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
10921	2025-10-06	On-patient medical record and mRNA therapeutics using intradermal microneedles 2025-May, Nature materials IF:37.2Q1 DOI:10.1038/s41563-024-02115-4 PMID:39994390	研究论文	开发了一种通过皮内微针同时实现mRNA治疗和患者医疗记录存储的隐形技术	首创将医疗记录以近红外荧光微粒形式存储在患者皮肤中，并与mRNA治疗共同递送	目前仅在猪模型中进行了长期研究，尚未进行人体临床试验	解决医疗记录不可靠或缺失的问题，提高治疗和疾病预防效果	猪模型和SARS-CoV-2 mRNA疫苗	数字病理	传染病	皮内微针技术，近红外荧光标记，mRNA治疗	深度学习	图像	猪模型长期研究	NA	NA	时间鲁棒性，空间鲁棒性，安全性，有效性，可靠性	NA
10922	2025-10-06	Accurate and rapid determination of metabolic flux by deep learning of isotope patterns 2025-Apr-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.06.565907 PMID:37986781	研究论文	开发了一种名为ML-Flux的机器学习框架，通过深度学习同位素标记模式来快速准确测定代谢通量	首创使用神经网络直接解析复杂同位素标记模式，替代传统的间接迭代求解器	目前仅涵盖中心碳代谢的26种关键示踪剂，网络覆盖范围有待扩展	开发快速准确的代谢通量定量分析方法	中心碳代谢中的同位素标记模式	机器学习	NA	同位素示踪技术	神经网络	同位素标记模式数据	26种关键C-葡萄糖、H-葡萄糖和C-谷氨酰胺示踪剂	NA	NA	准确性, 计算速度	NA
10923	2025-10-06	Deciphering epistatic genetic regulation of cardiac hypertrophy 2025-Apr-11, medRxiv : the preprint server for health sciences DOI:10.1101/2023.11.06.23297858 PMID:37987017	研究论文	本研究开发了低信号符号迭代随机森林方法，揭示了心脏肥大的复杂遗传调控机制	开发了低信号符号迭代随机森林新方法，首次系统性地揭示了心脏肥大中的上位性遗传调控网络	研究主要基于英国生物银行数据，样本来源相对单一，需要在其他人群中进一步验证	解析心脏肥大的上位性遗传调控机制	人类心脏组织、人类诱导多能干细胞来源的心肌细胞	生物信息学	心血管疾病	深度学习、RNA沉默、微流控单细胞形态分析、转录组网络分析	随机森林、深度学习模型	心脏MRI图像、基因组数据、转录组数据	29,661例英国生物银行心脏MRI，313例人类心脏组织	NA	NA	NA	NA
10924	2025-07-22	Accurate treatment effect estimation using inverse probability of treatment weighting with deep learning 2025-Apr, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf032 PMID:40290454	研究论文	本研究利用深度序列模型通过逆处理概率加权（IPTW）方法准确估计处理效应，无需特征处理	提出使用深度序列模型（如RNN和Transformer）直接从索赔记录中估计倾向得分，无需特征处理，提高了处理效应估计的准确性	研究主要基于合成和半合成数据集，未在真实世界数据中广泛验证	在存在时间依赖性混杂因素的情况下，准确估计处理效应	电子健康记录（EHRs）中的索赔记录	机器学习	NA	逆处理概率加权（IPTW）	RNN, Transformer	电子健康记录（EHRs）	合成和半合成数据集	NA	NA	NA	NA
10925	2025-07-22	Review of the Current State of Artificial Intelligence in Pediatric Cardiovascular Magnetic Resonance Imaging 2025-Mar-26, Children (Basel, Switzerland) DOI:10.3390/children12040416 PMID:40310065	review	本文综述了人工智能在儿科心血管磁共振成像（CMR）中的当前应用状态	探讨了AI如何通过深度学习技术提高CMR在先天性心脏病（CHD）中的效率、图像质量和减少错误	未提及具体的实验数据或样本量，可能缺乏实证支持	提高先天性心脏病（CHD）中心血管磁共振成像（CMR）的效率和质量	儿科心血管磁共振成像（CMR）	digital pathology	cardiovascular disease	deep learning	NA	image	NA	NA	NA	NA	NA
10926	2025-10-06	3D convolutional deep learning for nonlinear estimation of body composition from whole body morphology 2025-Feb-02, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01469-6 PMID:39894882	研究论文	本研究提出使用3D卷积图网络和非线性高斯过程回归从全身形态估计身体成分的新方法	首次将深度3D卷积图网络应用于人体形状参数化和身体成分估计，相比传统线性方法显著提升预测精度	深度形状特征仅对男性显示出预测误差降低，数据集规模有限（4286个扫描）	开发非线性方法从3D光学图像准确预测身体成分	人体身体形状和成分	计算机视觉	NA	3D光学成像	3D CNN, GPR	3D图像	4286个身体扫描	NA	3D卷积图网络	R, RMSE, 预测误差, 精度误差	NA
10927	2025-10-06	Mapping the topography of spatial gene expression with interpretable deep learning 2025-Feb, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02503-3 PMID:39849132	研究论文	开发了一种名为GASTON的无监督可解释深度学习算法，用于分析空间转录组数据并构建组织切片的地形图	提出了isodepth概念来量化空间基因表达模式，并开发了首个能同时学习isodepth、空间梯度和分段线性表达函数的深度学习算法	未明确说明算法对数据稀疏性的具体处理能力和计算效率	解决空间转录组数据稀疏性问题，准确识别空间基因表达模式	多种组织类型的空间转录组数据，包括大脑神经元和肿瘤微环境	空间转录组学	肿瘤	空间转录组技术	深度学习	空间基因表达数据	NA	NA	GASTON	空间域识别准确性，标记基因识别准确性	NA
10928	2025-10-06	Benchmarking protein language models for protein crystallization 2025-01-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86519-5 PMID:39827171	研究论文	本研究通过TRILL平台评估多种蛋白质语言模型在预测蛋白质结晶倾向性方面的性能	首次系统性地对开放蛋白质语言模型进行结晶预测能力基准测试，并利用ProtGPT2模型生成可结晶蛋白质	仅评估了有限的蛋白质语言模型，且生成的潜在可结晶蛋白质数量较少	评估蛋白质语言模型在预测蛋白质结晶倾向性方面的性能	蛋白质序列及其结晶倾向性	自然语言处理	NA	蛋白质语言模型，深度学习	Transformer, LightGBM, XGBoost	蛋白质序列	3000个生成的蛋白质，最终筛选出5个潜在可结晶蛋白质	TRILL, LightGBM, XGBoost	ESM2, Ankh, ProtT5-XL, ProstT5, xTrimoPGLM, SaProt, ProtGPT2	AUPR, AUC, F1-score	NA
10929	2025-10-06	Direct Prediction of 48 Month Survival Status in Patients with Uveal Melanoma Using Deep Learning and Digital Cytopathology Images 2025-Jan-13, Cancers IF:4.5Q1 DOI:10.3390/cancers17020230 PMID:39858012	研究论文	本研究使用深度学习技术分析葡萄膜黑色素瘤的数字细胞病理图像，直接预测患者48个月生存状态	首次使用深度学习直接从细胞病理图像预测葡萄膜黑色素瘤患者长期生存状态，无需基因表达谱分析	样本量较小（74例患者），需要前瞻性验证	开发基于深度学习的葡萄膜黑色素瘤生存预测方法	葡萄膜黑色素瘤患者	数字病理学	葡萄膜黑色素瘤	细针穿刺活检，H&E染色，全玻片扫描	深度学习，人工神经网络	数字细胞病理图像	74例患者，207,260个独特ROI区域	NA	全连接神经网络	准确率，灵敏度	NA
10930	2025-10-06	Multimodal deep learning improves recurrence risk prediction in pediatric low-grade gliomas 2025-Jan-12, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noae173 PMID:39211987	研究论文	本研究开发了一种多模态深度学习模型，用于改善儿童低级别胶质瘤术后复发风险预测	首次将预训练的深度学习分割工具提取的MRI影像特征与临床特征相结合，构建多模态模型来预测pLGG术后无事件生存期	需要更大规模的多中心训练数据来提高模型的泛化能力	改善儿童低级别胶质瘤术后复发风险预测和分层	儿童低级别胶质瘤患者	数字病理	脑肿瘤	磁共振成像	深度学习逻辑风险模型	医学影像, 临床数据	396名患者（来自两个机构：Dana Farber/Boston Children's Hospital和Children's Brain Tumor Network）	NA	NA	时间依赖性一致性指数, Kaplan-Meier曲线, log-rank检验	NA
10931	2025-10-06	Unsupervised deep learning of electrocardiograms enables scalable human disease profiling 2025-Jan-12, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01418-9 PMID:39799251	研究论文	开发无监督深度学习模型从心电图中检测人类疾病	使用深度学习去噪自编码器系统评估心电图编码与约1600种疾病的关联	模型开发与评估使用的数据集分离，未明确说明具体数据限制	探索心电图在人类疾病检测中的应用潜力	心电图数据与Phecode疾病分类系统	机器学习	心血管疾病	心电图分析	自编码器	心电图信号	三个独立数据集（具体数量未明确）	NA	去噪自编码器	p值，疾病鉴别能力	NA
10932	2025-10-06	Transformer-based modeling of Clonal Selection and Expression Dynamics reveals resistance mechanisms in breast cancer 2025-Jan-10, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-024-00485-8 PMID:39794360	研究论文	提出基于Transformer的TraCSED模型，用于分析乳腺癌中克隆选择和基因表达动态，揭示耐药机制	开发首个基于Transformer的动态深度学习方法来建模克隆选择过程，能够识别可解释的基因程序及其与克隆选择关联的时间点	仅应用于体外研究，未在临床样本中验证，且对特定克隆的耐药机制分析有限	理解癌细胞转录异质性及其对治疗反应的影响，识别耐药机制	乳腺癌细胞系，使用giredestrant（ER拮抗剂和降解剂）和palbociclib（CDK4/6抑制剂）处理的细胞	机器学习	乳腺癌	单细胞RNA测序（scRNA-seq），克隆条形码技术	Transformer	单细胞基因表达数据，克隆适应性数据	NA	NA	Transformer	NA	NA
10933	2025-10-06	N2GNet tracks gait performance from subthalamic neural signals in Parkinson's disease 2025-Jan-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01364-6 PMID:39755754	研究论文	提出一种基于深度学习的回归模型N2GNet，能够从帕金森病患者丘脑底核局部场电位实时追踪步态表现	首次开发能够直接从STN LFP信号追踪步态性能的深度学习模型，利用全面频带信息而非仅限于beta波段	研究样本量较小（18名患者），仅在原地踏步任务中验证	开发用于帕金森病自适应脑深部电刺激的实时步态性能追踪算法	帕金森病患者	机器学习	帕金森病	局部场电位记录，地面反作用力测量	回归模型	神经信号，生物力学数据	18名帕金森病患者	NA	N2GNet	相关性分析	NA
10934	2025-10-06	Drug molecular representations for drug response predictions: a comprehensive investigation via machine learning methods 2025-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84711-7 PMID:39748003	研究论文	通过机器学习方法系统评估不同药物分子表示在药物反应预测中的效果	首次全面评估多种药物分子表示与遗传特征结合对药物反应预测的影响，并发现PubChem指纹和SMILES表示能显著提升深度学习模型性能	未明确说明具体使用的数据集规模和实验设置的详细参数	评估不同药物分子表示在药物反应预测中的有效性	药物分子表示和遗传特征	机器学习	NA	药物分子表示技术（PubChem指纹、SMILES）	深度学习模型	分子表示数据、遗传特征数据	NA	NA	NA	NA	NA
10935	2025-01-15	Glomerular and Nephron Size and Kidney Disease Outcomes: A Comparison of Manual Versus Deep Learning Methods in Kidney Pathology 2025-Jan, Kidney medicine IF:3.2Q1 DOI:10.1016/j.xkme.2024.100939 PMID:39807248	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10936	2025-07-22	Graph-Based 3-Dimensional Spatial Gene Neighborhood Networks of Single Cells in Gels and Tissues 2025, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0110 PMID:40084126	研究论文	开发了一种基于图的三维空间基因邻域网络嵌入方法（3D-spaGNN-E），用于发现亚细胞基因邻近关系并识别细胞间通讯（CCC）中的关键亚细胞模式	结合3D成像空间转录组学和基于图的深度学习，首次在三维空间中解析亚细胞基因邻近关系	三维数据复杂度高，需要新的分析方法	研究细胞间通讯中的亚细胞基因邻近关系	间充质干细胞（MSCs）、外周血单个核细胞（PBMCs）、小鼠下丘脑和皮层中的星形胶质细胞-神经元	空间转录组学	NA	3D成像空间转录组学、MERFISH	图自编码器（graph autoencoder）	3D空间转录组数据	间充质干细胞培养物、MSC-PBMC共培养系统、小鼠下丘脑和皮层组织	NA	NA	NA	NA
10937	2025-10-06	Predictive modeling of adolescent suicidal behavior using machine learning: Key features and algorithmic insights 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103454 PMID:40678447	综述	系统分析机器学习技术在青少年自杀行为早期检测中的应用现状	首次系统比较不同机器学习算法在自杀意念预测中的表现，强调可解释性和混合模型的必要性	缺乏跨文化泛化能力，混合深度学习模型缺乏深入分析	通过AI和机器学习技术实现青少年自杀意念的早期检测	学生群体的自杀意念和行为	机器学习	精神健康疾病	问卷调查(PHQ-9, GAD-7量表)	Random Forest, SVM, 深度学习	调查问卷数据	28项研究	NA	NA	准确率, 精确率, 召回率	NA
10938	2025-10-06	Missing data imputation of climate time series: A review 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103455 PMID:40678450	综述	本文系统回顾了近十年来气候时间序列缺失数据插补方法的研究进展	首次全面总结全球范围内气候时间序列缺失数据插补方法的地理分布和应用趋势，特别指出生成对抗网络在深度学习方法中的优势	主要基于文献综述，缺乏原始实验数据验证不同方法的实际性能	综述气候时间序列缺失数据插补方法的研究现状和发展趋势	气候时间序列数据	机器学习	NA	时间序列分析	人工神经网络,生成对抗网络	时间序列数据	NA	NA	GAN	NA	NA
10939	2025-10-06	AI-driven pharmacovigilance: Enhancing adverse drug reaction detection with deep learning and NLP 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103460 PMID:40678458	研究论文	本研究提出了一种混合AI驱动框架，通过整合结构化和非结构化数据来增强药物警戒中的不良反应检测	结合深度学习和自然语言处理技术，整合结构化与非结构化医疗数据，解决了传统监测方法的局限性	数据异质性、类别不平衡问题以及传统监测技术范围有限	提高药物警戒中严重不良事件的检测准确性，确保临床试验期间和之后的药物安全	临床试验数据，包括患者人口统计学、实验室结果和临床笔记	自然语言处理, 机器学习	NA	深度学习, 自然语言处理	随机森林, 梯度提升机, 卷积神经网络, BERT, GPT	结构化数据, 非结构化文本	NA	NA	CNN, BERT, GPT	准确率, 精确率, 召回率, F1分数	NA
10940	2025-10-06	Integrated deep learning for cardiovascular risk assessment and diagnosis: An evolutionary mating algorithm-enhanced CNN-LSTM 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103466 PMID:40678461	研究论文	提出一种基于进化交配算法优化的CNN-LSTM混合深度学习模型，用于心血管疾病风险评估和诊断	采用进化交配算法优化双输出CNN-LSTM模型的超参数，实现连续风险评分和二元诊断结果的同步预测	NA	开发准确高效的心血管疾病预测模型，支持定量评估和早期临床决策	心血管疾病患者	机器学习	心血管疾病	深度学习	CNN,LSTM	NA	NA	NA	CNN-LSTM	平均绝对误差,均方误差,均方根误差,决定系数,准确率,精确率	NA