深度学习在生物医药领域中的应用

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
61	2025-09-18	ChronoSynthNet: a dual-task deep learning model development and validation study for predicting real-time norepinephrine dosage and the early detection of hypotension in patients with septic shock 2025-Aug-30, Cardiovascular diagnosis and therapy IF:2.1Q3 DOI:10.21037/cdt-2025-265 PMID:40948722	研究论文	开发并验证一种双任务深度学习模型ChronoSynthNet，用于预测脓毒性休克患者的实时去甲肾上腺素剂量和早期检测低血压	结合Transformer编码器、LSTM层和动态特征加权网络，实现跨变量和时间关系的联合学习，并提前3.5小时预测低血压事件	基于回顾性数据，需前瞻性多中心验证才能临床部署	个性化血管加压药物治疗并预测病情恶化	脓毒性休克成年患者	医疗人工智能	脓毒症休克	深度学习，电子健康记录（EHR）时间序列分析	Transformer, LSTM	时间序列临床数据	来自MIMIC-IV数据库（2008-2019）的合格ICU住院患者
62	2025-09-18	Machine Learning Models for Predicting Gynecological Cancers: Advances, Challenges, and Future Directions 2025-Aug-27, Cancers IF:4.5Q1 DOI:10.3390/cancers17172799 PMID:40940896	综述	本文回顾了机器学习模型在妇科癌症预测中的最新进展、挑战及未来方向	讨论了可解释AI、联邦学习和多组学融合等新兴技术以提高模型可靠性和实用性	存在数据不一致性、模型解释困难以及临床转化问题	提升妇科癌症的早期预测能力以改善生存率并指导个性化治疗	妇科癌症（如乳腺癌、宫颈癌、卵巢癌）患者	机器学习	妇科癌症	多组学数据融合（临床记录、基因组学、蛋白质组学、医学影像）	SVM, Random Forest, CNN等深度学习模型	多模态数据（结构化临床数据、影像数据、生物分子数据）	NA
63	2025-09-18	Comparative Evaluation of CNN and Transformer Architectures for Flowering Phase Classification of Tilia cordata Mill. with Automated Image Quality Filtering 2025-Aug-27, Sensors (Basel, Switzerland) DOI:10.3390/s25175326 PMID:40942760	研究论文	本研究比较了CNN和Transformer架构在椴树开花期自动分类中的性能，并引入了自动化图像质量过滤方法	首次提出基于XGBoost的自动化图像质量过滤方法，并首次系统性地对比了传统CNN与Transformer架构在物候期识别中的表现	研究主要针对特定树种（小叶椴），虽然方法可推广但需要进一步验证在其他物种上的适用性	开发高精度的开花期自动分类方法，支持生态监测和气候变化研究	小叶椴（Tilia cordata Mill）的开花物候期	计算机视觉	NA	深度学习，图像处理，XGBoost分类器	CNN（VGG16, ResNet50, EfficientNetB3, MobileNetV3 Large, ConvNeXt Tiny）, Transformer（ViT-B/16, Swin Transformer Tiny）	图像	大规模真实野外环境采集的图像数据集（具体数量未明确说明）
64	2025-09-18	Applications of artificial intelligence in stem cell therapy 2025-Aug-26, World journal of stem cells IF:3.6Q3 DOI:10.4252/wjsc.v17.i8.106086 PMID:40951704	综述	本文探讨人工智能在干细胞治疗中的应用及其潜力与挑战	系统整合AI技术于干细胞治疗全流程，包括行为分析、鉴定优化及风险预测	AI技术尚不成熟，存在算法验证、数据质量与可用性不足及伦理问题	提升干细胞治疗的质量、效率与安全性，加速相关研究与应用进展	干细胞及其治疗应用	机器学习	NA	人工智能、机器学习、深度学习	NA	多模态数据（未明确具体类型）	NA
65	2025-09-18	Comparison of ChatGPT and DeepSeek large language models in the diagnosis of pericarditis 2025-Aug-26, World journal of cardiology IF:1.9Q3 DOI:10.4330/wjc.v17.i8.110489 PMID:40949931	研究论文	比较ChatGPT和DeepSeek两种大型语言模型在心包炎诊断中的准确性	首次将大型语言模型应用于心包炎诊断领域，并直接比较不同模型性能	样本量较小（仅16例），需更大样本和优化提示工程以提高诊断准确性	评估大型语言模型作为心包炎风险分层工具的辅助诊断能力	18岁以上经确诊的急性心包炎患者病例报告	自然语言处理	心血管疾病	大型语言模型（LLM）	ChatGPT, DeepSeek	文本（医学病例报告）	16例符合纳入标准的病例报告
66	2025-09-18	Harnessing AI-driven reverse docking in drug discovery: a comprehensive review of opportunities, challenges, and emerging trends 2025-Aug-25, Journal of molecular modeling IF:2.1Q3 DOI:10.1007/s00894-025-06480-y PMID:40853597	综述	本文全面回顾了AI驱动的反向对接在药物发现中的应用，包括机遇、挑战和新兴趋势	整合AI技术与反向对接方法，优化药物靶点识别和相互作用预测，支持药物重定位和精准医疗	面临数据限制和算法复杂性等挑战	探讨AI增强的反向对接在药物发现中的潜力和未来发展	药物靶点、治疗相互作用、多组学数据	machine learning	NA	machine learning, deep learning, reinforcement learning, virtual screening	NA	multi-omics数据	NA
67	2025-09-18	Predicting Healthcare Utilization Outcomes With Artificial Intelligence: A Large Scoping Review 2025-Aug-21, Value in health : the journal of the International Society for Pharmacoeconomics and Outcomes Research IF:4.9Q1 DOI:10.1016/j.jval.2025.08.007 PMID:40848744	综述	本文通过范围综述方法，系统分析了人工智能在医疗资源利用预测领域的研究现状、趋势与挑战	首次全面评估AI预测医疗资源利用的数据集特征、方法学应用及报告规范符合度，识别关键研究空白	纳入研究仅覆盖至2025年1月，且未包含所有相关变量组（如社会经济、服务提供者特征等）	描绘人工智能在医疗资源利用预测中的研究图景，识别趋势、差距及标准化报告需求	医疗资源利用预测相关研究（共121项符合纳入标准的研究）	医疗健康人工智能	NA	范围综述方法（Joanna Briggs Institute methodology），AI预测模型	集成模型（66.9%），深度学习模型（16.5%）	电子健康记录（60%），医保索赔数据（28%）	121项研究
68	2025-09-18	Metabolic modelling: Insights into the machine room of plant metabolism 2025-Aug-14, Journal of plant physiology IF:4.0Q1 DOI:10.1016/j.jplph.2025.154584 PMID:40957247	综述	本文综述了植物代谢建模的最新进展及其在从亚细胞到生态系统层面研究代谢网络的应用	整合机器学习与深度学习框架辅助模型重建与分析，并探索增强机制模型的混合策略	NA	研究植物代谢网络的机制与功能	植物代谢网络及其在不同物种和环境中的表现	计算生物学	NA	代谢建模、机器学习、深度学习	混合模型（机制模型与机器学习结合）	代谢网络数据	NA
69	2025-09-18	Deep Learning Prediction and Interpretation of Riverine Nitrate Export Across the Mississippi River Basin 2025-Aug-09, Water resources research IF:4.6Q1 DOI:10.1029/2024WR039207 PMID:40948694	研究论文	利用深度学习模型预测和解释密西西比河流域的河流硝酸盐输出	结合高频传感器数据和LSTM模型进行时空验证，并利用可解释的Shapley值识别关键驱动因素和非线性阈值	在未监测流域的空间验证性能较低（中位KGE=0.18），突显当前数据空白的影响	预测和解释河流硝酸盐输出，为营养物管理策略提供依据	密西西比河流域的河流硝酸盐浓度和输出	机器学习	NA	高频传感器数据，LSTM模型，Shapley值解释	LSTM	时间序列传感器数据	美国本土的高频传感器数据，覆盖1980年至2022年
70	2025-09-18	Novel CAC Dispersion and Density Score to Predict Myocardial Infarction and Cardiovascular Mortality 2025-Aug, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.125.018059 PMID:40613107	研究论文	本研究开发了一种新型冠状动脉钙化分散与密度评分（CAC-DAD），用于预测主要不良心血管事件（MACE），并通过多中心回顾性研究验证其优于传统Agatston评分	提出首个综合考虑冠状动脉钙化空间分布和高密度钙化保护性效应的自动化评分系统	回顾性研究设计，样本量相对有限（961例患者），随访时间中位数较短（30天）	开发并验证新型心血管风险预测评分	接受心脏计算机断层扫描的心血管疾病或围手术期风险评估患者	数字病理	心血管疾病	心脏计算机断层扫描，深度学习算法	深度学习	医学影像	961例患者（中位年龄67岁，61%男性）
71	2025-09-18	Influence of Problem-based Learning Method on Learning Outcomes in Medical Curriculum 2025-Aug, The Journal of the Association of Physicians of India DOI:10.59556/japi.73.1079 PMID:40955883	研究论文	本研究探讨了问题导向学习（PBL）方法对医学课程学习成果的影响	通过对比传统教学与PBL结合的教学模式，实证分析PBL在医学教育中的效果	回顾性研究设计，样本仅来自单一机构的151名学生，可能存在选择偏倚	评估PBL教学方法在医学教育中的有效性	151名进行第二年MBBS培训的药理学系学生	医学教育	NA	Wilcoxon Mann-Whitney检验，方差分析（ANOVA）	NA	考试成绩数据	151名学生
72	2025-09-15	3D localization of retrovirus assembly in the presence of structured background with deep learning 2025-Aug-29, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2025.08.028 PMID:40883991	研究论文	本文提出了一种结合深度学习和三维成像技术的方法，用于在活细胞顶部质膜上定位HIV-1病毒组装过程	使用双螺旋点扩散函数进行三维成像，并结合深度学习流程分析具有异质结构化背景的图像	NA	解决在活细胞顶部质膜上成像病毒组装相关的挑战	人类免疫缺陷病毒1型（HIV-1）的Gag结构多蛋白在细胞质膜上的组装过程	计算机视觉	HIV感染	双螺旋点扩散函数三维成像，深度学习图像分析	深度学习	三维荧光显微镜图像	NA
73	2025-09-15	QCResUNet: Joint subject-level and voxel-level segmentation quality prediction 2025-Aug-27, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103718 PMID:40945175	研究论文	提出一种名为QCResUNet的多任务深度学习架构，用于同时预测脑肿瘤分割结果的主体级质量和体素级分割错误	首次设计能够同时输出主体级分割质量指标和体素级分割错误图的多任务架构，支持多组织类别分析	方法主要针对脑肿瘤和心脏MRI分割验证，在其他医学影像分割领域的泛化能力尚未验证	开发自动质量控制方法以评估医学影像分割结果的可靠性	脑肿瘤MRI数据和心脏MRI数据的分割结果	医学影像分析	脑肿瘤	深度学习，MRI影像分析	QCResUNet（基于UNet的改进架构）	3D MRI影像数据	脑肿瘤数据：内部数据集1,251例，外部数据集215例；心脏数据：ACDC数据集100例
74	2025-09-15	Intensive Care Unit Patient Outcome Prediction Using ν-Support Vector Classification and Stochastic Signal Processing-Based Feature Extraction Techniques: Algorithm Development and Validation Study 2025-Aug-26, JMIR AI DOI:10.2196/72671 PMID:40857726	研究论文	本研究开发了一种结合信号处理和机器学习的新框架，用于从ICU患者的数字轨迹中提取特征并预测其结局	提出了一种基于信号处理的新型特征提取方法，能够从复杂的医疗时间序列数据中捕获高预测性特征	NA	开发ICU患者结局预测的新方法，以支持医疗运营管理	ICU患者	机器学习	重症监护	信号处理技术，ν-支持向量分类	SVM	时间序列数据（医疗数字轨迹）	真实世界ICU数据集（具体数量未说明）
75	2025-09-15	Application of artificial intelligence in medical imaging for tumor diagnosis and treatment: a comprehensive approach 2025-Aug-26, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-03307-3 PMID:40856916	综述	本文综述了人工智能在医学影像中用于肿瘤诊断与治疗的最新进展、能力、局限性和转化潜力	强调AI驱动的多模态影像融合整合影像组学、基因组学和临床数据，优化精准肿瘤学策略	存在数据异质性、模型泛化性、监管限制和伦理问题，缺乏标准化数据集和可解释AI框架	探讨人工智能在医学影像中肿瘤诊断与治疗的应用	涵盖乳腺癌、肺癌、前列腺癌等多种恶性肿瘤	数字病理	肿瘤	深度学习、影像组学、多模态影像融合	深度学习模型	医学影像（CT、MRI、PET）及临床数据	NA
76	2025-09-15	Culture-free detection of bacteria from blood for rapid sepsis diagnosis 2025-Aug-25, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01948-w PMID:40851034	研究论文	开发了一种基于智能离心、微流控捕获和深度学习显微镜图像分析的快速血液细菌检测方法，用于脓毒症诊断	首次结合智能离心、微流控技术和深度学习实现无需培养的血液细菌快速（2小时内）检测	金黄色葡萄球菌（S. aureus）的检测仍存在挑战	实现脓毒症患者血液中细菌的快速检测和抗生素敏感性分析	脓毒症患者血液中的细菌（大肠杆菌、肺炎克雷伯菌、粪肠球菌）	数字病理	脓毒症	智能离心、微流控捕获、显微镜成像	深度学习	图像	健康人捐献血液的加标样本，检测浓度低至9-32 CFU/mL
77	2025-09-15	Prediction of functional outcomes in aneurysmal subarachnoid hemorrhage using pre-/postoperative noncontrast CT within 3 days of admission 2025-Aug-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01953-z PMID:40849351	研究论文	开发一种融合术前术后非增强CT和临床数据的深度学习模型，用于预测动脉瘤性蛛网膜下腔出血患者3个月功能结局	首次将术前术后NCCT影像与临床数据整合到深度学习模型中，用于早期预测aSAH患者功能结局	NA	优化动脉瘤性蛛网膜下腔出血患者的早期管理，通过准确预测功能结局	动脉瘤性蛛网膜下腔出血患者	数字病理学	心血管疾病	非增强CT成像	深度学习模型	影像数据和临床数据	来自四家医院的1850名患者
78	2025-09-15	Understanding Language Model Scaling on Protein Fitness Prediction 2025-Aug-23, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.25.650688 PMID:40777237	研究论文	研究蛋白质语言模型在适应性预测中的缩放行为，揭示模型大小、训练数据和随机因素对预测偏差的影响	发现蛋白质语言模型性能在超过一定规模后反而下降，挑战了深度学习领域“模型越大性能越好”的普遍认知	研究主要基于理论分析和模拟实验，可能需要更多实验验证在实际蛋白质设计中的应用效果	探究蛋白质语言模型在适应性预测任务中的缩放规律和性能限制	蛋白质序列的适应性预测和突变效应评估	自然语言处理	NA	蛋白质语言模型	语言模型	蛋白质序列数据	NA
79	2025-09-15	Predicting pediatric age from chest X-rays using deep learning: a novel approach 2025-Aug-23, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02068-5 PMID:40848095	研究论文	本研究开发了一种基于深度学习的模型，利用胸部X光片预测儿童年龄	首次将Coordinate Attention机制整合到ResNet网络中，用于胸部X光片的年龄预测，并构建了大规模儿科数据集	研究仅基于两家医院的数据，外部验证性能略有下降	探索深度学习在利用胸部X光片进行儿童年龄估计中的有效性	儿科患者胸部X光影像	计算机视觉	NA	深度学习，X射线成像	ResNet with Coordinate Attention	图像	128,008张胸部X光图像
80	2025-09-15	Effectiveness of the GPT-4o Model in Interpreting Electrocardiogram Images for Cardiac Diagnostics: Diagnostic Accuracy Study 2025-Aug-22, JMIR AI DOI:10.2196/74426 PMID:40845836	研究论文	评估GPT-4o模型在解读心电图图像进行心脏诊断中的有效性	首次系统评估多模态AI模型GPT-4o在心电图分析中的表现，探索零样本和少样本学习在医疗图像解读中的应用	多分类诊断特定心脏疾病的准确率较低（仅41%）	评估GPT-4o解读12导联心电图的分类准确性并探索性能提升方法	80例心电图病例（30例正常，50例异常，涵盖6种常见诊断）	自然语言处理	心血管疾病	多模态人工智能，零样本学习，少样本学习	GPT-4o	图像，文本	80例心电图病例（30正常+50异常）