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
481	2026-05-01	OrganoIDNet: a deep learning tool for identification of therapeutic effects in PDAC organoid-PBMC co-cultures from time-resolved imaging data 2025-Feb, Cellular oncology (Dordrecht, Netherlands) DOI:10.1007/s13402-024-00958-2 PMID:38805131	研究论文	提出OrganoIDNet深度学习工具，用于从时序成像数据中识别PDAC类器官与PBMC共培养的治疗效果	首次将深度学习应用于PDAC类器官与免疫细胞共培养的实时成像分析，能够区分类器官大小和健康状态，并纵向监测免疫治疗反应	NA	开发和验证基于深度学习的工具，用于实时监测PDAC类器官对化疗和免疫治疗的反应	小鼠和人源PDAC类器官、PBMCs共培养模型	数字病理学	胰腺导管腺癌（PDAC）	活细胞成像	深度学习	明场图像	小鼠和人源PDAC类器官样本	NA	OrganoIDNet	准确率、CellTiter-Glo终点增殖试验验证	NA
482	2026-05-01	AI Applications in Transfusion Medicine: Opportunities, Challenges, and Future Directions 2025, Acta haematologica IF:1.7Q3 DOI:10.1159/000546303 PMID:40349705	综述	探讨人工智能在输血医学中的应用，包括机器学习、深度学习、自然语言处理和预测分析，覆盖捐赠者管理、血液产品质量优化、输血需求预测和出血风险评估等	系统总结了AI在输血医学各个领域的潜在应用，强调其在提升运营效率、患者安全和资源分配方面的优势，并为未来精准医疗和负责任整合提供了方向	综述提及早期研究多为探索性，面临临床工作流变异性、算法透明度、公平获取以及数据隐私和偏差等伦理挑战	评估人工智能在输血医学中的整合机会、挑战和未来发展方向	输血医学中的AI驱动工具，包括机器学习、深度学习、自然语言处理和预测分析	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
483	2026-05-01	Deep Learning Applications in Lymphoma Imaging 2025, Acta haematologica IF:1.7Q3 DOI:10.1159/000547427 PMID:40659002	综述	综述了深度学习在淋巴瘤影像学中的应用，包括自动检测、分割和分类	首次系统总结深度学习在PET/CT、CT和MRI三种模态中淋巴瘤自动检测、分割和分类的应用现状	成像协议差异影响模型泛化性、依赖小型回顾性数据集、模型可解释性不足以及AI工具与临床工作流集成困难	探索深度学习在淋巴瘤影像学诊断与管理中的应用潜力和挑战	淋巴瘤患者的PET/CT、CT和MRI影像数据	计算机视觉	淋巴瘤	NA	深度学习模型（如卷积神经网络CNN等）	医学影像（PET/CT、CT、MRI）	小型回顾性数据集（未明确具体数量）	NA	NA	NA	NA
484	2026-05-01	A Cross-Modal Mutual Knowledge Distillation Framework for Alzheimer's Disease Diagnosis: Addressing Incomplete Modalities 2025, IEEE transactions on automation science and engineering : a publication of the IEEE Robotics and Automation Society IF:5.9Q1 DOI:10.1109/tase.2025.3556290 PMID:40893870	research paper	提出一种跨模态互知识蒸馏框架，用于处理不完整多模态数据以实现阿尔茨海默病的早期诊断	首次提出不完整跨模态互知识蒸馏方法，通过模态解缠教师模型和学生模型的双向知识迁移，有效利用多模态和单模态数据子队列	NA	开发能够应对实际临床中多模态数据缺失的深度学习框架，提升阿尔茨海默病早期诊断性能	阿尔茨海默病神经影像数据（MRI和PET模态）的不完整多模态子队列	computer vision	阿尔茨海默病	MRI, PET	CNN	image	阿尔茨海默病神经影像倡议数据集，具体样本量未提及	PyTorch	NA	NA	NA
485	2026-05-01	A two-stage deep learning prediction system for colon cancer microsatellite instability status using CT images 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1699430 PMID:41602410	研究论文	构建两阶段深度学习系统，使用CT图像预测结肠癌微卫星不稳定性状态	提出无需手动分割的两阶段深度学习系统，结合MSI-SAM分割模型和MSI状态诊断模型，实现自动预测	样本量较小（108例），仅包含增强CT扫描，需进一步验证泛化能力	开发基于CT图像的结肠癌微卫星不稳定性状态自动预测方法	结肠癌患者CT扫描图像及对应MSI状态（MSI-H和MSS）	计算机视觉	结肠癌	CT扫描	深度学习（两阶段：分割模型和诊断模型）	图像（CT扫描）	108例增强CT扫描（68例升结肠、14例横结肠、18例降结肠、8例乙状结肠；56例MSI-H和52例MSS）	NA	MSI-SAM（分割模型）和MSI状态诊断模型	DSC, IoU, AUC, 准确率(ACC), 灵敏度, 特异度	NA
486	2026-04-30	Critical review of the model description in 'Kurdish handwritten character recognition using deep learning techniques' 2025-12, Gene expression patterns : GEP IF:1.0Q4 DOI:10.1016/j.gep.2025.119399 PMID:40617480	评论	指出《使用深度学习技术的库尔德手写字符识别》一文中模型描述、类别标签和模型摘要中的不一致问题	NA	NA	揭示并纠正原文中模型架构描述、类别标签和摘要中的关键差异，以提升研究的透明性和可重复性	原文的模型架构描述、类别标签及模型摘要	机器学习	NA	NA	深度学习模型	文本（手写字符图像数据）	NA	NA	NA	NA	NA
487	2026-04-30	Quantitative analysis of chest CT with deep learning to assess the efficacy of tofacitinib in the treatment of anti-MDA5+ dermatomyositis 2025-12, Medicina clinica IF:2.6Q1 DOI:10.1016/j.medcli.2025.107206 PMID:41075323	研究论文	利用基于深度学习的胸部CT定量分析评估托法替尼治疗抗MDA5阳性皮肌炎的疗效	首次利用深度学习系统定量分析高分辨率CT评估托法替尼在抗MDA5+皮肌炎相关间质性肺病中的疗效	回顾性研究设计，样本量较小，未详细提及外部验证或模型泛化性	评估定量HRCT分析在判断抗MDA5+皮肌炎相关ILD病情及托法替尼疗效中的价值	抗MDA5阳性皮肌炎合并间质性肺病患者	数字病理学	肌炎相关间质性肺病	HRCT	深度学习模型	影像	70例患者（托法替尼组39例，非托法替尼组31例）	SPSS, R	未指定	3年生存率、全肺受累百分比、总病变体积减少量	NA
488	2026-04-30	Impact of synthetic data on training a deep learning model for lesion detection and classification in contrast-enhanced mammography 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22006 PMID:40302983	研究论文	研究在对比增强乳腺摄影中，使用合成数据训练深度学习模型对病灶检测和分类的影响	探索了使用模拟微钙化簇的合成数据增强深度学习模型在对比增强乳腺摄影中检测和分类病灶的性能，并展示了无真实数据时模型仍能检测恶性病变	合成数据添加虽提高了检测敏感性但降低了精确度，且集成深度学习与影像组学模型在外部验证集上表现更差，可能由于假阳性区域干扰	评估在训练中引入模拟微钙化簇的合成数据是否能提升对比增强乳腺摄影中病灶检测和分类模型的表现	对比增强乳腺摄影中的病灶（包括恶性病变和微钙化簇）	计算机视觉	乳腺癌	对比增强乳腺摄影	深度学习模型	图像	782例无病灶乳房患者的低能量图像用于合成数据生成，850例真实患者数据用于训练，212例内部验证，279例外部验证	NA	深度学习模型（具体架构未指定）	检测敏感性，精确度，受试者工作特征曲线下面积	NA
489	2026-04-30	Reliability of Whole-Liver Liver-Fat-Quantification Between Deep Learning-Accelerated and Standard Volumetric Interpolated Breath-hold Examination Dixon Sequences in a Prospective Oncology Cohort 2025-Oct-17, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001242 PMID:41105601	研究论文	评估深度学习加速T1加权VIBE Dixon序列与标准序列在肝脏脂肪定量中的可靠性	首次在肿瘤患者队列中验证深度学习加速MRI序列在肝脏脂肪定量中的准确性，实现扫描时间缩短60%以上而保持高一致性	单中心研究、样本量较小（60例）、仅评估低脂肪分数范围、未纳入高脂肪分数患者	评估深度学习加速T1加权VIBE Dixon序列对肝脏脂肪信号分数（FSF）定量的影响	接受临床指征腹部MRI的肿瘤患者	机器学习	肿瘤疾病	深度学习重建MRI	深度学习	图像	60例患者（平均年龄63.7岁，55%女性）	NA	NA	Spearman相关系数、平均绝对误差	NA
490	2026-04-30	Automated Field of View Prescription for Whole-body Magnetic Resonance Imaging Using Deep Learning Based Body Region Segmentations 2025-Sep-16, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001236 PMID:40955705	research paper	利用深度学习进行全身磁共振成像自动视野规划	首次基于深度学习三维解剖分割实现全身磁共振成像多站视野自动规划，达到专家水平	脊柱分割精度相对较低（Dice系数0.63），且研究为单中心回顾性设计	开发并验证用于全身MRI的自动多站视野规划系统以减少手动操作变异性	行全身MRI检查的374例患者（内部队列）和10例外部验证患者	computer vision	其他	MRI	nnUNet	image	374例内部患者（50.5±18.2岁，52%女性）和10例外部患者	NA	nnUNet-v2	Dice系数、精确率、召回率、特异度	NA
491	2026-04-30	From Support Vector Machines to Neural Networks: Advancing Automated Velopharyngeal Dysfunction Detection in Patients With Cleft Palate 2025-09-01, Annals of plastic surgery IF:1.4Q3 DOI:10.1097/SAP.0000000000004460 PMID:40911835	研究论文	本研究开发了一种基于神经网络的深度学习模型，用于自动检测腭裂术后患者的腭咽功能障碍	首次利用自监督深度学习模型从语音样本中自动检测腭咽功能障碍，并探索在中低收入国家推广的可能性	模型可能捕捉到混杂数据，影响检测准确性；需要进一步解决多语言语音分析问题	利用人工智能和机器学习自动检测腭咽功能障碍，以扩大中低收入国家的护理覆盖	腭裂术后患者及对照组的语音样本	机器学习	腭咽功能障碍	语音数据处理	神经网络	音频数据	60名患者（30名对照组，30名腭裂术后腭咽功能障碍患者），约8000个音频样本	NA	神经网络	准确率、精确率、召回率、F1分数	NA
492	2026-04-30	Longitudinal methods for Alzheimer's cognitive status prediction with deep learning 2025-Sep, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.70488 PMID:40994414	研究论文	利用深度学习开发新方法，预测阿尔茨海默病认知状态，跨度从3到10年	提出分离归一化基线特征与基线偏差的新建模技术，以及基于线性注意力的新插值方法	即使预测经3至10年验证最终发展为阿尔茨海默病的遗忘型轻度认知障碍仍具挑战性	扩展阿尔茨海默病认知状态预测的时间跨度至3-10年	遗忘型轻度认知障碍患者、阿尔茨海默病患者和健康对照者	机器学习	阿尔茨海默病	NA	深度学习模型	神经心理学数据和患者历史数据	美国国家阿尔茨海默病协调中心数据库中的样本	NA	线性注意力机制	准确率	NA
493	2026-04-30	The Dipeptidyl Peptidase-4 Inhibitor Saxagliptin as a Candidate Treatment for Disorders of Consciousness: A Deep Learning and Retrospective Clinical Analysis 2025-08, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-025-02217-0 PMID:39904872	研究论文	通过深度学习药物筛选和回顾性临床分析，发现二肽基肽酶-4抑制剂沙格列汀可作为意识障碍的候选治疗药物	首次利用深度学习模型基于三维分子结构预测现有FDA批准药物作为促醒剂的药效，并验证沙格列汀对急性和长期意识障碍的促醒作用	回顾性研究设计，需前瞻性临床试验确证疗效和安全性	识别现有FDA批准药物中可用于治疗意识障碍的新药	4047例因创伤、血管或缺氧性脑损伤所致昏迷患者的格拉斯哥昏迷量表评分变化	数字病理学, 机器学习	意识障碍, 脑损伤	深度学习药物筛选	深度学习模型	分子结构数据, 临床回顾性数据	4047例昏迷患者	NA	NA	恢复率, 95%置信区间, P值	NA
494	2026-04-30	Predicting hematoma expansion after intracerebral hemorrhage: a comparison of clinician prediction with deep learning radiomics models 2025-08, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-025-02214-3 PMID:39920546	研究论文	比较临床医生与深度学习影像组学模型在预测脑出血后血肿扩展方面的准确性	首次系统比较专家临床医生与机器学习影像组学模型在预测脑出血后血肿扩展方面的性能，并建立新的性能基准	模型总体AUC中等，提示预测性能仍有提升空间；专家间一致性较低（kappa=0.156）	评估机器学习影像组学模型相比临床专家在预测脑出血后血肿扩展方面的准确性	脑出血患者的基线头部CT影像和入院临床数据	机器学习, 医学影像分析	脑出血	CT影像	随机森林分类器, 深度学习模型	CT影像, 临床数据	900名脑出血患者（训练集621例，测试集279例）	NA	随机森林, 深度学习模型	AUC, kappa系数, 组内相关系数	NA
495	2026-04-30	Evaluating anti-VEGF responses in diabetic macular edema: A systematic review with AI-powered treatment insights 2025-06-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_1810_24 PMID:40434455	综述	系统评价深度学习与机器学习算法在评估糖尿病性黄斑水肿患者对抗血管内皮生长因子治疗反应中的应用	首次系统综述AI算法在区分DME患者对抗VEGF治疗反应者与非反应者方面的能力	NA	评估AI算法在预测DME患者抗VEGF治疗反应中的有效性	糖尿病性黄斑水肿患者	机器学习	糖尿病性黄斑水肿	NA	线性判别分析、ResNet-50、CNN加注意力机制、二次判别分析、随机森林、支持向量机	OCT图像	50篇相关论文（2016-2023年发表）	NA	ResNet-50, CNN, 随机森林, SVM	敏感性（平均74%，95%置信区间0.55-0.92）	NA
496	2026-04-30	Randomized controlled trial of an artificial intelligence diagnostic system for the detection of esophageal squamous cell carcinoma in clinical practice 2025-03, Endoscopy IF:11.5Q1 DOI:10.1055/a-2421-3194 PMID:39317205	研究论文	一项随机对照试验评估人工智能诊断系统在临床实践中检测食管鳞状细胞癌的效果	首次在临床环境下进行前瞻性随机对照试验，评估人工智能系统对食管鳞状细胞癌的实时检测辅助作用	未能证明人工智能诊断支持系统能显著提高食管癌检出率，且研究为单中心、探索性设计	评估人工智能系统在临床环境中帮助内镜医师检测食管鳞状细胞癌的能力	接受筛查或监测食管胃十二指肠镜检查的食管鳞状细胞癌高风险患者	计算机视觉	食管癌	内镜成像（白光成像、窄带成像、碘染色）	深度学习	内镜图像	320例患者	NA	NA	检出率	NA
497	2026-04-30	Deep learning enables automatic detection of joint damage progression in rheumatoid arthritis-model development and external validation 2025-03-01, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/keae215 PMID:38597875	研究论文	提出并外部验证了用于类风湿关节炎关节损伤进展自动检测的深度学习算法AuRA	首次在个体患者层面实现纵向变化的自动检测，并在真实世界环境中展示其监测放射学进展的实用性	未提及具体限制	开发和外部验证自动RA评分算法（AuRA），用于监测放射学进展	类风湿关节炎患者的手部和足部X光片	计算机视觉	类风湿关节炎	放射学成像	深度学习模型	图像	训练集367例，外部验证集205例，54例患者有额外控制访视影像	NA	NA	均方根误差（RMSE），皮尔逊相关系数（R）	NA
498	2026-04-29	Exploiting fuzzy weights in CNN model-based taxonomic classification of 500-bp sequence bacterial dataset 2025-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24836-5 PMID:41436515	研究论文	提出一种改进的模糊加权卷积神经网络（F-CNN），用于基于500-bp片段的细菌DNA序列的分类	将模糊逻辑与传统CNN结合，通过模糊权重系统处理分类层中概率相近的样本，提高分类准确性	未提及	实现对500-bp片段细菌DNA序列的高精度分类	细菌DNA序列	机器学习	NA	DNA测序	模糊加权卷积神经网络（F-CNN）	DNA序列数据	RDP 11数据集，包含超过140万条细菌基因序列	NA	卷积神经网络	分类准确率	NA
499	2026-04-29	Can CTA-Based Machine Learning Identify Patients for Whom Successful Endovascular Stroke Therapy Is Insufficient? 2025-Dec-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8885 PMID:40533350	研究论文	基于治疗前CTA的机器学习模型可识别即使血管内治疗成功且最终梗死体积较小仍预后不良的急性缺血性卒中患者	首次利用治疗前CTA图像训练的深度学习模型（DSN-CTA）预测血管内治疗成功后仍出现意外不良功能结局的患者，其性能优于传统临床变量模型	样本量较小（48例），且为回顾性研究，需前瞻性验证	评估基于治疗前CTA的机器学习方法能否识别可能从额外干预中获益的卒中患者	大血管闭塞性急性缺血性卒中患者，接受血管内治疗且成功再通（TICI 2b-3）并最终梗死体积小于30mL	机器学习, 数字病理学	急性缺血性卒中	CTA	深度学习模型	图像	1542例用于预训练，48例用于微调和交叉验证	NA	DeepsymNet-v3	AUROC	NA
500	2026-04-29	Harnessing Statistical and Machine Learning Approaches to Analyze Oxidized LDL in Clinical Research 2025-Dec, Cell biochemistry and biophysics IF:1.8Q4 DOI:10.1007/s12013-025-01837-9 PMID:40884728	综述	探讨统计和机器学习方法在分析氧化低密度脂蛋白临床研究中的应用	系统比较传统统计与新兴机器学习方法在OxLDL量化及临床关联分析中的优势与局限性，提出标准化分析流程以提高可重复性和转化影响	未具体讨论已开发方法的实际样本量或性能指标，缺乏对特定数据集的实证验证	评估统计和计算方法在OxLDL临床研究中的效用，推动标准化分析流程	氧化低密度脂蛋白（OxLDL）及其与慢性病的关联	机器学习	动脉粥样硬化、2型糖尿病、代谢综合征、阿尔茨海默病、慢性肾病	NA	CNN, 预测模型	临床数据、生化数据、影像数据	NA	NA	NA	NA	NA