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
961	2026-08-23	Deep learning-guided design of dynamic proteins 2025-05-22, Science (New York, N.Y.) DOI:10.1126/science.adr7094 PMID:40403060	研究论文	本文描述了一种基于深度学习的通用方法，用于从头设计蛋白质内结构域几何之间的动态变化，达到原子级精度，并验证了设计构象及通过配体和突变调节构象景观的能力	首次将深度学习应用于从头设计蛋白质的动态构象变化，超越了静态结构设计，实现了原子级精度的可控运动，并用实验验证	摘要未明确提及局限性	开发从头设计具有动态构象变化蛋白质的方法，以模拟自然信号蛋白的开关机制	动态蛋白质设计及其构象变化	蛋白质设计	不适用	深度学习	深度学习模型	蛋白质结构数据	未明确说明，涉及四种设计结构	不适用	不适用	结构验证、模拟与实验一致性	未提及
962	2026-08-23	Deep Learning-Based ASPECTS Algorithm Enhances Reader Performance and Reduces Interpretation Time 2025-03-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8491 PMID:39255988	研究论文	通过多读者、多病例研究，评估深度学习算法CINA-ASPECTS在支持临床医生评估ASPECTS时对表现和解读时间的影响	首次在一个包含多种扫描仪型号和供应商的多中心数据集中，系统评估深度学习算法作为临床辅助工具对ASPECTS评估准确性和效率的提升作用，并分析其对读者间一致性的改进	未在文中明确提及限制，可能包括算法依赖特定的参考标准、样本量有限或依赖单一算法等	评估深度学习算法在辅助临床医生解读ASPECTS时对性能和时间的影响，以改善急性缺血性卒中患者的治疗选择	来自5个临床站点、27种扫描仪型号和4个不同供应商的200个NCCT扫描，以及8名临床医生（4名典型ASPECTS读者和4名高级神经放射科医生）	深度学习、医学影像分析	急性缺血性卒中	CT成像（NCCT、CTA、CTP）	深度学习算法	CT扫描图像	200个NCCT扫描，8名读者（4名典型读者和4名高级神经放射科医生）	NA	NA	区域准确性、ROC AUC、评分一致性（组内相关系数）、解读时间	NA
963	2026-08-23	Deep Learning-Based Synthetic Computed Tomography for Low-Field Brain Magnetic Resonance-Guided Radiation Therapy 2025-03-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.09.046 PMID:39357787	研究论文	开发了一种基于条件生成对抗网络的深度学习模型，用于从低场磁共振图像生成脑部合成计算机断层扫描（synCT），以实现磁共振引导放射治疗的剂量计算	首次使用条件生成对抗网络结合9块残差网络生成器和PatchGAN判别器，从0.35T低场MR图像生成可用于在线自适应放疗的高保真synCT	术后异常区域的欠代表性表现挑战了模型性能，且研究样本量较小（12名训练患者和9名验证患者）	生成高保真synCT以支持低场MR引导放疗中的在线自适应治疗和剂量计算	12名胶质瘤患者（训练）和9名不同MR-linac上的患者（验证），使用头颈表面线圈或高分辨率脑线圈扫描	医学图像分析	胶质瘤	低场磁共振成像（0.35T MR-linac）	条件生成对抗网络（cGAN）	MRI-CT配对图像	12名胶质瘤患者（训练），9名患者（验证）	PyTorch	9块残差网络生成器，PatchGAN判别器	平均绝对误差（MAE），峰值信噪比（PSNR），结构相似性指数（SSIM），剂量体积直方图指标，伽马分析	NA
964	2026-08-23	The role of sleep quality in mediating the relationship between habenula volume and resilience 2025-02, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2025.116358 PMID:39799818	研究论文	本研究通过MRI数据，探讨了睡眠质量在缰核体积与心理韧性关系中的中介作用。	首次在人类中提出并验证睡眠质量作为缰核体积与心理韧性之间关系的中介变量，并结合深度学习分割模型进行体积测量。	样本量较小（84名健康参与者），且未涵盖临床抑郁人群，可能影响结果的普适性。	探索睡眠质量是否作为缰核体积与心理韧性关联的中介机制，为抑郁症预防提供潜在靶点。	健康参与者的大脑缰核体积、睡眠质量、心理韧性。	神经影像学	抑郁症	MRI（3T-T1加权成像）	深度学习分割模型	图像（MRI）和问卷数据	84名健康参与者	NA	NA	相关性分析（如皮尔逊相关系数）、中介分析中的间接效应	NA
965	2026-08-23	Post-processing enhances protein secondary structure prediction with second order deep learning and embeddings 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.12.022 PMID:39866664	研究论文	本文提出使用二阶深度学习（SHN方法训练的CNN）和蛋白质语言模型嵌入进行蛋白质二级结构预测，并通过后处理技术显著提升预测精度	首次将SHN优化方法训练的CNN与预训练蛋白质语言模型嵌入相结合，并引入后处理技术（集成和滤波）大幅提高Q3准确率	未明确提及局限性，但后处理窗口大小受限于最小蛋白质长度，可能影响泛化性	提高蛋白质二级结构预测的准确性，并探索嵌入表示和后处理技术的有效性	蛋白质二级结构预测，涉及CB513、PISCES和CASP13数据集	机器学习	NA	语言模型嵌入	CNN	蛋白质序列	CB513数据集、PISCES数据集和CASP13数据集（具体样本数未提及）	NA	CNN	Q3准确率、SOV分数	NA
966	2026-08-22	TRI-PLAN: A deep learning-based automated assessment framework for right heart assessment in transcatheter tricuspid valve replacement planning 2025-12-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.133732 PMID:40780436	研究论文	本研究开发并验证了TRI-PLAN，一种基于深度学习的自动化评估框架，用于经导管三尖瓣置换术前的右心结构评估。	首次提出全自动、基于深度学习的框架TRI-PLAN，用于TTVR术前右心结构评估，实现自动分割、定位和参数测量，并显著提高效率。	未明确提及局限性。	开发和验证一种自动化的深度学习框架，以提高TTVR术前右心结构评估的效率和准确性。	严重三尖瓣反流患者的术前计算机断层扫描血管造影（CTA）影像。	深度学习，医学影像分析	三尖瓣反流	CTA（计算机断层扫描血管造影）	深度学习模型（DRA-Net）	CT图像（CTA影像）	140例患者的CTA扫描，共63,962个切片，分为训练队列（100例）、内部验证队列（20例）和外部验证队列（20例）。	NA	DRA-Net（双阶段右心评估网络）	Dice系数（体积和表面）、标准差、组内相关系数（ICC）、相关系数（R）、偏差、直接接受率、时间节省	未明确提及。
967	2026-08-22	Automated coronary artery segmentation / tissue characterization and detection of lipid-rich plaque: An integrated backscatter intravascular ultrasound study 2025-12-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.133744 PMID:40784375	研究论文	本研究评估了一种深度学习模型在自动分割冠状动脉和斑块组织特征及检测富含脂质斑块方面的可行性和诊断准确性	采用7层U-Net++深度学习模型实现冠状动脉自动分割和组织特征化，并以集成反向散射IVUS作为金标准进行验证	研究为回顾性分析，样本量有限，且模型的敏感性相对较低	评估深度学习模型在斑块分割、组织特征化和脂质丰富斑块识别方面的可行性与诊断准确性	冠状动脉斑块，包括外弹性膜、管腔、导丝伪影，以及脂质、纤维、致密纤维和钙化组织	数字病理学	冠状动脉疾病	血管内超声（IVUS），集成反向散射IVUS（IB-IVUS）	深度学习模型	IVUS图像	训练组：67例患者的1098幅IVUS图像；验证组：88例患者100根血管的1100幅IVUS图像	NA	U-Net++	相关系数R，敏感性，特异性，阳性预测值，阴性预测值，AUC	NA
968	2026-08-22	Early detection of Alzheimer's disease progression: comparative evaluation of deep learning models 2025-12-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27360-8 PMID:41350317	研究论文	该研究评估了两种3D卷积神经网络模型在基于脑部结构MRI进行阿尔茨海默病进展二元分类中的性能	比较了全容积方法和区域引导方法两种深度学习模型在AD早期检测中的应用，展示了基于神经解剖学的特征选择与简单全容积处理之间的权衡	研究仅基于ADNI数据集，需要在更多样化的临床人群中进行验证	提高阿尔茨海默病进展的预测精度，以实现早期检测和监测	阿尔茨海默病患者的脑部结构MRI扫描	计算机视觉、深度学习	阿尔茨海默病	MRI	3D卷积神经网络	图像	未明确	NA	3D CNN	验证准确率	NA
969	2026-08-22	High Throughput Intracellular Delivery Using a 2D Cell-Squeezing Mechanoporation Device and Its Analysis by a Deep Learning Model 2025-12, Advanced healthcare materials IF:10.0Q1 DOI:10.1002/adhm.202502472 PMID:40838383	研究论文	本文设计并制造了一种基于二维细胞挤压机械穿孔的高通量微流控装置，并利用深度学习模型分析细胞内递送结果	首次采用二维垂直通孔阵列替代传统一维收缩结构，实现高通量平行单细胞递送，并通过深度学习模型自动化分析单细胞递送效果	摘要中未提及研究的局限性	开发一种高通量细胞内递送平台，并验证其效率和适用性，同时建立自动化分析系统	HeLa细胞、Jurkat细胞、原代人骨髓间充质干细胞（hMSCs）和人牙龈成纤维细胞（hGFs）	微流控、深度学习	不适用	细胞挤压机械穿孔、微流控	深度学习模型（包括实例分割模型）	显微图像	未明确样本数量，但装置含最多62,000个孔，细胞数量以百万计	未明确	实例分割网络（具体架构未明确）	细胞直径、荧光强度	未明确
970	2026-08-22	MRI augmented with novel artificial intelligence system is equivalent to CT in glenoid imaging 2025-Nov-04, Shoulder & elbow IF:1.5Q3 DOI:10.1177/17585732251392203 PMID:41199812	研究论文	本研究对比了CT和MRI在肩关节盂影像中的应用，通过深度学习算法自动分割MRI图像，评估其能否替代CT作为首选影像学方法。	开发了一种新型深度学习算法，自动分割MRI图像，并与CT手动分割结果高度一致，证明了MRI在盂肱关节成像中可替代CT，同时提供软组织可视化和避免电离辐射的优势。	研究为回顾性设计，样本量较小，且仅涉及特定MRI序列，可能限制推广性。	评估MRI在肩关节盂成像中是否可替代CT，通过自动分割算法验证其准确性。	肩关节盂的MRI和CT图像	计算机视觉	肩关节不稳	MRI（T1脂肪抑制和VIBE arthrogram序列）、CT	深度学习算法	医学影像（MRI、CT）	39例T1脂肪抑制MRI和25例VIBE MRI关节造影图像	NA	自定义深度学习模型	DICE相似系数、Spearman相关系数	NA
971	2026-08-22	Artificial Intelligence-Enhanced Electrocardiography for Complete Heart Block Risk Stratification 2025-Nov-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2025.2522 PMID:40833775	研究论文	本研究开发了一种人工智能增强心电图风险估算器（AIRE-CHB），用于预测完全性心脏传导阻滞（CHB）的发病风险	首次使用深度学习模型（残差卷积神经网络结合离散时间生存损失函数）进行CHB风险分层，优于传统的双束支传导阻滞风险标准	外部验证仅在UK Biobank志愿队列中进行，可能存在选择偏倚；C指数置信区间较宽，需进一步验证	开发AI-ECG风险估算器（AIRE-CHB）以预测新发完全性心脏传导阻滞（CHB）	完全性心脏传导阻滞（CHB）患者及高危个体	机器学习, 数字病理学	心血管疾病	心电图（ECG）	残差卷积神经网络（Residual CNN）	心电图图像/信号数据	Beth Israel Deaconess Medical Center队列：1,163,401份ECG来自189,539名患者；UK Biobank队列：50,641份ECG	未提及	残差卷积神经网络	C指数, AUROC（曲线下面积）, 调整风险比（aHR）	未提及
972	2026-08-22	Artificial Intelligence-Based Model Exploiting Hematoxylin and Eosin Images to Predict Rare Gene Mutations in Patients With Lung Adenocarcinoma 2025-09, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-25-00093 PMID:41004706	研究论文	本研究开发了一种基于ResNeXt101的深度学习模型，利用苏木精-伊红染色图像预测肺腺癌患者的罕见基因突变状态。	首次利用深度学习模型直接预测肺腺癌中的六种罕见基因突变，并在外部数据集和转移性癌症数据上验证了性能。	样本量相对较小，且模型对某些基因突变（如转移数据集中的部分基因）预测性能较低（AUC 0.72-0.80）。	开发高精度的深度学习模型，通过病理图像预测肺腺癌基因突变，以加速诊断并支持精准医疗。	肺腺癌患者及其苏木精-伊红染色病理图像，以及对应的基因突变状态。	数字病理学、机器学习	肺腺癌	数字病理图像分析	卷积神经网络（CNN）	图像（苏木精-伊红染色的组织病理图像）	两个队列共213名患者（队列1：144名，队列2：69名），另加一个转移性癌症数据集。	NA	ResNeXt101	AUC、准确率、精确率、召回率、F1分数	NA
973	2026-08-22	Deep learning for disease outbreak prediction: a parallel LSTM-CNN model 2025-Aug, Journal of the Royal Society, Interface DOI:10.1098/rsif.2025.0046 PMID:40829638	研究论文	提出一种并行LSTM-CNN深度学习模型，用于疾病暴发预测的早期预警信号检测	采用并行LSTM-CNN架构，结合模拟动态系统和噪声诱导数据训练模型，以提高噪声环境下疾病暴发预测的鲁棒性	未提供具体局限性信息	开发稳健的早期预警信号模型，以在疾病成为大流行前实施预防措施	疾病暴发时间序列数据，包括模拟数据和真实世界数据（流感、COVID-19、猴痘）	机器学习	传染病	时间序列分类	LSTM-CNN并行模型	时间序列数据	未明确说明，但使用两组模拟数据集和真实世界数据（流感、COVID-19、猴痘）	NA	LSTM, CNN	性能指标未明确指定，但通常包括准确率、精确率、召回率等	NA
974	2026-08-22	Extending Protein Language Models to a Viral Genomic Scale Using Biologically Induced Sparse Attention 2025-Jun-11, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.29.656907 PMID:40501585	研究论文	提出一种扩展蛋白质语言模型至病毒基因组规模的方法，利用基于蛋白质相互作用的稀疏注意力机制，训练长上下文模型以捕获跨蛋白质相互作用，提升嵌入表示质量。	首次将蛋白质语言模型的上下文扩展至整个病毒基因组，采用基于蛋白质-蛋白质相互作用的稀疏注意力机制，支持长达61,000个氨基酸的序列，并优于单蛋白质模型和其他大上下文架构。	未提及明确局限性，可能包括计算资源需求、病毒基因组注释挑战等，但摘要中未详细说明。	通过利用病毒基因组的密集结构和蛋白质相互作用，开发一种长上下文蛋白质语言模型，以捕获跨蛋白质的相互作用并改进蛋白质嵌入表示。	病毒基因组序列及其中编码的蛋白质序列。	机器学习	NA	蛋白质语言模型、稀疏注意力机制	Transformer	基因组序列（氨基酸序列）	未明确指定，但涉及病毒基因组，长度可达61,000个氨基酸。	NA	Transformer	嵌入质量比较（优于其他模型）	NA
975	2026-08-22	A Clinical Neuroimaging Platform for Rapid, Automated Lesion Detection and Personalized Post-Stroke Outcome Prediction 2025-May-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.09.25327310 PMID:40385411	研究论文	介绍了一种全自动三阶段神经影像处理与机器学习管道，用于快速、自动病灶检测及个性化卒中后结果预测	提出了一种无需手动处理的端到端自动化管道，结合深度学习分割、统计模型预测和大型语言模型报告生成，且将病灶位置信息整合到结果预测中	局限性未在摘要中明确提及，可能包括样本仅限于特定卒中队列、算法对特定扫描条件依赖等	开发一种临床可部署的自动化工具，利用临床影像预测缺血性卒中患者的长期功能结果	成年缺血性卒中患者，其中训练队列为604名局灶性脑损伤患者，独立验证队列为153名缺血性卒中患者	机器学习, 数字病理学	脑血管疾病	MRI	深度学习模型	DICOM影像数据	604名患者用于训练，153名患者用于验证	NA	NA	一致性率	NA
976	2026-08-22	The Role of Artificial Intelligence in Cardiovascular Disease Risk Prediction: An Updated Review on Current Understanding and Future Research 2025, Current cardiology reviews IF:2.4Q2 DOI:10.2174/011573403X351048250329170744 PMID:40248921	综述	本文综述了人工智能在心血管疾病风险预测中的变革性作用，包括提高准确性、效率和可及性，并讨论了面临的挑战和未来研究方向	整合了AI在CVD风险预测中的最新进展，包括ML预测心肌梗死后2年生存率、DL预测高血压风险以及AI驱动的ECG分析	AI在CVD风险评估中的广泛采用仍面临挑战，主要由于医疗专业人员缺乏教育和接受度	探讨AI在心血管疾病风险预测中的作用，并促进其临床整合以减轻全球CVD负担	心血管疾病风险预测模型及AI工具	机器学习	心血管疾病	NA	机器学习、深度学习	电子健康记录、心电图数据	NA	NA	NA	准确性	NA
977	2026-08-22	Exercise mitigates high-fat diet-induced cardiac dysfunction via APOE genotype- and immune-dependent mechanisms: A photon-counting CT study in adult mice 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339293 PMID:41417779	研究论文	本研究利用光子计数CT和深度学习分割技术，探讨运动对高脂饮食诱导的心脏功能障碍的缓解作用，并分析APOE基因型和免疫状态对运动效果的调控。	采用光子计数CT成像与深度学习分割技术进行心脏表型分析，并首次在人类化APOE靶向替换小鼠中研究运动、饮食、基因型及免疫反应的交互作用。	研究在小鼠模型中进行，结果需在人类中验证；未详细报告计算资源的使用情况。	探究运动对高脂饮食诱导的心脏功能障碍的缓解作用，以及APOE基因型和免疫状态如何调节这些作用，为高风险人群的精准生活方式干预提供依据。	251只中老年APOE2、APOE3和APOE4基因型小鼠，并考虑性别、人类化NOS2（HN）介导的先天免疫反应状态、运动状态和饮食因素。	医学影像，深度学习	心血管疾病	光子计数CT成像	3D U-Net	CT图像	251只小鼠	NA	3D U-Net	心脏功能指标（每搏输出量、射血分数、心肌质量）	NA
978	2026-08-21	Artificial intelligence and first-principle methods in protein redesign: A marriage of convenience? 2025-08, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70210 PMID:40671352	研究论文	本文评估并比较多种深度学习蛋白质设计工具与第一性原理方法在蛋白质重设计中的效果，并引入新工具TriCombine用于突变候选筛选，展示了结合AI建模和力场评分可获得最可靠结果	首次系统比较深度学习工具与传统力场方法，并推出新工具TriCombine识别残基三角并基于替换频率评分突变体，同时结合FoldX进行建模验证	所有方法在处理未解析的从头设计模型时性能均下降，且对非自然蛋白质的准确性受限	评估和组合人工智能与第一性原理方法，以提高蛋白质重设计的效果和潜在治疗再利用的可靠性	16个SH3突变体（最多9个并发替换）、36个突变体、11个晶体结构（7个新解析）、以及来自179个天然和从头设计域的160,000个四点位GB1突变体和163,555个单/双变体	蛋白质设计、机器学习	不适用	深度学习、力场计算、X射线晶体学	深度学习模型（如AlphaFold2）、逆折叠工具、力场	蛋白质结构、突变数据	共涉及约323,000个蛋白质变体和11个晶体结构，包括16个SH3突变体、36个突变体和179个蛋白质域	不适用	AlphaFold2、逆折叠工具、FoldX	序列恢复率、突变效应预测准确性	未指定
979	2026-08-21	Pediatric Electrocardiogram-Based Deep Learning to Predict Secundum Atrial Septal Defects 2025-Jun, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-024-03540-7 PMID:38953953	研究论文	本研究训练了一个基于儿科心电图的卷积神经网络模型，用于预测继发孔型房间隔缺损，并在内部测试和急诊科队列中评估了其性能。	首次将AI增强的ECG分析应用于儿科人群检测ASD2，并展示了在无症状或轻微症状患者中的筛查潜力。	研究为单中心回顾性研究，未来需要多中心验证和前瞻性试验来指导临床决策。	开发并验证一个基于深度学习的模型，利用儿科心电图来检测继发孔型房间隔缺损，以便早期筛查和诊断。	年龄不超过18岁、无重大先天性心脏病的患者，他们的心电图和超声心动图配对数据。	机器学习	心血管疾病	心电图	卷积神经网络	心电图和超声心动图配对数据	训练集包括92,377对ECG-超声心动图数据（46,261名患者），内部测试集12,631名患者，急诊科队列2,830名患者。	PyTorch	卷积神经网络	AUROC, AUPRC	NA
980	2026-08-21	Machine learning of clinical phenotypes facilitates autism screening and identifies novel subgroups with distinct transcriptomic profiles 2025-Apr-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95291-5 PMID:40188264	研究论文	利用机器学习分析临床表型数据以提高自闭症筛查准确率，并识别具有不同转录组特征的新亚型	首次将临床表型数据与分子数据整合，通过机器学习聚类发现与基因表达模式相关联的ASD亚型，并提出基于临床观察起始的亚型识别方法比基于基因表达更有效	未提及	利用机器学习提高自闭症谱系障碍筛查准确性并识别有意义的亚型	自闭症谱系障碍患者	机器学习	自闭症谱系障碍	基因表达谱分析	深度学习模型	临床评估数据（ADI-R评分）和基因表达数据	2794名个体的临床数据以及GSE15402数据集中的分子数据	NA	深度学习模型（具体架构未提及）	准确率	NA