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
681	2026-04-17	Multimodal convolutional neural network-based algorithm for real-time detection and differentiation of malignant and inflammatory biliary strictures in cholangioscopy: a proof-of-concept study (with video) 2025-04, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2024.09.001 PMID:39265745	研究论文	本研究开发了一种基于多模态卷积神经网络的实时算法，用于在数字单操作者胆道镜视频中检测和区分恶性与炎性胆道狭窄	结合临床元数据到CNN算法中，克服了仅基于图像模型的限制，实现了实时检测和诊断	研究为概念验证性研究，样本量相对较小（111名患者），需要进一步验证	开发用于胆道镜视频中恶性与炎性胆道狭窄实时检测和区分的深度学习算法	胆道狭窄患者，包括恶性、炎性和正常胆道组织	计算机视觉	胆道癌	数字单操作者胆道镜	CNN	视频, 图像	111名患者，总计15,158张静态帧	NA	多模态卷积神经网络	AUC, 灵敏度, 特异度, 阳性预测值, 阴性预测值	NA
682	2025-10-29	Reducing False Alarms in Lung Cancer Screening: The Promise of Deep Learning 2025-Oct, Radiology IF:12.1Q1 DOI:10.1148/radiol.252917 PMID:41147921	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
683	2026-04-14	External Test of a Deep Learning Algorithm for Pulmonary Nodule Malignancy Risk Stratification Using European Screening Data 2025-09, Radiology IF:12.1Q1 DOI:10.1148/radiol.250874 PMID:40956165	研究论文	本研究利用欧洲三大肺癌筛查试验的汇总数据，对一种基于深度学习的肺结节恶性风险分层算法进行了外部测试	首次在多个欧洲筛查数据集上对深度学习算法进行外部验证，并证明其在降低假阳性率方面优于传统的PanCan模型	研究为回顾性分析，且主要基于欧洲人群数据，可能限制了其普适性	评估深度学习算法在肺结节恶性风险分层中的性能，以减少低剂量CT筛查中的假阳性发现	来自丹麦、意大利和荷兰-比利时肺癌筛查试验的基线CT扫描图像及对应的肺结节	数字病理	肺癌	低剂量CT扫描	深度学习算法	CT图像	4146名参与者，包含7614个良性结节和180个恶性结节	NA	NA	AUC, 敏感性, 假阳性率	NA
684	2026-04-14	ESMDynamic: Fast and Accurate Prediction of Protein Dynamic Contact Maps from Single Sequences 2025-Aug-24, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.20.671365 PMID:40894558	研究论文	本文介绍了一种名为ESMDynamic的深度学习模型，该模型能够直接从蛋白质序列预测动态的残基-残基接触概率图	首次基于ESMFold架构开发了直接从单序列预测蛋白质动态接触图的深度学习模型，无需多重序列比对，且推理速度比现有方法快数个数量级	模型性能依赖于训练数据（实验结构集合和分子动力学模拟）的质量和覆盖范围，对于训练数据中未充分代表的构象动态模式可能预测能力有限	开发一种快速准确的蛋白质动态接触图预测方法，以理解蛋白质构象动力学	蛋白质序列及其动态结构特性	结构生物学	NA	深度学习，分子动力学模拟	深度学习模型	蛋白质序列，接触概率图	在两个大规模MD数据集（mdCATH和ATLAS）上进行基准测试，并应用于ASCT2和SWEET2b转运蛋白、肌钙蛋白C设计以及HIV-1蛋白酶同源二聚体等多个系统	NA	基于ESMFold架构	与最先进的集合预测模型（AlphaFlow、ESMFlow、BioEmu）在瞬时接触预测方面进行比较	NA
685	2026-04-14	Intratumoral Microbiome-related MRI Model for Predicting Breast Cancer Shrinkage Pattern Following Neoadjuvant Therapy 2025-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.243545 PMID:40892452	研究论文	本研究开发了一种基于瘤内微生物组相关MRI特征的模型，用于预测乳腺癌患者在新辅助治疗后肿瘤的缩小模式	首次将瘤内微生物组数据与多时间点MRI的放射组学和深度学习特征融合，构建预测模型，并验证了其在分子亚型和肿瘤分期中的稳健性	本研究为回顾性研究，未来需要前瞻性研究进一步验证模型的临床适用性	开发一个精准预测乳腺癌新辅助治疗后肿瘤缩小模式的模型，以辅助保乳手术规划	接受新辅助治疗并手术的乳腺癌患者	数字病理学	乳腺癌	MRI	深度学习, 机器学习	MRI图像	2249名女性乳腺癌患者（训练集671人，内部验证集335人，外部验证集1243人）	NA	U-Net, ResNet-50	AUC, Dice系数	NA
686	2026-04-14	Spiner, deep learning-based automated detection of spiral ganglion neurons in intact cochleae 2025-Jul-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112929 PMID:40687827	研究论文	本研究开发了一种基于深度学习的自动化工具Spiner，用于在完整耳蜗中检测螺旋神经节神经元	引入了胶原酶处理优化组织透明化协议，并采用深度学习对象检测模型实现大型3D数据集中SGN的自动定位与计数	目前主要针对I型螺旋神经节神经元，在大型动物模型中的应用仍需进一步验证	改进耳蜗中螺旋神经节神经元的检测与定量方法	沙鼠和猪的完整耳蜗组织	数字病理学	听力损失	组织透明化、光片荧光显微镜、胶原酶处理	深度学习对象检测模型	3D图像数据	沙鼠和猪的耳蜗样本（具体数量未明确）	NA	NA	与人工计数的一致性	NA
687	2026-04-14	A fully open AI foundation model applied to chest radiography 2025-07, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09079-8 PMID:40500447	研究论文	本文介绍了Ark，一个应用于胸部X光片的开放基础模型，通过循环积累和重用多个数据集中异构专家标签的知识进行预训练	Ark模型通过聚合多样化数据集和专家知识，扩展了诊断范围，适应新疾病，支持小样本学习和联邦学习，并开源代码和模型	未在摘要中明确提及具体限制	开发一个开放的基础模型，用于自动化胸部X光片解释，以克服现有深度学习模型的局限性	胸部X光片图像数据	医学影像	肺部疾病	深度学习	基础模型	图像	多个公共数据集，具体数量未在摘要中指定	NA	Ark	NA	NA
688	2026-04-14	Longitudinal Tracking of Emphysema Holes at Noncontrast CT: Dynamic Patterns and Clinical Relationships 2025-07, Radiology IF:12.1Q1 DOI:10.1148/radiol.243239 PMID:40662972	研究论文	本研究利用深度学习软件纵向追踪肺气肿空洞的动态变化，并分析其与肺功能下降、疾病进展及死亡率的关系	首次采用深度学习技术对肺气肿空洞进行纵向追踪，并根据直径变化将其动态分组，揭示了空洞动态模式与临床结局的关联	研究为二次分析，样本量较小（108名参与者），且主要为男性，可能限制结果的普适性	追踪肺气肿空洞的纵向变化，探究其动态模式与临床指标（FEV1下降、疾病进展、死亡率）的关系	韩国阻塞性肺疾病队列研究中完成基线和6年随访CT扫描的参与者	数字病理学	肺气肿	CT扫描	深度学习	CT图像	108名参与者（平均年龄63.4岁，其中104名男性）	NA	NA	线性回归系数（β）、P值、对数秩检验（log-rank test）	NA
689	2026-04-14	Computational pathology applied to clinical colorectal cancer cohorts identifies immune and endothelial cell spatial patterns predictive of outcome 2025-02, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6378 PMID:39788558	研究论文	本研究应用计算病理学方法，在三个临床结直肠癌队列中识别出可预测预后的免疫细胞和内皮细胞空间模式	利用基于深度学习的细胞分类器，在大型临床队列中系统量化肿瘤微环境中细胞类型的空间组织和共定位，并发现内皮细胞与癌细胞的比例等空间模式是独立的预后预测因子	研究队列虽然具有临床异质性，但样本量仍有限，且结果需要在独立队列中进行进一步验证	探究结直肠癌肿瘤微环境的空间组织特征及其对治疗反应和预后的影响	三个临床结直肠癌患者队列（MISSONI、BRAF、VALENTINO），总计375名患者	计算病理学	结直肠癌	深度学习细胞分类，多重免疫荧光验证	深度学习细胞分类器	H&E染色组织切片图像	375名临床注释的结直肠癌患者（MISSONI: n=59, BRAF: n=141, VALENTINO: n=175），验证集n=26	NA	NA	风险比，置信区间，p值	NA
690	2026-04-14	Identification of cardiac wall motion abnormalities in diverse populations by deep learning of the electrocardiogram 2025-Jan-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01407-y PMID:39799179	研究论文	本研究利用深度学习分析心电图，以识别心脏壁运动异常，并参考超声心动图作为金标准进行验证	开发了一种名为ECG-WMA-Net的深度神经网络，通过分析心电图中的QRS和T波区域，显著提高了心脏壁运动异常的检测准确性，超越了传统基于Q波的筛查方法	研究依赖于超声心动图报告的文本解析进行标注，可能存在标注误差；外部验证队列规模相对较小（n=2338），可能影响模型的泛化能力评估	通过深度学习技术，从心电图中提取新特征，以增强心脏壁运动异常的检测能力，并解决传统方法在不同种族和民族群体中准确性差异的问题	来自加利福尼亚州和佐治亚州的多样化患者群体，包括35,210名患者用于训练和验证，以及2,338名患者用于外部验证	机器学习	心血管疾病	深度学习，超声心动图	深度神经网络	心电图，超声心动图报告文本	训练和验证队列：35,210名患者；外部验证队列：2,338名患者	NA	ECG-WMA-Net	AUROC, AUC	NA
691	2026-04-14	ACTION: Augmentation and computation toolbox for brain network analysis with functional MRI 2025-Jan, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120967 PMID:39716522	研究论文	本文介绍了一个名为ACTION的开源工具箱，用于功能磁共振成像（fMRI）的脑网络分析，提供数据增强和深度学习模型支持	开发了一个综合性的开源工具箱，首次集成fMRI数据增强（包括BOLD信号和脑网络增强），并支持深度学习模型预训练及联邦学习策略，以处理有限或不平衡数据	未明确说明工具箱在特定疾病或任务上的性能限制，或对计算资源的具体要求	开发一个用户友好的工具箱，以简化和增强fMRI分析，特别是通过数据增强和深度学习方法来改善脑网络研究	功能磁共振成像（fMRI）数据，用于脑网络分析	机器学习	NA	功能磁共振成像（fMRI）	深度学习模型	fMRI图像数据	超过3,800个静息态fMRI扫描作为辅助未标记数据用于预训练	Python	NA	NA	NA
692	2026-04-12	Deep multimodal fusion of patho-radiomic and clinical data for enhanced survival prediction for colorectal cancer patients 2025-Dec-05, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02210-z PMID:41350716	研究论文	本研究提出了一个名为PRISM-CRC的新型深度学习框架，通过整合组织病理学、放射学、内窥镜和临床数据来改善结直肠癌的诊断和预后预测	开发了首个深度融合病理-放射组学与临床数据的多模态框架，在生存预测和微卫星不稳定性识别方面显著优于单模态模型，并能提供比传统TNM分期更精细的风险分层	存在因'领域偏移'导致的性能适度下降，以及在形态学模糊病例中的分类错误，需要未来前瞻性试验验证其临床效用	改善结直肠癌的诊断和预后预测，实现个性化治疗	结直肠癌患者	数字病理学	结直肠癌	深度学习，多模态融合	深度学习框架	组织病理学图像，放射学图像，内窥镜图像，临床数据	NA	NA	PRISM-CRC	一致性指数，AUC	NA
693	2026-04-12	MLSPred-bench: Transforming electroencephalography (EEG) datasets into machine learning-ready epileptic seizure prediction benchmarks 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103574 PMID:40949826	研究论文	本文介绍了一种将用于癫痫检测的脑电图数据集转换为适合癫痫发作预测的机器学习就绪基准的方法	开发了一种新方法，能将标注为检测用途的脑电图大数据转换为适用于预测任务的机器学习就绪数据，并生成了12个基准数据集	NA	为癫痫发作预测模型开发提供标准化的机器学习就绪基准数据	脑电图数据集	机器学习	癫痫	脑电图	机器学习模型,深度学习模型	脑电图信号	NA	NA	NA	验证准确率	NA
694	2026-04-12	Optimising personalised antibiotic treatment for methicillin-resistant Staphylococcus aureus bloodstream infections in ICU patients using a deep learning-based causal inference approach 2025-12, Journal of global antimicrobial resistance IF:3.7Q2 DOI:10.1016/j.jgar.2025.08.012 PMID:40882869	研究论文	本研究利用基于深度学习的因果推断模型，评估了万古霉素、达托霉素和利奈唑胺对ICU患者MRSA血流感染住院死亡率的降低效果，并识别了与各抗生素疗效相关的患者特征	首次将基于深度学习的因果推断模型应用于ICU患者MRSA血流感染的抗生素个性化治疗评估，能够量化不同抗生素的死亡率降低效果并识别特定患者亚群的疗效差异	研究样本量相对较小（仅270名患者），且数据来源于回顾性数据库，可能存在选择偏倚和未测量的混杂因素	评估万古霉素、达托霉素和利奈唑胺对ICU患者MRSA血流感染住院死亡率的治疗效果，并为个性化抗生素治疗提供依据	重症监护室（ICU）中患有耐甲氧西林金黄色葡萄球菌（MRSA）血流感染的患者	机器学习	血流感染	基于深度学习的因果推断	深度学习模型	临床数据	270名ICU患者	NA	NA	平均处理效应（ATE）、P值	NA
695	2026-04-12	The future of immunotherapy: Can artificial intelligence predict the survival of lung cancer patients? A systematic review and meta-analysis 2025-12, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2025.108492 PMID:41241154	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了基于AI模型（利用影像组学、基因组学和蛋白质组学数据）预测非小细胞肺癌患者免疫治疗后总生存期和无进展生存期的预后准确性	首次通过荟萃分析综合评估了AI模型在预测NSCLC免疫治疗生存结局中的表现，并比较了不同数据模态（如蛋白质组学）和AI方法（如深度学习）的预测准确性	纳入研究存在异质性（I²较高），且缺乏前瞻性验证和多中心临床试验数据，AI方法尚未标准化	评估AI模型在预测非小细胞肺癌患者免疫治疗生存结局中的预后准确性	接受免疫治疗的非小细胞肺癌患者	机器学习	肺癌	影像组学、基因组学、蛋白质组学	机器学习、深度学习	影像数据、基因组数据、蛋白质组数据	23项研究，共19,189名患者	NA	NA	风险比、95%置信区间、I²统计量	NA
696	2026-04-12	Automated artificial intelligence detection of early or under-diagnosed interstitial lung disease by computed tomography in the COPDGene trial 2025-12, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2025.108545 PMID:41314436	研究论文	本研究评估了人工智能工具ScreenDx在COPDGene试验中自动检测早期或未诊断的间质性肺疾病（ILD）的能力	开发并验证了一个深度学习模型ScreenDx，用于在CT扫描中自动检测ILD特征，特别是在最初未诊断的病例中，展示了高敏感性和特异性	研究基于COPDGene数据集，ILD患病率目标设定为约1-2%，可能限制了结果的泛化性；且ILD病例最初是意外纳入的，可能存在选择偏倚	评估人工智能工具在CT扫描中检测早期或未诊断的间质性肺疾病的性能	COPDGene试验中的患者，包括意外纳入的ILD患者（阳性）以及随机选择的COPD和对照患者（阴性）	数字病理学	间质性肺疾病	计算机断层扫描（CT）	深度学习模型	图像	COPDGene数据集中的患者，目标ILD患病率为约1-2%	NA	ScreenDx	敏感性, 特异性	NA
697	2026-04-12	Delineating the Role of Alpha Waves in Exercise-induced Neural Changes through Resting-state EEG 2025-11-07, Journal of visualized experiments : JoVE DOI:10.3791/68737 PMID:41284639	研究论文	本研究通过静息态脑电图结合深度学习算法，探索运动干预对高特质焦虑大学生前额叶Alpha波神经振荡重编程的影响	首次识别前额叶Alpha兴奋性再平衡作为运动介导焦虑缓解的核心机制，并开发了Alpha波段时频预测模型	样本量较小（仅40名大学生），且仅针对特质焦虑这一特定情绪障碍	阐明运动诱导神经变化的神经调节目标，以促进精准运动处方的开发	40名高特质焦虑大学生	机器学习	焦虑症	静息态脑电图	深度学习	脑电图信号	40名大学生（运动干预组20人，对照组20人）	NA	NA	准确率, F1分数, Kappa系数	NA
698	2026-04-12	Spam Classification with Support Vector Machines Using Van der Waerden Rank Score Attention 2025-10-31, Journal of visualized experiments : JoVE DOI:10.3791/69082 PMID:41247923	研究论文	本研究提出了一种基于Van der Waerden秩分数特征注意力增强的支持向量机（VWR-Attn-SVM）用于垃圾邮件分类	引入了Van der Waerden秩变换来归一化文本特征，增强了对异常值的鲁棒性并保持序数关系，同时通过非线性处理和正则化的增强注意力机制优化特征选择	未明确提及具体局限性，如模型在更广泛数据集上的泛化能力或实际部署中的计算效率细节	解决垃圾邮件分类中高维稀疏数据处理的挑战，并降低计算资源需求	垃圾邮件分类任务	自然语言处理	NA	Van der Waerden秩变换	支持向量机（SVM）	文本	使用了UCI Spambase和Indonesian Spam数据集，但未明确指定具体样本数量	NA	VWR-Attn-SVM	准确率, 精确率, 召回率, F1分数, AUC	NA
699	2026-04-12	GeoEvoBuilder: A deep learning framework for efficient functional and thermostable protein design 2025-Oct-14, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2504117122 PMID:41071657	研究论文	本文介绍了一个名为GeoEvoBuilder的深度学习框架，用于高效设计功能性和热稳定性蛋白质	提出了一种自适应整合结构和进化约束的深度学习框架，能够直接生成具有所需特性的蛋白质序列，无需依赖传统的单点突变和迭代设计实验循环	未明确提及该框架在计算资源需求、序列设计成功率或对特定蛋白质家族适用性方面的具体限制	开发一种能够直接生成高活性、高热稳定性蛋白质序列的深度学习方法	绿色荧光蛋白、谷胱甘肽过氧化物酶4（GPX4）和二氢叶酸还原酶（DHFR）	机器学习	NA	深度学习	NA	蛋白质序列、结构数据	NA	NA	NA	催化效率提升倍数、热稳定性增益（摄氏度）、结构正确性验证	NA
700	2026-04-12	GARNN-AE-LSTM: A Multimodal Deep Learning Approach for High-Accuracy Video Summarization 2025-10-10, Journal of visualized experiments : JoVE DOI:10.3791/69097 PMID:41144309	研究论文	本文提出了一种名为GARNN-AE-LSTM的多模态深度学习框架，用于实现高精度的视频摘要生成	提出了一种结合预训练门控循环神经网络（GARNN，融合GRU和AlexNet）与对抗编码器LSTM（AE-LSTM）的多模态框架，并引入了运动补偿PCA降维和门控机制来优化特征选择与冗余消除	未明确说明模型的计算复杂度、处理速度或在不同视频类型（如动态范围、长度）上的泛化能力	开发一种高精度的视频摘要方法，通过保留关键内容来创建长视频的简洁版本	视频数据（包含视觉和听觉信息）	计算机视觉	NA	多模态特征提取、运动补偿特征降维、PCA降维	GARNN, AE-LSTM, GRU, AlexNet	视频（图像与音频）	NA	NA	GARNN（GRU与AlexNet结合）, AE-LSTM	敏感度, F分数, 阳性预测值	NA