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
101	2026-08-20	Accurate and Efficient Phylogenetic Inference through End-To-End Deep Learning 2025-10-29, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msaf260 PMID:41129273	研究论文	提出了一种名为NeuralNJ的端到端深度学习框架，直接从输入分类单元构建系统发育树，提高了推断的准确性和计算效率。	创新点在于可学习的邻居连接机制，通过迭代加入邻居并利用学习到的优先级分数实现准确的树重建，并通过强化学习进一步优化。	现有深度学习方法因拆分推断阶段导致准确率有限，或效率低且难以应用于超过20个物种的情况。	开发一种准确且高效的系统发育推断方法，适用于复杂进化场景中上百个分类单元。	系统发育树推断，涉及模拟数据和经验数据中的物种。	机器学习, 生物信息学	不适用	深度学习, 强化学习	神经网络（NeuralNJ）	模拟数据, 经验数据	不适用，具体数量未在文摘中提及	不适用	NeuralNJ	计算效率, 重建准确率	不适用
102	2026-08-19	Artificial Intelligence-Assisted Image Extraction in Neonatal Echocardiography for Congenital Heart Disease Diagnosis in Sub-Saharan Africa: Protocol for Model Development 2025-10-30, JMIR research protocols IF:1.4Q3 DOI:10.2196/75270 PMID:41167236	研究方案	本研究旨在开发用于新生儿超声心动图先天性心脏病诊断的人工智能辅助图像提取系统，以改善撒哈拉以南非洲的诊断能力差距	利用双阶段深度学习模型，结合卷积神经网络和卷积长短期记忆层，并采用强化学习指导特征提取器的动态使用，以适应资源有限环境下的实时心脏视图检测	文中未提及具体局限性，可能包括对特定临床环境的依赖、数据多样性有限或计算资源需求等	开发AI辅助超声心动图系统，使非专家操作员能够执行基本心脏超声扫描并提取准确图像供远程解读，以提高先天性心脏病诊断的可及性	新生儿（0-28天）的超声心动图视频数据，涵盖美国超声心动图学会定义的10种标准心脏视图	计算机视觉, 深度学习	先天性心脏病	超声心动图, 深度学习模型	卷积神经网络, 卷积长短期记忆网络	超声心动图视频	回顾性数据约500名新生儿，前瞻性数据1000名新生儿	TensorFlow, PyTorch, Labelbox	CNN, ConvLSTM, 交错视觉记忆框架	未指定，可能包括实时视图检测的准确性或一致性指标	未指定
103	2026-08-13	Leveraging artificial intelligence and machine learning in kinase inhibitor development: advances, challenges, and future prospects 2025-Oct-15, RSC medicinal chemistry IF:4.1Q2 DOI:10.1039/d5md00494b PMID:40919316	综述	本文综述了人工智能和机器学习在激酶抑制剂开发中的应用，涵盖药物设计、优化和再利用等方面的进展、挑战及未来前景	系统总结了深度学习、图神经网络和生成模型在激酶抑制剂开发全流程中的应用，并讨论了联邦学习、个性化抑制剂和AI驱动的联合疗法等新兴方向	数据稀疏性、模型可解释性以及计算结果与实验之间的转化差距	探讨AI/ML方法如何克服激酶抑制剂开发中的挑战，加速下一代激酶靶向治疗药物的开发	激酶抑制剂，包括BTK和EGFR抑制剂等代表性案例	机器学习	癌症、自身免疫性疾病	深度学习、图神经网络、生成模型	NA	NA	NA	NA	NA	NA	NA
104	2026-08-13	Actigraphy against 32-hour polysomnography in patients with suspected idiopathic hypersomnia 2025-10, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70007 PMID:39979124	研究论文	本研究验证了基于腕部活动记录的深度学习算法（S2S序列到序列长短期记忆网络）在疑似特发性嗜睡症患者中预测睡眠-觉醒状态的能力，并与商业算法（Actiwatch Software）及32小时多导睡眠监测进行比较。	首次在疑似特发性嗜睡症患者中验证基于深度学习的活动记录算法，其性能优于商业算法，并显著减少睡眠高估误差。	未探讨算法在家庭环境中的实际应用效果，且样本中女性比例较高可能影响泛化性。	验证基于活动记录的深度学习算法在疑似特发性嗜睡症患者中预测睡眠-觉醒参数的准确性，并比较其与商业算法的性能。	疑似特发性嗜睡症的过度嗜睡患者	机器学习	特发性嗜睡症	活动记录（腕部活动记录仪）	循环神经网络（RNN）	时间序列数据（活动记录）	126名患者（91名女性，平均年龄30.6±15.5岁）	NA	序列到序列长短期记忆网络（S2S-LSTM）	绝对误差，Bland-Altman分析	NA
105	2026-08-13	Automated Sleep Staging in Epilepsy Using Deep Learning on Standard Electroencephalogram and Wearable Data 2025-10, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70061 PMID:40176726	研究论文	本研究评估了深度学习模型在标准脑电图和可穿戴设备数据上自动进行睡眠分期，以帮助管理癫痫患者	将深度学习应用于可穿戴设备的睡眠分期，以改善癫痫患者的管理，并比较了标准EEG和可穿戴数据在睡眠分期上的性能	模型在不同睡眠阶段（尤其是N1期）的敏感度较低，且可穿戴数据在某些睡眠宏观结构参数上有所低估	评估深度学习模型在标准脑电图和可穿戴数据上的自动睡眠分期性能，并探索癫痫患者与无癫痫患者的睡眠差异	50名癫痫患者的223个夜间睡眠记录	深度学习、医疗健康	癫痫	脑电图（EEG）、可穿戴设备（加速度计）	深度学习模型	脑电图信号、加速度计数据	50名患者的223个夜间睡眠记录，其中20个晚上由临床专家评分	NA	NA	准确性、Cohen's kappa、F1分数、Bland-Altman分析	NA
106	2026-08-13	Fully Automated Anatomy Labeling for Intracardiac Echocardiography Using Deep Learning 2025-10, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2025.06.009 PMID:40767798	研究论文	该研究开发了一种基于深度学习的全自动解剖结构标注算法，用于心腔内超声图像，以辅助电生理手术操作	首次利用来自两个机构的605例电生理手术和196,768张心腔内超声图像，开发了全自动解剖结构标注算法，能够从右心房检测解剖结构，且误标罕见	未提及明确局限性，但仅涉及右心房结构，且部分结构（15/21）识别精度和召回率超过70%，其余结构可能识别效果较差	开发一种自动解剖结构标注算法，用于教育工具或导航工具，以指导心腔内超声操作者进行电生理手术	心腔内超声图像中的解剖结构，源自两个机构的605例电生理手术	计算机视觉	心血管疾病	深度学习，图像分析	深度学习模型（具体类型未提及）	图像	605例电生理手术，196,768张心腔内超声图像	NA	NA	精确率、召回率	NA
107	2026-08-13	PCGMMF: a prediction method for breast cancer prognostic recurrence and metastasis risk based on enhanced multimodal feature fusion 2025-10, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104907 PMID:40935222	研究论文	提出了一种基于增强多模态特征融合的乳腺癌预后复发和转移风险预测方法PCGMMF	整合了组织病理图像、临床数据、基因表达数据和DNA甲基化数据，并通过双向注意力和自注意力机制设计了一个增强多模态特征融合模块BSAMF	未明确提及	开发一种更准确有效的方法来预测乳腺癌预后中的复发和转移风险	乳腺癌患者	机器学习, 数字病理学	乳腺癌	组织病理图像分析, 基因表达数据, DNA甲基化测序	Vision-LSTM, 支持向量机	组织病理图像, 临床数据, 基因表达数据, DNA甲基化数据	未明确提及	NA	Vision-LSTM, BSAMF	准确率, AUC	未明确提及
108	2026-08-12	Comparative investigation into flexible alginate-based hydrogel sponges with excellent biocompatibility and breathability for reliable strain and pressure sensors 2025-10-21, Mikrochimica acta DOI:10.1007/s00604-025-07620-0 PMID:41117919	研究论文	本研究通过一锅法和定向冷冻工艺制备了多种海藻酸钠基水凝胶海绵，并比较了它们的性能，其中SA/SF水凝胶海绵表现出均匀的孔结构和优异的机械性能，用于应变和压力传感器，结合深度学习实现高精度信息编码。	通过定向冷冻工艺制备具有取向和均匀孔结构的SA基水凝胶海绵，实现应变和压力传感器的同步透气性、生物相容性和高灵敏度，并提出通过正负电阻信号区分应变和压力刺激，结合深度学习和莫尔斯电码实现高效信息编码。	摘要中未提及研究的局限性。	开发具有良好透气性、生物相容性和高应变/压力灵敏度的柔性传感器，用于可穿戴电子和人机交互领域。	多种海藻酸钠基水凝胶海绵，包括SA/SF、其他SA基复合材料等，用于应变和压力传感。	机器学习, 材料科学	NA	定向冷冻工艺	深度学习模型（具体类型未指定）	传感器信号（电阻响应）	未明确样本数量，涉及多种水凝胶海绵材料和传感器测试，包括3750多次循环稳定性测试。	NA	NA	应变系数（GF）、压力灵敏度、循环稳定性（循环次数）、准确性	NA
109	2026-08-12	Identifying an optimal perturbation to induce a desired cell state by generative deep learning 2025-10-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101405 PMID:40997798	研究论文	本文介绍了一种名为PAIRING的生成式深度学习方法，用于识别能够诱导目标细胞状态的扰动。	该方法通过将细胞状态分解为基态和扰动效应，并在潜在空间中比较扰动效应与目标状态转变向量，实现了对最优扰动的识别。	未在摘要中明确说明局限性。	开发一种生成式深度学习模型，以识别能够诱导细胞向期望状态转变的扰动，助力治疗开发。	转录组数据集中的细胞状态，特别是结直肠癌细胞。	机器学习	结直肠癌	转录组测序	生成式深度学习模型	转录组数据	未在摘要中明确说明样本数量。	未在摘要中明确说明。	未在摘要中明确说明具体架构。	未在摘要中明确说明性能指标。	未在摘要中明确说明计算资源。
110	2026-08-12	Leveraging attention-based deep multiple instance and multiple task learning for improved neoepitope identification 2025-10-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101404 PMID:41056952	研究论文	提出一种结合注意力机制的多示例学习与多任务学习的深度学习模型NeoMHCI，用于提高MHC I类新表位的识别准确性。	首次将注意力机制的多示例学习与多任务学习相结合用于新表位识别，通过多示例学习生成高质量肽嵌入并利用微调增强免疫原性优先排序。	摘要未提及明显局限性。	提高MHC I类新表位的预测准确性，以辅助个性化癌症免疫治疗。	MHC I类多等位基因配体呈递预测和肿瘤新表位识别。	机器学习	癌症（用于免疫治疗）	深度学习，多示例学习，多任务学习	深度学习模型（基于注意力的MIL和多任务学习）	基准数据集（肽序列和相关MHC分子信息）	未明确	NA	注意力机制的MIL网络和多任务学习网络	AUC-ROC (0.948)，AUC-PR (0.496)，Top-5准确率 (42.3%)	未明确
111	2026-08-12	Construction of Sonosensitizer-Drug Co-Assembly Based on Deep Learning Method 2025-10, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202502328 PMID:40376918	研究论文	本文提出一种基于深度学习的声敏剂-药物相互作用模型，用于预测药物混合物的粒径，并应用于纳米药物NanoME的构建与验证	引入多尺度交叉注意力机制和图神经网络以捕捉分子原子、键和结构特征，提高预测精度并分析分子结构影响	未明确提及局限性	开发一种基于深度学习的声敏剂-药物共组装策略，预测药物混合物粒径并指导纳米药物构建	声敏剂（如大黄素）和化疗药物（如甲氨蝶呤）的共组装体系	机器学习	肝癌	深度学习，图神经网络	图神经网络模型（SDI）	分子结构数据	未明确说明样本数量	未明确说明	图神经网络，多尺度交叉注意力机制	精确率、召回率、F1分数	未明确说明
112	2026-08-12	The Future of Parasomnias 2025-10, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70090 PMID:40387303	综述	本文综述了异态睡眠（如梦游症和REM睡眠行为障碍）在诊断、监测和治疗方面的最新进展	探讨了新型家庭诊断设备、深度学习分析方法、大数据预测和梦境工程在异态睡眠研究和治疗中的应用	信息不足	总结异态睡眠的未来发展方向，包括诊断技术、风险预测和治疗方法	异态睡眠患者，特别是梦游症和REM睡眠行为障碍患者	睡眠医学	异态睡眠（梦游症、REM睡眠行为障碍）	多导睡眠监测、脑电图、活动记录、视频监测、DNA分析、脑成像	深度学习模型	临床数据、认知数据、脑成像数据、DNA数据、多导睡眠监测数据、视频数据	信息不足	NA	NA	信息不足	信息不足
113	2026-08-11	Explainable AI-Driven Analysis of Radiology Reports Using Text and Image Data: Experimental Study 2025-10-14, JMIR formative research IF:2.0Q4 DOI:10.2196/77482 PMID:40997754	研究论文	本研究评估了可解释人工智能在解读放射学报告中的应用，以提高医疗保健从业者对AI辅助诊断的信心和理解。	结合文本和图像数据，使用多种先进模型（如LLaMA-3.1）进行放射学报告分类，并通过XAI方法增强模型的可解释性和透明度。	未提及具体限制。	评估XAI在解读放射学报告中的应用，以提高医疗专业人员对AI辅助诊断的信任和理解。	印第安纳大学胸部X射线数据集中的3169份文本报告和6471张图像。	自然语言处理, 计算机视觉, 可解释人工智能	胸部疾病（异常发现，如不透明、实变等）	机器学习、深度学习、自然语言处理	LSTM, GPT-2, T5, LLaMA-2, LLaMA-3.1, CNN (DenseNet121, DenseNet169)	文本、图像	3169份文本报告和6471张图像	NA	LSTM, Transformer (GPT-2, T5, LLaMA-2, LLaMA-3.1), CNN (DenseNet121, DenseNet169)	准确率, 科恩卡帕系数, 卡方检验, 费舍尔精确检验, 麦克尼马尔检验	NA
114	2026-08-09	A multimodal automated deep learning-based model for predicting biochemical recurrence of prostate cancer following prostatectomy from baseline MRI, Presurgical clinical covariates 2025-Oct, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110579 PMID:40803139	研究论文	开发一种基于多模态深度学习的AI算法，利用MRI和临床数据预测前列腺癌根治术后生化复发。	采用自动化多模态模型整合定量影像特征与临床协变量，在预测生化复发方面优于传统CAPRA-S评分，尤其在中危患者中表现出显著区分能力。	样本量有限（n=311），且为单中心回顾性研究，可能影响泛化性。	评估自动化多模态深度学习模型在预测前列腺癌术后生化复发中的性能，并与标准临床评分比较。	311例行根治性前列腺切除术的前列腺癌患者。	医学影像分析	前列腺癌	磁共振成像（MRI）	深度学习（多模态模型）	影像和临床数据	311例患者	未明确提及	未明确提及	AUROC、灵敏度、p值（对数秩检验）	未明确提及
115	2026-08-07	DiffRaman: A conditional latent denoising diffusion probabilistic model for enhancing bacterial identification via Raman spectra generation under limited data 2025-10-22, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344372 PMID:40903108	研究论文	提出一种基于条件潜在去噪扩散概率模型的拉曼光谱数据生成方法，以增强细菌识别在数据有限情况下的性能	首次将条件潜在去噪扩散概率模型应用于细菌拉曼光谱生成，结合VQ-VAE和条件DDPM，提高生成质量和计算效率	未明确提及局限性，但可能受限于拉曼光谱数据的具体类型和实验条件	解决拉曼光谱数据不足时深度学习诊断性能下降的问题，通过数据生成增强细菌识别准确性	细菌拉曼光谱数据，用于快速鉴定病原细菌	机器学习	细菌感染	拉曼光谱	生成模型（扩散模型）	光谱数据（图像形式）	未提供具体数量，但涉及细菌拉曼光谱数据集	PyTorch（推测，未明确说明）	VQ-VAE, DDPM	生成质量、计算效率、诊断模型性能（未具体列出指标）	未提供具体信息
116	2026-08-07	N2G calibrator: a cross-subject domain adversarial training framework for gait tracking from neural signals in Parkinson's disease 2025-Oct-09, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.08.25337508 PMID:41282855	研究论文	提出一种跨受试者域对抗训练框架N2G校准器，利用集体神经数据跟踪帕金森病患者的步态表现	利用域对抗学习校准目标用户的神经信号，消除同步步态记录系统的需求，实现临床环境外的个性化模型校准	未提及	开发一种无需同步步态记录系统即可跨受试者跟踪帕金森病步态的性能的深度学习框架	帕金森病患者的神经信号和步态表现	机器学习	帕金森病	神经信号记录	域对抗网络	神经信号数据	未提及	未提及	域对抗网络	错误率	未提及
117	2026-08-07	Artificial Intelligence Deep Learning Models to Predict Spaceflight Associated Neuro-Ocular Syndrome 2025-10, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.06.009 PMID:40505849	研究论文	本研究利用深度学习人工智能模型，通过视神经头光学相干断层扫描图像预测太空飞行相关神经眼综合征的发生	首次使用深度学习模型结合飞行数据和地面头低位卧床数据预测SANS，并评估了跨训练模型的性能和类激活图	数据受限，样本量小，模型性能中等至较高，但置信区间较宽，提示结果不确定性大	创建深度学习AI模型，利用OCT图像预测SANS的发生，并验证地面模型作为SANS地球模型的合理性	宇航员和头低位卧床研究参与者	计算机视觉	太空飞行相关神经眼综合征	光学相干断层扫描	卷积神经网络	图像	飞行数据和地面数据，均为OCT图像，具体数量未提及	NA	ResNet50	受试者工作特征曲线下面积	NA
118	2026-08-05	Development of machine learning-based mpox surveillance models in a learning health system 2025-Oct-16, Sexually transmitted infections IF:3.6Q2 DOI:10.1136/sextrans-2024-056382 PMID:40318862	研究论文	本研究旨在开发基于机器学习和深度学习模型的mpox病例监测系统，利用临床笔记进行监测	首次将机器学习模型应用于mpox监测，并在学习型健康系统框架下进行，比较了传统回归模型与深度学习模型的性能	仅基于单一医疗中心的数据，样本量相对较小，可能限制模型的泛化能力	开发并评估基于临床笔记的机器学习模型用于mpox病例监测，以支持公共卫生监测和持续质量改进	哥伦比亚大学欧文医学中心的临床就诊记录，包括PCR确诊的mpox病例及匹配对照	机器学习	mpox	临床笔记文本分析	逻辑回归（LASSO）、ClinicalBERT、ClinicalLongformer	临床文本数据	228例mpox病例和698例对照	NA	LASSO、ClinicalBERT、ClinicalLongformer	精确率、召回率、F1分数、AUROC、AUPRC、RP80	NA
119	2026-07-30	A protein dynamics-based deep learning model enhances predictions of fitness and epistasis 2025-Oct-21, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2502444122 PMID:41100667	研究论文	构建结合蛋白质动力学的深度学习模型，提升对蛋白质适应性和上位效应的预测能力	创新性地利用基于物理的“非对称动态耦合指数”（DCI）构建异构图形神经网络（GNN），将每个残基与其远距离动态影响者连接，从而无需实验上位数据即可模拟上位相互作用	未在标题和摘要中明确提及局限性	解决预测两个或多个突变之间复杂相互作用的挑战，提高对蛋白质功能影响的评估能力	四种不同蛋白质的深度突变扫描数据集及37种新型计算机设计的TEM-1 β-内酰胺酶变体	机器学习	NA	深度突变扫描	图形神经网络（GNN）	序列数据（蛋白质突变数据）	四种蛋白质的深度突变扫描数据集及37种TEM-1 β-内酰胺酶变体	NA	异构图形神经网络（GNN）	预测准确性	NA
120	2026-07-30	Individualized treatment effects of corticosteroids in IgA nephropathy 2025-Oct-09, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.08.25337548 PMID:41282804	研究论文	开发因果机器学习框架预测IgA肾病患者对皮质类固醇的个体化治疗效应	整合临床变量、组织病理学评分和基于深度学习的病理组学生物标志物，首次实现IgA肾病皮质类固醇治疗的个体化效应预测	未明确说明局限性	实现IgA肾病皮质类固醇治疗的个体化精准决策	IgA肾病患者	机器学习	IgA肾病	病理组学	因果机器学习模型	数字肾活检图像、临床数据、组织病理学评分	来自八个国际回顾性队列的1022名患者	NA	深度学习模型（未指定具体架构）	肾脏生存率（五年无进展生存）	NA