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
201	2026-03-31	Leveraging Artificial Intelligence/Machine Learning Models to Identify Potential Palliative Care Beneficiaries: A Systematic Review 2025-01, Journal of gerontological nursing IF:1.1Q3 DOI:10.3928/00989134-20241210-01 PMID:39746126	系统综述	本文系统综述了人工智能和机器学习技术在安宁疗护领域的应用，重点关注用于识别慢性病和终末期患者中潜在安宁疗护服务受益者的模型	首次系统性地总结和评估了AI/ML模型在识别安宁疗护潜在受益者方面的应用现状与方法	纳入研究数量有限（仅5项），且研究间异质性较大，可能影响结论的普适性	评估人工智能和机器学习技术在识别安宁疗护服务潜在受益者方面的应用效果与前景	慢性病和终末期疾病患者	自然语言处理, 机器学习	老年疾病	NA	监督学习算法, 深度学习模型	NA	NA	NA	神经网络模型, 逻辑回归, 树模型	NA	NA
202	2026-03-30	Feasibility of deep learning-accelerated HASTE-FS for pancreatic cystic lesion surveillance: comparison with conventional HASTE and MRCP 2025-Nov-18, Abdominal radiology (New York) DOI:10.1007/s00261-025-05265-4 PMID:41251737	研究论文	本研究比较了深度学习加速的HASTE-FS序列与常规HASTE序列及MRCP在胰腺囊性病变检测、表征和监测中的性能	首次将深度学习重建技术应用于单次激发脂肪饱和T2加权序列（DL HASTE-FS），并系统评估其在胰腺囊性病变监测中替代传统MRCP的可行性	研究为回顾性设计，样本量相对较小（91例患者），且仅使用单一3T MRI设备，可能影响结果的普遍性	评估深度学习加速成像技术在胰腺囊性病变MRI监测中的应用价值	胰腺囊性病变患者	数字病理学	胰腺癌	MRI, MRCP, 深度学习重建	深度学习模型	医学影像	91例连续患者，其中70个预选索引PCL	NA	NA	Likert量表评分, 统计显著性p值	3T MRI设备
203	2026-03-30	RNA-ligand interaction scoring via data perturbation and augmentation modeling 2025-08, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00820-x PMID:40555786	研究论文	本文介绍了一种基于序列的深度学习框架RNAsmol，用于预测RNA与小分子之间的相互作用	结合数据扰动与增强、基于图的分子特征表示和基于注意力的特征融合模块，无需结构输入即可准确预测RNA-小分子结合	受限于已验证的RNA-小分子相互作用数据有限和已知RNA结构稀缺	开发数据驱动的深度学习模型以预测RNA与小分子的相互作用	RNA与小分子之间的相互作用	机器学习	NA	深度学习	深度学习框架	序列数据	NA	NA	基于注意力的特征融合模块	十倍交叉验证、未见评估、诱饵评估	NA
204	2026-03-30	Memory kernel minimization-based neural networks for discovering slow collective variables of biomolecular dynamics 2025-07, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00815-8 PMID:40495006	研究论文	本文提出了一种基于记忆核最小化的神经网络框架MEMnets，用于发现生物分子动力学中的慢集体变量	MEMnets基于积分广义主方程理论，通过编码非马尔可夫动力学到记忆核中，并最小化时间积分记忆核的上界来识别最优集体变量，克服了传统方法通常假设马尔可夫动力学的限制	未在摘要中明确提及	识别生物分子动力学中准确捕捉最慢时间尺度的集体变量，以理解蛋白质构象变化等生物过程	FIP35 WW结构域的折叠过程和细菌RNA聚合酶的钳口开放构象变化	机器学习	NA	深度学习	神经网络	生物分子动态数据	NA	NA	并行编码器网络	NA	NA
205	2026-03-30	Predicting adverse drug reactions for combination pharmacotherapy with cross-scale associative learning via attention modules 2025-07, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00816-7 PMID:40588546	研究论文	本研究提出了一种名为OrganADR的关联学习增强模型，用于在器官层面预测联合药物治疗的不良反应	提出了一种结合器官层面ADR信息、分子层面药物信息以及基于网络的生物医学知识的集成表示方法，并采用多可解释模块，能够从器官角度阐明与ADR相关的关键蛋白质-蛋白质相互作用	未在摘要中明确说明	开发一种可解释的计算方法，以准确预测联合药物治疗的不良反应，服务于临床用药管理、药物开发和精准医疗	联合药物治疗及其在器官层面引发的不良反应	机器学习	NA	NA	深度学习	生物医学知识、药物分子信息、器官层面ADR信息	涉及15个器官的评估	NA	OrganADR	NA	NA
206	2026-03-30	Evaluating and mitigating bias in AI-based medical text generation 2025-05, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00789-7 PMID:40269315	研究论文	本研究评估并缓解了基于AI的医疗文本生成中的偏见问题，提出了一种选择性优化算法以减少性能差异	首次在医疗文本生成领域系统研究公平性问题，并开发了一种针对弱势群体进行选择性优化的算法	未详细说明算法在不同医疗子领域的具体适用性限制	评估和缓解AI医疗文本生成系统中的偏见问题	基于深度学习的医疗文本生成系统	自然语言处理	NA	深度学习	深度学习模型	文本	NA	NA	NA	公平性指标	NA
207	2026-03-30	DNA data storage for biomedical images using HELIX 2025-05, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00793-x PMID:40360759	研究论文	本文提出了一种名为HELIX的基于DNA的生物医学图像存储系统，旨在解决生物医学图像大规模长期存储的需求	HELIX系统针对生物医学图像特性设计了专用压缩算法，并引入了无需索引的错误校正编码，同时结合深度学习进行图像修复，提高了存储密度和解码速度	仅通过体外实验存储了两幅时空基因组学图像进行验证，样本规模较小，未涉及更广泛的生物医学图像类型	开发适用于生物医学图像的DNA数据存储系统	生物医学图像，特别是时空基因组学图像	数字病理学	NA	DNA数据存储，深度测序	深度学习	图像	两幅时空基因组学图像	NA	NA	图像质量（97.20%），测序深度（7×覆盖度）	NA
208	2026-03-30	Comprehensive prediction and analysis of human protein essentiality based on a pretrained large language model 2025-03, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00733-1 PMID:39604646	研究论文	本研究开发了一个基于序列的深度学习模型PIC，通过微调预训练蛋白质语言模型，全面预测和分析人类蛋白质必需性	PIC模型不仅显著优于现有方法预测人类必需蛋白质，还能提供跨人类、细胞系和小鼠三个层次的全面预测结果，并定义了蛋白质必需性评分以量化人类蛋白质必需性	NA	开发计算模型以预测人类必需蛋白质，并量化蛋白质必需性	人类蛋白质，包括617,462个人类微蛋白质	自然语言处理	乳腺癌	深度学习，预训练蛋白质语言模型	深度学习模型	蛋白质序列	617,462个人类微蛋白质	NA	预训练蛋白质语言模型	NA	NA
209	2026-03-30	Leveraging pharmacovigilance data to predict population-scale toxicity profiles of checkpoint inhibitor immunotherapy 2025-03, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00748-8 PMID:39715829	研究论文	本研究提出了一种名为DySPred的动态图卷积网络深度学习框架，利用大规模真实世界药物警戒数据来预测免疫检查点抑制剂在人群水平的毒性谱	引入动态图卷积网络来映射和预测免疫检查点抑制剂的毒性谱，能够准确预测不同人口队列和癌症类型的毒性风险，并在小样本场景中表现出韧性，同时揭示毒性随时间变化的趋势	NA	预测免疫检查点抑制剂在人群水平的毒性谱，以支持主动毒性监测和及时调整治疗与干预策略	免疫检查点抑制剂疗法及其诱导的毒性	机器学习	癌症	药物警戒数据分析	动态图卷积网络	药物警戒数据	大规模真实世界数据	NA	动态图卷积网络	NA	NA
210	2026-03-29	Comparative Analysis of AI-based Quantification vs. Visual Rating of Enlarged Perivascular Spaces in the MESA Cohort 2025-Dec-15, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9129 PMID:41397892	研究论文	本研究比较了AI量化与视觉评分在评估扩大的血管周围空间（PVS）与血管风险因素及认知表现关联方面的效果	首次在MESA队列中系统比较AI自动量化与专家视觉评分在PVS研究中的敏感性，发现AI方法能检测到更多与血管风险因素和认知表现的关联	横断面研究设计无法确定因果关系，样本量相对有限（235名参与者），且仅基于单一队列	比较AI量化与视觉评分在识别PVS与血管风险因素及认知表现关联方面的差异	235名来自多民族动脉粥样硬化研究（MESA）的参与者，均接受脑部MRI检查	数字病理学	心血管疾病	脑部MRI（包括FLAIR序列）	深度学习算法	医学影像（MRI图像）	235名参与者（男性95人，女性140人；126人自报为黑人）	NA	NA	回归系数（β），95%置信区间（CI）	NA
211	2026-03-29	Consensus Molecular Subtypes (CMS) Classification: a progress towards Subtype-Driven treatments in colorectal cancer 2025-Nov-24, World journal of surgical oncology IF:2.5Q1 DOI:10.1186/s12957-025-04117-1 PMID:41276825	综述	本文综述了结直肠癌的共识分子亚型（CMS）分类，包括其预后预测价值、识别方法、与免疫治疗等个性化治疗的关联，以及临床应用中面临的挑战	系统总结了基于基因表达谱、免疫组化和深度学习图像模型的CMS分类方法，并探讨了单细胞测序等新兴技术如何解决肿瘤内异质性等临床采纳障碍	肿瘤内异质性和技术标准化不足阻碍了CMS分类的广泛临床应用	回顾CMS分类在结直肠癌预后预测和个性化治疗指导方面的进展与挑战	结直肠癌及其共识分子亚型（CMS1-4）	数字病理学	结直肠癌	基因表达谱分析, 免疫组化（IHC）, 单细胞RNA测序, 深度学习	深度学习模型	基因表达数据, 病理图像	NA	NA	NA	NA	NA
212	2026-03-29	Comparing innovative artificial intelligence algorithms to assess echocardiographic videos for clinical modeling 2025-11, The Journal of thoracic and cardiovascular surgery IF:4.9Q1 DOI:10.1016/j.jtcvs.2025.01.008 PMID:39842544	研究论文	本研究比较了多种动态深度学习算法，利用超声心动图视频开发预测模型，并评估样本量对性能指标的影响	在监督学习和半监督学习框架下，比较了3D CNN、视频视觉Transformer及混合CNN-LSTM模型在不同样本量下的性能，发现半监督学习模型使用未标记数据可达到与仅使用标记数据模型相当的性能	研究仅基于特定样本量（200、400、800视频数据集）进行评估，未涵盖更广泛或更小的样本规模，且模型性能可能受数据质量和标注一致性影响	开发并比较基于超声心动图视频的预测模型，优化样本量使用以提高性能	超声心动图视频数据	计算机视觉	心血管疾病	超声心动图成像	3D CNN, 视频视觉Transformer, CNN-LSTM混合模型	视频	200、400、800视频数据集	NA	ResNet3D, ResNet+LSTM	平均绝对误差, 均方根误差	NA
213	2026-03-29	Leveraging learned representations and multitask learning for lysine methylation site discovery 2025-Sep-21, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.27.672583 PMID:40950037	研究论文	本文提出了一种基于Transformer的深度学习模型MethylSight 2.0，用于预测赖氨酸甲基化位点，并通过质谱实验验证了其有效性	利用深度学习最新进展，首次将Transformer架构应用于赖氨酸甲基化位点预测，并结合多任务学习整合其他赖氨酸翻译后修饰信息，实现了最先进的预测精度	模型主要针对赖氨酸甲基化位点，对于非组蛋白底物的甲基化机制理解仍有限，且实验验证的样本规模相对较小	提高赖氨酸甲基化位点的预测准确性，以促进赖氨酸甲基组图谱的绘制和癌症药物靶点的识别	蛋白质中的赖氨酸甲基化位点，特别是非组蛋白底物	自然语言处理	癌症	质谱实验	Transformer	序列数据	NA	NA	Transformer	准确性	NA
214	2026-03-29	Multi-center evaluation of radiomics and deep learning to stratify malignancy risk of IPMNs 2025-May-30, Research square DOI:10.21203/rs.3.rs-6622868/v1 PMID:40502758	研究论文	本研究通过多中心评估，利用放射组学和深度学习技术对IPMNs的恶性风险进行分层	首次在IPMN的囊肿级别恶性风险分层中探索并融合了放射组学和深度学习特征，并在多中心队列中验证了其可行性	模型性能仍需提升才能独立应用于临床，且样本量相对有限	评估AI在预测IPMN异型增生等级方面的可行性，以改善诊断准确性并减少不必要的手术干预	IPMNs（胰腺导管内乳头状黏液性肿瘤）的囊肿	计算机视觉	胰腺癌	T2W MRI成像	深度学习模型	图像	359个T2W MRI图像，来自七个中心	NA	2D和3D放射组学模型、深度学习模型、放射组学-深度学习融合模型	AUC	NA
215	2026-03-28	Transformer and graph variational autoencoder to identify microenvironments: A deep learning protocol for spatial transcriptomics 2025-Dec-19, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2025.104206 PMID:41313684	研究论文	本文提出了一个结合Transformer和图变分自编码器的计算框架TG-ME，用于通过空间转录组学和形态学图像解析空间微环境	创新性地整合了Transformer和图变分自编码器，以深度学习方式识别健康、肿瘤和感染组织中的空间微环境	NA	开发一个深度学习协议，用于识别和分析空间转录组学数据中的微环境	空间转录组学和形态学图像数据	数字病理学	肿瘤	空间转录组学	Transformer, 图变分自编码器	空间转录组数据, 形态学图像	NA	NA	Transformer, 图变分自编码器	NA	NA
216	2026-03-28	Protocol to annotate and automate single-cell instance segmentation on stimulated Raman histology using deep learning 2025-Dec-19, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2025.104221 PMID:41317327	研究论文	本文提出了一种基于深度学习的协议，用于在刺激拉曼组织学图像上实现单细胞实例分割的标注和自动化	开发了ELUCIDATE网络标注工具和DetectSRH Python库，结合深度学习实现无标记SRH图像的单细胞空间分析	NA	实现神经外科术中获取的SRH图像的自动化细胞分割	刺激拉曼组织学图像中的细胞	数字病理学	NA	刺激拉曼组织学	深度学习模型	图像	NA	Python	NA	NA	NA
217	2026-03-28	A Scorpion Peptide Exerts Selective Anti-Leukemia Effects Through Disrupting Cell Membranes and Triggering Bax/Bcl-2-Related Apoptosis Pathway 2025-12-18, Biomolecules IF:4.8Q1 DOI:10.3390/biom15121751 PMID:41463404	研究论文	本研究利用深度学习模型预测并验证了一种蝎子肽Lpep3对白血病细胞的选择性抗白血病作用，通过破坏细胞膜并触发Bax/Bcl-2相关凋亡通路	结合AI计算模型快速筛选活性肽，并首次揭示Lpep3通过破坏细胞膜和诱导凋亡通路发挥选择性抗白血病效应	研究主要基于体外和动物模型，尚未进行人体临床试验，且具体作用机制细节需进一步探索	开发天然抗肿瘤药物，特别是针对白血病的治疗	白血病细胞（如MV-4-11）和小鼠模型	机器学习	白血病	深度学习模型预测，电子显微镜观察，台盼蓝染色，Calcein-AM/PI双染色，LDH和ATP释放检测，Western blotting，RT-qPCR	深度学习模型	肽序列数据，细胞实验数据	七种肽的预测验证，涉及白血病细胞系和小鼠模型	NA	NA	NA	NA
218	2026-03-28	Applications of artificial intelligence in abdominal imaging 2025-Dec, Abdominal radiology (New York) DOI:10.1007/s00261-025-04990-0 PMID:40418375	综述	本文综述了人工智能在腹部影像学中的应用，包括疾病检测、分类和个性化护理，并讨论了当前挑战与未来方向	强调了AI在腹部影像中通过深度学习和影像组学实现疾病检测与自动化的突破性应用，并提出了解决数据异质性和可解释性等挑战的未来策略	广泛采用受限于数据异质性、缺乏多中心验证、依赖回顾性单中心研究以及AI模型的“黑箱”性质，阻碍了可解释性和临床医生信任	探讨人工智能在腹部影像学中的潜在应用，以改善疾病检测、分类和个性化护理	腹部影像学中的疾病，如弥漫性肝实质疾病、局灶性肝病变、胰腺导管腺癌、肾肿瘤和肠道病变	计算机视觉	腹部疾病	深度学习，影像组学	NA	图像	NA	NA	NA	准确性	NA
219	2026-03-28	E2-regulated transcriptome complexity revealed by long-read direct RNA sequencing: from isoform discovery to truncated proteins 2025-12, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2025.2563860 PMID:40965441	研究论文	本研究利用纳米孔长读长直接RNA测序技术，揭示了雌激素调控的转录组复杂性，并发现了一种产生截短蛋白的TLE1内含子多聚腺苷酸化亚型及其在乳腺癌中的临床意义	首次结合纳米孔长读长直接RNA测序、3'端测序和深度学习蛋白建模，系统揭示了雌激素响应转录组的复杂性，并发现了一种具有功能的新型内含子多聚腺苷酸化mRNA亚型及其产生的截短蛋白	未明确说明样本的具体数量或实验重复次数，且功能验证主要基于体外实验	探索雌激素受体α阳性乳腺癌中雌激素调控的转录组复杂性和蛋白质水平影响	雌激素受体α阳性乳腺癌细胞及相关的转录组和蛋白质	生物信息学，计算生物学	乳腺癌	纳米孔长读长直接RNA测序，3'端测序，深度学习蛋白建模	深度学习模型	RNA测序数据，蛋白质结构数据	NA	NA	NA	NA	NA
220	2026-03-28	Serum-MiR-CanPred: deep learning framework for pan-cancer classification and miRNA-targeted drug discovery 2025-12, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2025.2577433 PMID:41168129	研究论文	本研究开发了一个名为Serum-MiR-CanPred的深度学习框架，用于基于血清miRNA表达数据的泛癌分类和miRNA靶向药物发现	首次整合可解释AI与分子建模，利用88个miRNA共识集实现高精度泛癌分类，并识别出hsa-miR-5100作为关键生物标志物，进而通过分子对接发现潜在治疗配体	研究依赖于GEO数据库的现有数据，外部验证数据集可能有限，且分子对接结果需进一步实验验证	开发非侵入性癌症早期诊断工具并探索miRNA靶向药物发现	12种癌症类型及健康对照的血清miRNA表达数据	机器学习	泛癌	血清miRNA表达分析	MLP	miRNA表达数据	20,271个样本	NA	多层感知机	AUC, 准确率	NA