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
1481	2025-12-21	Quantification differences between supine and prone CT in interstitial lung disease 2025-Dec-13, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110697 PMID:41418638	研究论文	本研究评估了间质性肺病患者仰卧位与俯卧位CT扫描在定量测量中的变异性和可重复性	首次系统比较了仰卧位与俯卧位CT在间质性肺病定量评估中的测量差异，并识别了影响体位变异性的关键因素	回顾性研究设计，样本仅来自单一机构，未评估不同扫描参数对结果的影响	评估俯卧位CT在间质性肺病定量评估中的可靠性和临床应用价值	间质性肺病患者	数字病理学	间质性肺病	定量CT扫描，深度学习软件分析	深度学习模型	CT图像	277名患者	NA	NA	组内相关系数，Bland-Altman分析，Pearson相关系数，Steiger's Z检验	NA
1482	2025-12-21	Interpretable multi-model deep learning framework for automated four-class diagnosis of ocular toxoplasmosis using fundus imaging 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29768-8 PMID:41381695	研究论文	本文提出了一种可解释的多模型深度学习框架，用于使用眼底图像对眼弓形虫病进行四分类自动诊断	首次提出了一个用于眼弓形虫病四分类（活动性、非活动性、混合性、健康）的综合性、可解释的多模型深度学习框架，集成了多种先进架构，并通过SHAP和EigenCAM确保模型透明度和临床一致性	未明确提及研究的具体局限性	开发一个准确、透明且可泛化的AI框架，用于从眼底图像中自动诊断眼弓形虫病的四种不同状态	眼弓形虫病患者的视网膜眼底图像	计算机视觉	眼弓形虫病	眼底成像	CNN, Vision Transformer, YOLO, 集成模型	图像	NA	NA	CNN, Vision Transformer, YOLOv8, YOLOv11, 集成模型	准确率, Matthews相关系数	GPU, CPU
1483	2025-12-21	Artificial Intelligence-Enabled Imaging for Predicting Preoperative Extraprostatic Extension in Prostate Cancer: Systematic Review and Meta-Analysis 2025-Dec-09, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/80981 PMID:41364797	meta-analysis	本文通过系统综述和荟萃分析，比较了基于人工智能的影像技术与放射科医生在预测前列腺癌术前前列腺外侵犯方面的诊断性能	首次通过荟萃分析系统比较了基于多参数磁共振成像和前列腺特异性膜抗原正电子发射断层扫描的人工智能模型与放射科医生在预测前列腺癌前列腺外侵犯方面的诊断效能	研究设计多为回顾性，存在较高的异质性，可能引入偏倚并影响结果的普适性	比较人工智能影像技术与放射科医生在术前预测前列腺癌前列腺外侵犯的诊断性能	前列腺癌患者	digital pathology	prostate cancer	multiparametric magnetic resonance imaging, prostate-specific membrane antigen positron emission tomography	machine learning, deep learning	image	NA	NA	NA	sensitivity, specificity, area under the curve	NA
1484	2025-12-21	Model-Free Learning of Probability Flows: Elucidating the Nonequilibrium Dynamics of Flocking 2025-Dec-05, Physical review letters IF:8.1Q1 DOI:10.1103/1zqs-nbt7 PMID:41418186	研究论文	本文提出了一种新颖的深度学习方法来估计概率流，以研究活性系统中的非平衡动力学，特别是鸟群模型中的熵产生率	开发了一种直接从随机系统轨迹估计概率流的深度学习新方法，并推导了概率流与惯性系统熵产生率之间的新物理联系	未明确说明方法在高维相空间中的计算复杂度或泛化能力限制	理解活性系统中的非平衡动力学，特别是熵产生率在鸟群行为中的作用	活性系统，特别是鸟群模型的非平衡动力学	机器学习	NA	深度学习	NA	随机系统轨迹数据	NA	NA	NA	NA	NA
1485	2025-12-21	Deep learning assisted PfAgo-programmable genetic circuit for ultrasensitive visual detection of foodborne pathogen in one-tube 2025-Dec-05, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.118296 PMID:41418735	研究论文	本研究开发了一种基于深度学习辅助的PfAgo可编程遗传电路，用于食品病原体的超灵敏可视化检测	将PfAgo双探针可编程遗传电路与超快V形PCR兼容，实现单管操作并显著提高灵敏度；开发深度学习荧光图像识别技术用于批量快速处理结果	未明确说明方法对其他病原体类型的适用性验证范围	开发快速、灵敏的食品病原体检测方法以保障食品安全	食源性病原体	生物信息学	食源性疾病	PfAgo（激烈火球菌Argonaute）技术、V形PCR、荧光成像	深度学习模型	荧光图像	NA	NA	NA	灵敏度（1 CFU/mL）、检测时间（缩短至三分之一）、荧光信号增强（超过200%）	NA
1486	2025-12-21	Computational Pathology for Accurate Prediction of Breast Cancer Recurrence: Development and Validation of a Deep Learning-Based Tool 2025-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100847 PMID:40680854	研究论文	本研究开发并验证了一种基于深度学习的计算病理学工具Deep-BCR-Auto，用于从常规H&E染色全切片图像中预测乳腺癌复发风险	提出了一种新的深度学习模型，能够从常规病理切片图像中预测乳腺癌复发风险，相比现有弱监督模型性能显著提升，并展示了良好的泛化能力	研究未明确提及模型在更广泛人群或不同病理实验室环境下的验证情况，也未详细讨论模型的可解释性	开发一种成本效益高、可广泛获取的乳腺癌复发风险预测工具，以优化患者治疗计划	乳腺癌患者，特别是激素受体阳性且人表皮生长因子受体阴性患者	计算病理学	乳腺癌	全切片图像分析	深度学习模型	图像	两个独立队列：癌症基因组图谱计划乳腺癌数据集和俄亥俄州立大学内部数据集	NA	NA	AUC, 准确率, 特异性, 敏感性	NA
1487	2025-12-21	Deep Learning Predicts Survival Across Squamous Tumor Entities From Routine Pathology: Insights From Head and Neck, Esophagus, Lung, and Cervical Cancer 2025-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100845 PMID:40680853	研究论文	本研究开发了一种基于深度学习的模型，利用头颈鳞状细胞癌的H&E染色切片预测患者总生存期，并在多种鳞状肿瘤实体中验证了其泛化能力	通过跨多种鳞状肿瘤实体（头颈、食管、肺和宫颈癌）验证模型，展示了预测风险评分在头颈鳞状细胞癌之外捕获生存相关信息的泛化能力	模型在食管癌队列中的验证结果不显著，且不同队列中与风险评分相关的临床因素存在差异，限制了单一模型的普适性解释	开发并验证基于计算病理学的深度学习模型，用于从常规病理切片中预测鳞状肿瘤患者的生存期	头颈鳞状细胞癌、食管鳞状细胞癌、肺鳞状细胞癌和宫颈鳞状细胞癌患者的H&E染色病理切片	数字病理	头颈癌, 食管癌, 肺癌, 宫颈癌	H&E染色, 福尔马林固定石蜡包埋样本处理	深度学习模型	图像	多个鳞状肿瘤实体队列（具体数量未在摘要中明确说明）	NA	NA	风险比, 95%置信区间, P值	NA
1488	2025-12-21	Artificial Intelligence in Diabetes Care: Applications, Challenges, and Opportunities Ahead 2025-Dec, Endocrine practice : official journal of the American College of Endocrinology and the American Association of Clinical Endocrinologists IF:3.7Q2 DOI:10.1016/j.eprac.2025.07.008 PMID:40683367	综述	本文是一篇叙述性综述，探讨了人工智能在糖尿病护理中的最新应用、能力、局限性以及未来发展方向	综合分析了传统机器学习与深度学习在糖尿病并发症筛查、疾病进展风险预测、临床决策支持及非侵入性生物标志物识别等多方面的应用，并指出了将AI转化为常规临床实践的未来方向	作为一篇综述，它主要基于现有文献进行综合，未涉及原始数据收集或新模型的实证验证，可能受限于所纳入研究的质量和范围	评估人工智能在糖尿病护理中的应用潜力，探索如何将这些技术转化为常规临床实践以改善患者护理和临床结果	糖尿病及其并发症（如视网膜病变、黄斑水肿、神经病变）的筛查、诊断、预后预测和治疗优化	机器学习	糖尿病	机器学习，深度学习	NA	电子健康记录，图像数据	NA	NA	NA	NA	NA
1489	2025-12-21	Interpretable PROTAC Degradation Prediction With Structure-Informed Deep Ternary Attention Framework 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202508138 PMID:41026144	研究论文	本研究提出了一种名为PROTAC-STAN的结构感知深度三元注意力网络框架，用于可解释的PROTAC降解预测	通过结合分层分子表示、蛋白质结构数据以及专门为PROTAC系统设计的三元注意力网络，实现了对降解机制前所未有的洞察	未明确提及具体局限性，但暗示现有深度学习方法在分子层次表示和蛋白质结构数据利用方面存在不足	加速PROTAC开发并降低实验成本，通过深度学习预测PROTAC降解效果	PROTAC分子、靶蛋白（POIs）和E3连接酶	机器学习	NA	蛋白质语言模型	深度三元注意力网络	分子结构数据、蛋白质序列数据	NA	NA	三元注意力网络	多种指标（具体未列明）	NA
1490	2025-12-21	Deep Learning-Assisted Fingerprint-Inspired Flexible Pressure Sensor for Tension Monitoring in Carbon Fiber Production 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202513680 PMID:41026329	研究论文	本文提出了一种受指纹启发的柔性压力传感器，用于监测碳纤维生产中的张力稳定性	通过激光蚀刻技术模仿指纹结构制造柔性压力传感器，用于宽幅碳纤维束阵列的张力监测，并开发了端到端的张力异常分类卷积神经网络	未明确提及传感器在极端环境下的长期稳定性或大规模部署的成本效益分析	解决碳纤维大规模生产中张力稳定性控制的技术挑战，实现实时智能张力监测	宽幅碳纤维束阵列	柔性电子与智能制造	NA	激光蚀刻	CNN	压力传感器数据	未明确提及具体样本数量	未明确提及	未指定具体架构	准确率	未明确提及
1491	2025-12-21	From Industrial Waste to Multistage Applications: Ultralight Lignin-Based Aerogel with Situ Vertically Oriented Structure for Photothermal-Assisted Pb2+ Adsorption in Wastewater and Reuse as Efficient Output and Stability Triboelectric Materials 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202513337 PMID:41028951	研究论文	本研究开发了一种具有原位垂直取向结构的超轻木质素基气凝胶，用于光热辅助吸附废水中的铅离子，并再利用为木质素基摩擦电纳米发电机	首次将废弃吸附剂转化为木质素基摩擦电纳米发电机，实现木质素基吸附剂的多阶段应用，并结合深度学习模型算法实现高精度物体识别	NA	开发一种从工业废物到多阶段应用的超轻木质素基气凝胶，用于废水处理和能量收集	木质素基气凝胶（GSPCAA）及其在铅离子吸附和摩擦电纳米发电机中的应用	材料科学	NA	定向冷冻和离子交联方法	深度学习模型	压力分布数据	NA	NA	NA	识别准确率	NA
1492	2025-12-21	Deep Learning-Based Segmentation of Lung Adenocarcinoma Whole-Slide Images for Objective Grading, Tumor Spread Through Air Spaces Identification, and Mutation Prediction 2025-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100907 PMID:41075873	研究论文	本研究开发了一种基于深度学习的多类别分割模型，用于对肺腺癌数字化图像进行客观定量分级、检测肿瘤通过气腔扩散并预测基因突变	首次利用深度学习多类别分割模型同时实现肺腺癌的客观分级、肿瘤扩散检测及基因突变预测，提供了一种全面的病理分析新方法	研究基于特定数据集（766例非黏液性肺腺癌），模型在更广泛人群或黏液性亚型中的泛化能力需进一步验证	开发客观定量的肺腺癌病理分析工具以辅助诊断和治疗指导	肺腺癌切除标本的数字化全切片图像	数字病理学	肺癌	全切片图像数字化	深度学习分割模型	图像	766例非黏液性肺腺癌切除标本（内部108例标注，外部130例验证，剩余528例内部验证）	NA	Deep Multi-Magnification Network	P值统计显著性（P < 1×10），与病理学家解释的相关性	NA
1493	2025-12-21	The future of immunotherapy: Can artificial intelligence predict the survival of lung cancer patients? A systematic review and meta-analysis 2025-Dec, 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人工智能模型利用放射组学、基因组学和蛋白质组学数据预测非小细胞肺癌免疫治疗患者总生存期和无进展生存期的预后准确性	首次系统评估了人工智能模型在预测非小细胞肺癌免疫治疗生存结局方面的表现，并比较了不同数据模态（如蛋白质组学、基因组学、放射组学）和人工智能方法（深度学习与传统机器学习）的预测准确性	纳入研究存在异质性（I²统计量显示中度至高度异质性），且结论基于回顾性研究，需要前瞻性验证和多中心试验来支持临床整合	评估人工智能模型预测非小细胞肺癌患者接受免疫治疗后的生存结局（总生存期和无进展生存期）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	放射组学、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
1494	2025-12-21	Deep learning predicts potential reassortments of avian H5N1 with human influenza viruses 2025-Dec, National science review IF:16.3Q1 DOI:10.1093/nsr/nwaf396 PMID:41409712	研究论文	本文构建了一个名为HAIRANGE的注意力深度学习模型，用于预测禽流感H5N1与人类流感病毒之间潜在的人类适应性重配	开发了非预训练的Codon2Vec嵌入器，在基准测试中表现优于ESM2、DNABERT2等其他嵌入器，表明基因组上下文与病毒宿主或血清型高度相关	NA	预测禽流感H5N1与人类流感病毒之间潜在的人类适应性重配，评估大流行风险	禽流感H5N1甲型流感病毒（IAVs）与人类流感病毒（如H3N2）的重配事件	自然语言处理	流感	深度学习，聚合酶活性报告实验	注意力深度学习模型	基因组序列数据	NA	NA	HAIRANGE（包含Codon2Vec嵌入器）	基准测试比较（针对嵌入器），聚合酶活性验证	NA
1495	2025-12-21	High Throughput Intracellular Delivery Using a 2D Cell-Squeezing Mechanoporation Device and Its Analysis by a Deep Learning Model 2025-Dec, Advanced healthcare materials IF:10.0Q1 DOI:10.1002/adhm.202502472 PMID:40838383	研究论文	本文设计了一种基于2D细胞挤压微流控装置的高通量细胞内递送平台，并结合深度学习模型进行自动化分析	开发了一种具有垂直通孔阵列的2D细胞挤压装置，显著提高了细胞内递送的吞吐量，并首次将深度学习驱动的实例分割与基于规则的图像处理系统结合，用于单细胞分辨率下的自动化定量分析	NA	实现高通量、高效的细胞内递送，并自动化分析递送效果	HeLa细胞、Jurkat细胞、人间充质干细胞（hMSCs）、人牙龈成纤维细胞（hGFs）	机器学习	NA	细胞挤压机械穿孔术、微流控技术、图像细胞术	深度学习模型	图像	NA	NA	NA	NA	NA
1496	2025-12-21	Virtual Histological Staining as a Tool for Extending Renal Segmentation Across Stains 2025-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100842 PMID:40712735	研究论文	本文提出了一种基于循环一致性生成对抗网络的方法，用于将肾脏组织H&E染色虚拟转换为PAS染色，以扩展深度学习分割模型的应用范围	首次利用英国慢性肾病生物库数据，开发了能够实现H&E到PAS虚拟染色的跨染色转换模型，并验证了其在肾小球分割中的实用性	虚拟染色与真实染色仍存在可区分性（病理学家识别率52.5%-75.8%），且尚未涵盖更多染色类型	解决肾脏病理学中多染色条件下深度学习分析工具通用性问题	肾脏组织切片图像（H&E和PAS染色）	数字病理学	慢性肾病	虚拟组织染色技术	GAN	全切片图像	来自英国16个肾病中心的多样化数据集（National Unified Renal Translational Research Enterprise），以及3个独立肾分割数据集（Kidney Precision Medicine Project, Human BioMolecular Atlas Program, Jayapandian等数据）	NA	循环一致性生成对抗网络	病理学家识别准确率（52.5%, 75.8%）	NA
1497	2025-12-21	Deep Learning-based Multiview Facial Identification as a Screening Tool for Cushing Syndrome 2025-Dec, Endocrine practice : official journal of the American College of Endocrinology and the American Association of Clinical Endocrinologists IF:3.7Q2 DOI:10.1016/j.eprac.2025.07.016 PMID:40738260	研究论文	本研究开发了一种基于深度学习的多视角面部识别方法，用于辅助诊断库欣综合征	首次将多视角面部图像与深度学习模型结合，用于库欣综合征的筛查，并证明其诊断性能优于内分泌专家	样本量较小（训练队列42对，外部验证队列13对），可能影响模型的泛化能力	开发一种准确且易于获取的库欣综合征诊断工具	库欣综合征患者及其年龄、性别和体重指数匹配的对照组	计算机视觉	库欣综合征	多视角面部图像采集	深度学习	图像	训练队列：42对患者与对照组；外部验证队列：13对患者与对照组	NA	DenseNet, ResNet, Swin, ViT	准确率, 灵敏度, 特异性, 曲线下面积	NA
1498	2025-12-21	AI in Esophageal Motility Disorders: Systematic Review of High-Resolution Manometry Studies 2025-Nov-27, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/85223 PMID:41308193	系统综述	本文系统综述了人工智能在食管高分辨率测压（HRM）判读中的应用，评估其诊断准确性、方法学、临床验证及实施障碍	首次系统性地梳理了AI在HRM判读中的演进轨迹，量化了AI相比人类专家在可重复性上的显著优势，并揭示了算法性能与临床转化之间的关键脱节	纳入研究存在显著的异质性，无法进行定量荟萃分析；所有研究均缺乏外部验证，且存在患者选择偏倚风险；尚无研究获得监管批准	评估当前AI在食管高分辨率测压（HRM）判读中的应用，并评估其诊断准确性、方法学途径、临床验证、实施障碍以及对胃肠病学实践的现实影响	使用AI或机器学习解释食管HRM的原始研究，研究对象为有食管症状的成人	医学人工智能	食管动力障碍	高分辨率食管测压（HRM）	传统机器学习, 深度学习	测压数据	17项研究，共4588名患者	NA	NA	准确率, 置信区间	NA
1499	2025-12-21	Radiomics-Based Machine Learning for the Detection of Myometrial Invasion in Endometrial Cancer: Systematic Review and Meta-Analysis 2025-Nov-27, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/78809 PMID:41309108	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了基于影像组学的机器学习模型在检测子宫内膜癌肌层浸润中的诊断性能	首次对基于影像组学的机器学习（包括传统机器学习和深度学习）模型在检测子宫内膜癌肌层浸润方面的诊断性能进行了全面的系统综述和荟萃分析，并通过亚组分析比较了不同模型类型的效能	现有证据有限，主要依赖于内部验证，缺乏大规模、多中心的外部验证研究	系统评估基于影像组学的机器学习方法在识别子宫内膜癌肌层浸润方面的诊断性能，并比较传统机器学习与深度学习模型的差异，以指导无创诊断工具的研发或改进	子宫内膜癌患者	医学影像分析	子宫内膜癌	影像组学	机器学习, 深度学习	医学影像（磁共振成像, 超声成像）	19项研究，共4373名子宫内膜癌患者	NA	NA	敏感性, 特异性, 阳性似然比, 阴性似然比, 诊断比值比, 汇总受试者工作特征曲线下面积	NA
1500	2025-12-21	High-performance parallel multi-scale attention network with explainable AI for intelligent diagnosis of leaf diseases in agricultural systems 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26144-4 PMID:41298723	研究论文	本文提出了一种用于木薯和花生叶片病害智能诊断的高性能并行多尺度注意力网络，并结合可解释AI技术	提出了ROI-MDAN网络用于识别和分割叶片关键病害区域，开发了MSFNet-CAM模型利用并行多尺度特征和坐标注意力增强特征融合，并采用Grad-CAM解释模型决策过程	NA	开发基于深度学习的叶片病害检测框架以提高农业病害诊断准确率	木薯和花生的叶片	计算机视觉	植物病害	GAN数据增强	CNN, GAN	图像	NA	NA	ROI-MDAN, MSFNet-CAM	NA	NA