）和1570张含肿瘤图像（990张T1WI，289张T2WI，291张DWI）	PyTorch	重复注意机制	AUC	NA
5	2026-06-04	Infectious disease prediction model based on optimized deep learning algorithm 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1703506 PMID:41613087	研究论文	提出一种基于遗传算法优化的GA-BiLSTM-ARIMA混合深度学习模型，用于传染病预测	通过遗传算法优化BiLSTM与ARIMA模型的混合策略，实现了对时间序列传染病数据的高精度预测，整合了不同模型的优势	NA	提高传染病时间序列预测的准确性，支持防控策略制定和早期预警	COVID-19疫情数据（日本病例数据）	机器学习	COVID-19	NA	ARIMA, BiLSTM, GA	时间序列数据	日本COVID-19病例数据（具体数量未提供）	NA	ARIMA, BiLSTM	均方根误差, 平均绝对误差, 平均绝对百分比误差, R方	NA
6	2026-06-04	Generative AI for Diagnostic Medical Imaging: A Review 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056369157250212095252 PMID:41731736	综述	全面分析生成式深度学习模型在诊断医学影像中的最新进展，涵盖架构、应用及独特贡献	设计了针对医学影像应用的多种流水线架构，包括增强型GAN配置（如多层ML-C-GAN和时间序列Temporal-GAN）以及专用AE-GAN混合模型（如Atten-AE和M3AE），结合注意力机制和语言编码实现文本-图像及图像-文本翻译	未明确讨论生成模型在临床部署中的验证不足、数据隐私问题及计算成本等实际限制	探索生成式深度学习模型在诊断医学影像中提升准确性、降低辐射暴露和改善数据处理能力的潜力	诊断医学影像中的生成对抗网络、自编码器、扩散模型及基于Transformer的模型	数字病理学	NA	GAN、自编码器、扩散模型、Transformer	GAN、自编码器、扩散模型、Transformer	医学图像	NA	NA	多层ML-C-GAN、时间序列Temporal-GAN、Atten-AE、M3AE	NA	NA
7	2026-06-03	Advancing neuro-ophthalmic diagnostics: a multimodal imaging approach integrating OCT angiography and AI-enhanced MRI for improved visual pathway analysis 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1690082 PMID:41939693	研究论文	提出一种多模态成像框架，整合OCT血管成像与AI增强MRI，用于改善视觉通路分析	提出NeuroGraphPath模型，将视觉通路表示为有向图，包含解剖定义的节点和参数化变换，并引入交叉流逆推策略实现双向推理，实现生物可解释的诊断	常规诊断工具（如MRI和OCT）受限于空间分辨率、跨模态整合和可解释性，尤其在压迫性神经病变、脱髓鞘疾病或不明原因视野缺损中导致诊断不确定性	开发一种整合OCT血管成像与AI增强MRI的多模态框架，提升神经眼科诊断的精确性和可解释性	视觉通路病变（包括压迫性神经病变、脱髓鞘疾病、不明原因视野缺损）	计算机视觉，自然语言处理	神经眼科疾病	OCT血管成像，MRI	NeuroGraphPath	图像	NA	NA	NeuroGraphPath	病变定位性能、不确定性感知推理、可解释性	NA
8	2026-06-02	Challenges and applications of artificial intelligence in infectious diseases and antimicrobial resistance 2025-Jan-07, npj antimicrobials and resistance DOI:10.1038/s44259-024-00068-x PMID:39843587	综述	本文综述了人工智能在传染病和抗菌药物耐药性领域的应用，包括诊断、治疗和药物发现	系统总结了AI在传染病控制中的当前应用及其潜在优势和创新点	未明确讨论AI在实际临床部署中的障碍和算法偏差问题	探讨人工智能在传染病诊断、治疗和药物发现中的挑战与应用	传染病和抗菌药物耐药性的诊断、治疗及药物发现过程	机器学习	传染病	NA	CNN, LSTM	图像、文本	NA	NA	NA	NA	NA
9	2026-05-31	Deep learning methods for protein function prediction 2025-01, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202300471 PMID:38996351	综述	综述近期深度学习在蛋白质功能预测中的进展，涵盖数据源和评估指标	深入总结该领域的重要进展，识别主要挑战并探讨未来方向	未提供具体实验或方法比较，仅依赖于现有文献分析	梳理深度学习在蛋白质功能预测中的现状并指引未来发展	蛋白质功能预测方法	机器学习	NA	NA	深度学习	序列、结构、相互作用数据	NA	NA	NA	评估指标	NA
10	2026-05-30	Utilizing Deep Learning to Identify Electron-Dense Deposits in Renal Biopsy Electron Microscopy Images 2025, American journal of nephrology IF:4.3Q1 DOI:10.1159/000546131 PMID:40388893	研究论文	利用深度学习自动分类肾活检电子显微镜图像中电子致密沉积物的位置	开发了一个基于ResNet18的深度学习平台，能够自动识别肾小球内电子致密沉积物的四种位置类型（系膜、上皮下、膜内、内皮下），并且其性能超过了经验丰富的综合肾病理学家，同时提供了一个网络平台供用户上传图像并获取预测概率	研究未明确提及局限性	开发一个基于深度学习的平台，用于自动分类肾活检电子显微镜图像中电子致密沉积物的位置，以提高效率和一致性	肾活检电子显微镜图像中的电子致密沉积物	计算机视觉, 数字病理学	肾脏疾病	电子显微镜	CNN	图像	4303张电子显微镜图像，来自1039例肾活检	PyTorch	ResNet18	AUC, 准确率, Cohen's Kappa	NA
11	2026-05-27	Effect of flipped classroom method on the reflection ability in nursing students in the professional ethics course; Solomon four-group design 2025-Jan-13, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-024-06556-y PMID:39806386	研究论文	探究翻转课堂教学方法对护理专业学生在职业道德课程中反思能力的影响	采用所罗门四组准实验设计，增强了实验的内部效度，较传统前后测对照设计更严谨	仅针对一所大学学生的样本，可能影响结果的外推性；未详细说明翻转课堂的具体实施细节	评估翻转课堂方法对护理学生反思能力的影响，以促进深度学习	护理专业学生	教育技术	NA	NA	NA	问卷数据	80名护理学生，分为四组	SPSS	NA	反思能力得分	NA
12	2026-05-27	A deep learning approach versus expert clinician panel in the classification of posterior circulation infarction 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103732 PMID:39826393	研究论文	利用深度学习模型（3D DenseNet）基于CTP图像对后循环梗死进行分类，并与临床专家团队的性能进行比较	首次将深度学习应用于后循环梗死的CTP图像分类，并系统对比了模型与多位临床专家的诊断性能	未在外部数据集验证，且模型仅采用固定输入组合，未探索全部CTP参数优化	开发并验证基于CTP的深度学习模型用于后循环梗死分类，评估其与临床专家诊断的差异	541名患者（123名POCI患者，418名非POCI患者），来自INSPIRE国际卒中灌注登记数据库	计算机视觉，数字病理学	脑卒中（后循环梗死）	CT灌注成像	3D DenseNet	CT灌注图像（包括NCCT和延迟时间图）	541名患者（POCI与非POCI比例为1:3）	NA	3D-Dense卷积网络	AUC，灵敏度，特异度，准确率，精确率	NA
13	2026-05-27	Artificial intelligence and machine learning heuristics for discovery of ncRNAs 2025, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2025.01.002 PMID:40543913	综述	研究人工智能和机器学习在非编码RNA发现中的应用	系统性地介绍了AI技术（包括机器学习和深度学习）在长链非编码RNA功能预测、疾病关联识别和蛋白质相互作用注释中的应用，并详细描述了深度学习的处理流程	主要聚焦于理论框架和方法论概述，未提供具体的定量性能比较或跨数据集验证结果	探讨AI技术在非编码RNA研究中的启发式方法，促进计算预测与实验验证的整合	长链非编码RNA（lncRNA）及其结合蛋白（lncRBP）	机器学习	NA	RNA-seq	LSTM, CNN, 基于Transformer的模型	文本	NA	NA	LSTM, CNN, Transformer	NA	NA
14	2026-05-27	Artificial intelligence in wearable biosensing: Enhancing data analysis and decision-making 2025, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2025.06.012 PMID:40921531	综述	探讨人工智能与可穿戴生物传感器的融合如何通过多模态大语言模型增强数据处理和实时决策能力	提出将多模态大语言模型与可穿戴生物传感器相结合，用于理解复杂健康语境并生成个性化健康建议	未讨论实际临床应用中的数据隐私、传感器准确性及模型可解释性等关键挑战	系统性分析机器学习和深度学习算法联合多模态大语言模型在可穿戴生物传感数据分析中的应用	可穿戴生物传感器收集的生理数据	机器学习	NA	NA	多模态大语言模型（MLLM）	生理数据	NA	NA	NA	NA	NA
15	2026-05-25	Deep learning based tractography with TractSeg in patients with hemispherotomy: Evaluation and refinement 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103738 PMID:39922027	研究论文	评估深度学习示踪术TractSeg在半球切开术患者中的表现并提出改进方法	首次记录TractSeg在严重异常数据中幻觉重建已手术断开纤维束的情况，并提出基于低秩张量近似的改进方法以提高数据保真度	推荐在临床应用时谨慎并进行人工质量控制	探索TractSeg在病理数据中的泛化极限并提出改进方案	接受半球切开术的癫痫患者和健康对照组	机器学习	癫痫	弥散磁共振成像示踪术	深度学习模型	图像	25名接受半球切开术的癫痫患者和25名健康对照	NA	TractSeg	NA	NA
16	2026-05-25	Boostering diagnosis of frontotemporal lobar degeneration with AI-driven neuroimaging - A systematic review and meta-analysis 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103757 PMID:39983552	系统综述和荟萃分析	评估基于神经影像特征的AI算法在额颞叶变性诊断和预测中的效能	首次对AI驱动的神经影像在FTLD诊断中的效能进行系统综述和荟萃分析，涵盖了多个疾病对比场景和多分类任务	较高类别分类（如5类和11类）的灵敏度较低，且研究局限于已发表的英文文献	评估神经影像特征为基础的人工智能算法对额颞叶变性的诊断和预测效能	额颞叶变性（FTLD）患者及其与健康对照、阿尔茨海默病、帕金森病、非典型帕金森综合征等的区分	计算机视觉, 机器学习	额颞叶变性, 阿尔茨海默病, 帕金森病, 非典型帕金森综合征	神经影像学	机器学习, 深度学习	图像	75篇文章共20601名受试者，包括8051名FTLD患者	NA	NA	灵敏度, 特异度	NA
17	2026-05-25	Multi-atlas multi-modality morphometry analysis of the South Texas Alzheimer's Disease Research Center postmortem repository 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103752 PMID:39987858	研究论文	报告了南德克萨斯阿尔茨海默病研究中心死后脑库的首个形态测量分析，结合多图谱与多模态MRI数据	首次利用该新脑库数据集进行形态测量分析，开发了针对死后MRI挑战的轻量级深度学习网络和MRI合成工具	死后扫描中区域脑体积测量具有挑战性，但可获取对性别和年龄差异敏感的稳健估计	开展死后脑库的多模态MRI形态测量分析，解决死后神经影像学挑战	南德克萨斯阿尔茨海默病研究中心死后脑库的200例脑捐赠和100例MRI扫描	机器学习	阿尔茨海默病	MRI	深度学习	图像	200例脑捐赠和100例MRI扫描	NA	轻量级深度网络	NA	NA
18	2026-05-23	Enhancer-driven cell type comparison reveals similarities between the mammalian and bird pallium 2025-01-02, Science (New York, N.Y.) DOI:10.1126/science.adp3957 PMID:39946451	研究论文	利用深度学习表征增强子代码，比较羊膜动物端脑细胞类型的相似性	提出了三种基于增强子代码的指标，用于跨物种比较细胞类型；生成了鸡端脑的单细胞多组学和空间分辨转录组数据	未明确说明局限性	比较羊膜动物（哺乳动物和鸟类）端脑细胞类型的相似性	羊膜动物的端脑细胞类型，包括非神经元、GABA能神经元和兴奋性神经元	机器学习	NA	单细胞多组学、空间分辨转录组学	深度学习模型	基因表达数据、增强子序列数据	鸡端脑的单细胞多组学和空间分辨转录组数据	NA	NA	NA	NA
19	2026-05-23	Imatinib adherence prediction using machine learning approach in patients with gastrointestinal stromal tumor 2025-Jan-01, Cancer IF:6.1Q1 DOI:10.1002/cncr.35548 PMID:39238433	研究论文	使用机器学习和深度学习技术预测胃肠间质瘤患者对伊马替尼的依从性	首次在真实世界中使用机器学习技术预测胃肠间质瘤患者伊马替尼不依从的相关因素	NA	调查胃肠间质瘤患者的伊马替尼依从率并开发基于机器学习和深度学习的预测模型	胃肠间质瘤患者的伊马替尼依从行为	机器学习	胃肠间质瘤	问卷调查	极限梯度提升、轻量级梯度提升机、分类提升、随机森林、支持向量机、人工神经网络、多层感知器、朴素贝叶斯、TabNet、Wide&Deep	问卷数据	397名胃肠间质瘤患者	NA	LGBM, XGBoost, CatBoost, RF, SVM, ANN, MLP, NaiveBayes, TabNet, Wide&Deep	F1分数	NA
20	2026-05-23	Researching public health datasets in the era of deep learning: a systematic literature review 2025 Jan-Mar, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582241307839 PMID:39794941	综述	对深度学习在公共卫生数据预测分析中的应用进行系统文献综述，识别挑战与趋势	系统梳理了2015年以来深度学习在公共卫生数据应用中的激增趋势，归纳了可解释AI、患者嵌入学习及多源数据融合等新兴方向	未提出标准化方法解决现有挑战，缺乏跨学科协作的具体指南	探索深度学习在公共卫生数据预测分析中的应用现状、挑战与发展趋势	公共卫生领域的多样化数据集	机器学习	公共卫生相关疾病（14类疾病类别）	NA	深度学习模型	公共卫生数据	2004篇文献	NA	NA	NA	NA