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
1	2026-04-12	Improving entity recognition using ensembles of deep learning and fine-tuned large language models: A case study on adverse event extraction from VAERS and social media 2025-Mar, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104789 PMID:39923968	研究论文	本研究评估了传统深度学习模型与大语言模型在从VAERS和社交媒体文本中提取COVID-19疫苗不良事件实体方面的性能，并通过集成方法提升了识别效果	通过集成微调后的传统深度学习模型与大语言模型，显著提升了不良事件实体识别的性能，特别是在特定实体类型上取得了高F1分数	研究样本量相对有限（VAERS报告230条，Twitter 3383条，Reddit 49条），且未对GPT-4进行微调，可能影响模型比较的全面性	评估大语言模型与传统深度学习模型在不良事件实体提取中的有效性，并探索集成方法对性能的影响	从VAERS、Twitter和Reddit收集的文本数据，用于提取疫苗、注射和不良事件三类实体	自然语言处理	COVID-19	文本挖掘	RNN, BioBERT, GPT-2, GPT-3.5, GPT-4, Llama-2 7b, Llama-2 13b	文本	VAERS报告230条，Twitter帖子3383条，Reddit帖子49条	NA	RNN, BioBERT, GPT系列, Llama-2	严格F1分数, 宽松F1分数, 微平均F1分数	NA
2	2025-03-05	Unveiling the Future: A Deep Learning Model for Accurate Detection of Adrenal Nodules 2025-Mar, Radiology IF:12.1Q1 DOI:10.1148/radiol.250387 PMID:40035670	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3	2026-04-10	Two-Stage Deep Learning Model for Adrenal Nodule Detection on CT Images: A Retrospective Study 2025-03, Radiology IF:12.1Q1 DOI:10.1148/radiol.231650 PMID:40035671	研究论文	本研究开发并测试了一个用于在腹部CT图像上自动检测肾上腺结节的两阶段深度学习模型，并模拟了其与人工解读结合的分诊性能	提出了一个针对左右肾上腺分别训练的两阶段（检测与分割）深度学习架构，并首次在大型外部数据集上模拟了模型与人工解读结合的分诊性能	这是一项回顾性研究，可能存在选择偏倚；模型性能在左右肾上腺结节上存在差异，分割精度有待提高	开发一个自动检测肾上腺结节的深度学习模型，以辅助临床分诊和管理	肾上腺结节	计算机视觉	肾上腺疾病	CT成像	深度学习模型	CT图像	内部数据集995名患者，外部测试集12080名患者，内部测试集2有1214名患者	NA	两阶段顺序检测与分割模型	AUC, 交并比	NA
4	2026-04-10	A Deep Learning Model for Three-Dimensional Determination of Whole Thoracic Vertebral Bone Mineral Density from Noncontrast Chest CT: The Multi-Ethnic Study of Atherosclerosis 2025-03, Radiology IF:12.1Q1 DOI:10.1148/radiol.242133 PMID:40067103	研究论文	本研究开发了一种基于深度学习的三维模型，用于从常规非对比胸部CT中测量整个胸椎的骨密度，并评估其在预测椎体骨折中的价值	首次使用TotalSegmentator（基于nnU-net的算法）在常规非对比胸部CT上实现T1-T10胸椎体的三维骨密度测量，并与二维方法比较，证明了三维测量在预测椎体骨折方面具有增量价值	研究为多中心前瞻性队列的二次分析，手动分割仅在一部分参与者（594人）中进行，且纵向数据仅来自1304名参与者的子集	确定深度学习算法能否从常规非对比胸部CT中准确测量三维胸椎骨密度，并评估其预测椎体骨折的能力	多民族动脉粥样硬化研究（MESA）的参与者，包括接受带和不带体模的非对比胸部CT扫描的个体	数字病理学	骨质疏松症	非对比胸部CT扫描	深度学习	三维医学图像（CT）	2956名参与者（其中1546名女性，平均年龄69岁±9），纵向子集为1304名参与者	nnU-net	TotalSegmentator（基于nnU-net）	Dice分数, 交集并集比, 标准差, 受试者工作特征曲线下面积（AUC）	NA
5	2026-04-10	MRI-based Deep Learning Algorithm for Assisting Clinically Significant Prostate Cancer Detection: A Bicenter Prospective Study 2025-03, Radiology IF:12.1Q1 DOI:10.1148/radiol.232788 PMID:40067105	研究论文	本研究是一项前瞻性双中心研究，旨在比较商用深度学习算法与放射科医生临床报告在检测临床显著性前列腺癌方面的诊断性能	前瞻性验证了商用深度学习算法在前列腺癌检测中的应用，并探索了将算法结果用于调节放射科医生不确定诊断（PI-RADS 3分）以提升特异性的临床场景	研究样本量相对有限（205名男性，259个病灶），且算法仅使用双参数MRI，未纳入所有影像序列	评估深度学习算法辅助检测临床显著性前列腺癌的诊断性能	疑似前列腺癌并计划进行活检的男性患者	数字病理	前列腺癌	双参数MRI	深度学习算法	MRI图像	205名男性（中位年龄68岁），共评估259个病灶，其中包含117个临床显著性前列腺癌病灶	NA	NA	AUC, 敏感性, 特异性, 阳性预测值	NA
6	2026-04-07	Deep Learning to Predict the Future Growth of Geographic Atrophy from Fundus Autofluorescence 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100635 PMID:39758130	研究论文	本研究开发了多种深度学习模型，利用眼底自发荧光图像预测地理萎缩病变的1年生长区域	首次使用深度学习模型基于不同时间点的眼底自发荧光图像预测地理萎缩的未来生长区域，并比较了多种输入策略的性能	研究为回顾性分析，依赖于特定临床试验的数据，可能限制了模型的泛化能力	预测地理萎缩病变的1年生长区域，以支持临床试验决策和临床治疗	地理萎缩患者	计算机视觉	老年性疾病	眼底自发荧光成像	CNN	图像	597名患者的研究眼数据集，分为训练集310例、验证集78例、测试集209例	NA	U-Net	Dice分数, 决定系数, 平方皮尔逊相关系数	NA
7	2026-04-07	De novo designed proteins neutralize lethal snake venom toxins 2025-03, Nature IF:50.5Q1 DOI:10.1038/s41586-024-08393-x PMID:39814879	研究论文	本研究利用深度学习方法从头设计蛋白质，以中和蛇毒中的三指毒素，并在体外和小鼠模型中验证了其有效性	首次使用深度学习从头设计蛋白质来中和蛇毒中的三指毒素，实现了高结合亲和力、热稳定性及近原子级精度，为下一代抗蛇毒疗法提供了新途径	研究主要基于计算设计和有限的实验筛选，尚未进行大规模临床验证，且资源有限环境下的应用潜力需进一步探索	开发新型蛋白质以中和蛇毒中的三指毒素，为蛇咬伤提供更安全、经济、可及的治疗方案	蛇毒中的短链和长链α-神经毒素及细胞毒素（来自三指毒素家族）	机器学习	蛇咬伤	深度学习	NA	蛋白质序列和结构数据	NA	NA	NA	结合亲和力、热稳定性、中和效果	NA
8	2026-04-05	Predictions from Deep Learning Propose Substantial Protein-Carbohydrate Interplay 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.07.641884 PMID:40161692	研究论文	本文开发了名为PiCAP和CAPSIF2的深度学习模型，用于预测蛋白质与碳水化合物的非共价结合及其相互作用位点	提出了新的数据集和神经网络架构PiCAP用于蛋白质水平的碳水化合物结合预测，以及CAPSIF2用于残基水平的相互作用位点预测，在预测性能上超越了现有模型	未明确说明模型在更广泛蛋白质组或不同物种中的泛化能力，以及实验验证的详细程度	预测蛋白质与碳水化合物的非共价结合及其相互作用位点，以探索蛋白质-碳水化合物相互作用的广泛性	蛋白质，特别是已知的碳水化合物结合蛋白、DNA结合转录因子、细胞骨架成分、特定抗体和小分子结合蛋白	机器学习	NA	深度学习	神经网络	蛋白质序列数据	基于已知碳水化合物结合蛋白的数据集，具体数量未明确	NA	PiCAP, CAPSIF2	平衡准确率, Dice系数	NA
9	2026-04-01	Imaging Intravoxel Vessel Size Distribution in the Brain Using Susceptibility Contrast Enhanced MRI 2025-Mar-25, ArXiv PMID:40196141	研究论文	本文建立了一种基于磁敏感对比的MRI新方法，用于非侵入性成像脑内体素内血管尺寸分布，以实现对血管重塑的更全面和定量评估	提出了一种利用深度学习模型从GESFIDE MRI信号预测脑血容量和血管尺寸分布的新方法，实现了对血管重塑的定量成像	需要进一步的验证才能转化为临床前和临床工具	开发一种非侵入性成像方法，以更全面和定量地评估血管重塑	啮齿动物脑血管网络	医学影像分析	癌症、神经退行性疾病、纤维化、高血压、糖尿病	磁敏感对比增强MRI、高分辨率光片荧光显微镜	深度学习模型	MRI信号、显微镜图像	NA	NA	NA	相关系数(r)、Bhattacharya系数	NA
10	2026-03-30	Comprehensive prediction and analysis of human protein essentiality based on a pretrained large language model 2025-03, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00733-1 PMID:39604646	研究论文	本研究开发了一个基于序列的深度学习模型PIC，通过微调预训练蛋白质语言模型，全面预测和分析人类蛋白质必需性	PIC模型不仅显著优于现有方法预测人类必需蛋白质，还能提供跨人类、细胞系和小鼠三个层次的全面预测结果，并定义了蛋白质必需性评分以量化人类蛋白质必需性	NA	开发计算模型以预测人类必需蛋白质，并量化蛋白质必需性	人类蛋白质，包括617,462个人类微蛋白质	自然语言处理	乳腺癌	深度学习，预训练蛋白质语言模型	深度学习模型	蛋白质序列	617,462个人类微蛋白质	NA	预训练蛋白质语言模型	NA	NA
11	2026-03-30	Leveraging pharmacovigilance data to predict population-scale toxicity profiles of checkpoint inhibitor immunotherapy 2025-03, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00748-8 PMID:39715829	研究论文	本研究提出了一种名为DySPred的动态图卷积网络深度学习框架，利用大规模真实世界药物警戒数据来预测免疫检查点抑制剂在人群水平的毒性谱	引入动态图卷积网络来映射和预测免疫检查点抑制剂的毒性谱，能够准确预测不同人口队列和癌症类型的毒性风险，并在小样本场景中表现出韧性，同时揭示毒性随时间变化的趋势	NA	预测免疫检查点抑制剂在人群水平的毒性谱，以支持主动毒性监测和及时调整治疗与干预策略	免疫检查点抑制剂疗法及其诱导的毒性	机器学习	癌症	药物警戒数据分析	动态图卷积网络	药物警戒数据	大规模真实世界数据	NA	动态图卷积网络	NA	NA
12	2026-03-29	Characterizing multivariate regional hubs for schizophrenia classification, sex differences, and brain age estimation using explainable AI 2025-Mar-04, medRxiv : the preprint server for health sciences DOI:10.1101/2025.02.28.25323105 PMID:40093221	研究论文	本研究利用结构MRI、人口统计学数据和可解释人工智能，探索精神分裂症分类、性别差异及大脑年龄的多变量区域模式	整合深度学习模型与SHAP可解释性方法，识别与精神分裂症、性别差异及大脑年龄相关的个性化多变量脑区模式	未明确说明样本的具体来源、数据预处理细节或模型泛化能力的验证	通过可解释AI方法，研究精神分裂症分类、性别差异及大脑年龄预测中的多变量脑区模式	精神分裂症患者及健康对照者的结构MRI数据和人口统计学信息	机器学习	精神分裂症	结构MRI	深度学习神经网络, 支持向量机, K近邻, Lasso回归, 岭回归, 支持向量回归	图像, 人口统计学数据	NA	NA	NA	NA	NA
13	2026-03-28	Evaluation of state-of-the-art deep learning models in the segmentation of the left and right ventricles in parasternal short-axis echocardiograms 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024002 PMID:40151505	研究论文	本研究评估了多种深度学习模型在超声心动图短轴视图中分割左右心室的效果	首次在超声心动图短轴视图中评估了包括领域特定和通用领域模型在内的多种先进深度学习模型，并比较了它们在有限数据集上的性能	研究样本量较小（33名志愿者女性），且数据集为本地采集，可能限制模型的泛化能力	评估深度学习模型在超声心动图短轴视图中分割左右心室的性能，以辅助心肺疾病和心肌病的诊断	超声心动图短轴视图中的左心室和右心室	计算机视觉	心血管疾病	超声心动图	CNN	图像	33名志愿者女性的387次扫描图像	未明确指定，但提及了Detectron2	Unet-ResNet101, Unet-ResNet50, SAM（三种变体）	Dice相似系数, Hausdorff距离, 横截面积差异	NA
14	2026-03-19	Portable cerebral blood flow monitor to detect large vessel occlusion in patients with suspected stroke 2025-Mar-17, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2024-021536 PMID:38514189	研究论文	本研究评估了便携式Openwater光学血流监测仪在疑似卒中患者中检测大血管闭塞的能力，并与院前卒中量表进行了比较	首次将便携式光学血流监测仪与深度学习模型结合，用于急性卒中评估中检测大血管闭塞，其性能优于传统的院前卒中量表	研究结果需要在独立测试集和院前环境中进一步验证，样本量相对有限，且仅针对前循环大血管闭塞	评估便携式光学血流监测仪在疑似卒中患者中检测大血管闭塞的诊断性能	疑似卒中患者，在发病24小时内进行卒中警报评估，且NIHSS评分≥2	数字病理学	心血管疾病	光学血流监测，基于散斑对比度的相对变化生成脑血流波形	深度学习模型	原始散斑对比度波形数据	135名患者，其中52名（39%）患有前循环大血管闭塞	NA	NA	灵敏度，特异性，AUROC	NA
15	2026-03-18	UK Biobank MRI data can power the development of generalizable brain clocks: A study of standard ML/DL methodologies and performance analysis on external databases 2025-Mar, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121064 PMID:39892529	研究论文	本研究开发并比较了多种机器学习和深度学习脑时钟模型，用于基于T1加权MRI扫描预测大脑年龄，并评估其作为神经退行性疾病生物标志物的潜力	提出了一个综合流程，整合了多样化的预处理策略和校正项，训练并比较了广泛的ML/DL脑时钟模型，并设计了一个统计框架来评估年龄预测性能、跨队列稳健性及其作为生物标志物的潜力	NA	开发通用的脑时钟模型，用于年龄预测和神经退行性疾病的生物标志物研究	健康个体和神经退行性疾病患者（如痴呆症）	数字病理学	神经退行性疾病	T1加权MRI扫描	惩罚线性机器学习模型,深度学习模型	图像	来自UK Biobank、ADNI和NACC数据集的MRI扫描	NA	NA	平均绝对误差,AUROC	NA
16	2026-03-15	Minimizing Human-Induced Variability in Quantitative Angiography for Robust and Explainable AI-Based Occlusion Prediction 2025-Mar-13, ArXiv PMID:40160450	研究论文	本研究通过实施注射偏差去除算法减少定量血管造影的变异性，并利用可解释AI增强深度学习模型对颅内动脉瘤闭塞预测的可靠性和可解释性	提出通过解卷积和再卷积技术标准化注射曲线以消除对比剂注射变异性，并结合LIME方法提升模型决策的透明度和临床相关性	研究仅基于458名患者的血管造影数据，样本量相对有限，且未涉及外部验证	提高使用定量血管造影和深度学习模型预测颅内动脉瘤闭塞的准确性和可解释性	接受血流导向装置治疗的颅内动脉瘤患者	数字病理学	颅内动脉瘤	定量血管造影	深度神经网络	血管造影图像	458名患者	NA	深度神经网络	AUROC, 准确率, 敏感性, 特异性	NA
17	2026-03-15	Using a fully automated, quantitative fissure integrity score extracted from chest CT scans of emphysema patients to predict endobronchial valve response 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024501 PMID:40093557	研究论文	本研究开发并验证了一种基于胸部CT扫描的自动化定量裂隙完整性评分（FIS）预测模型，用于识别适合接受支气管内瓣膜（EBV）治疗的肺气肿患者	首次利用完全自动化的深度学习方法来定量评估肺裂隙完整性，并将其作为预测EBV治疗反应的生物标志物	样本量较小（仅96例），且为回顾性研究，可能存在选择偏倚	开发预测模型以识别适合EBV治疗的肺气肿患者	中度至重度肺气肿患者	数字病理学	肺气肿	胸部CT扫描	深度学习, 逻辑回归	CT图像	96例患者的治疗前后胸部CT扫描	NA	NA	AUC, 准确率, 特异性, 敏感性, 阳性预测值, 阴性预测值	NA
18	2026-03-14	Automated acute skin toxicity scoring in a mouse model through deep learning 2025-03, Radiation and environmental biophysics IF:1.5Q3 DOI:10.1007/s00411-024-01096-x PMID:39503921	研究论文	本研究通过先进的成像设置和深度学习，提出了一种在小鼠临床前放疗试验中自动评估皮肤毒性的新方法	开发了一个结合物体检测和分类的两步深度学习框架，用于自动化皮肤毒性评分，并展示了其在减少观察者间变异和提高评估效率方面的潜力	模型在特定毒性等级的分类上仍存在细微挑战，未来需要通过扩展训练数据集来改进系统	开发一种客观、可重复的皮肤毒性评估方法，以解决临床前放疗试验中手动评分方法的不足	小鼠（160只）在质子/电子放疗试验中右后肢的急性皮肤毒性反应	计算机视觉	皮肤毒性（作为放疗副作用）	先进成像设置	物体检测模型, 分类模型	图像	160只小鼠，来自4项研究，共7542张图像	NA	NA	准确率	NA
19	2026-03-14	The use of artificial intelligence to aid the diagnosis of lung cancer - A retrospective-cohort study 2025-03, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.01.011 PMID:39890480	研究论文	本研究通过回顾性队列分析，评估了基于深度学习的AI软件在胸部X光片上辅助诊断肺癌的性能，并探讨了其在临床实践中的潜在应用价值	首次在临床环境中系统验证了商用AI软件对肺癌早期检测的敏感性和时间效益，特别是在临床报告阴性的病例中AI能提前识别结节	研究为单中心回顾性设计，样本量有限（208名患者），且未评估AI对临床决策和患者预后的长期影响	评估AI软件在胸部X光片上辅助诊断肺癌的临床有效性，并分析其对诊断时间和检测率的潜在影响	105名肺癌阳性患者和103名阴性对照患者的胸部X光片及对应CT扫描	数字病理学	肺癌	胸部X光成像，CT扫描	深度学习自动检测算法	医学影像（胸部X光片）	208名患者（105例肺癌，103例对照），共320张胸部X光片	NA	NA	敏感性，假阳性率，诊断时间减少	NA
20	2026-03-14	The potential use of deep learning in performing autocorrection of setup errors in patients receiving radiotherapy 2025-03, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.01.016 PMID:39892051	研究论文	本研究探讨了使用深度学习在放疗中自动校正患者摆位误差的可行性	利用人工智能辅助校正放疗中的摆位误差，推动放疗服务的自动化进程	需要进一步研究以验证该方法在临床实践中的有效性	探索人工智能在放疗患者摆位校正中的潜在应用	接受放疗的脑部和气道消化道恶性肿瘤患者	计算机视觉	脑肿瘤, 气道消化道恶性肿瘤	放疗验证技术	神经网络	图像	156名患者	NA	NA	平均绝对误差, 均方误差	NA