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	2025-12-13	Whole genome characterization of patient-derived lung cancer organoids 2025-Nov-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-2025-738 PMID:41367555	研究论文	本研究通过全基因组测序对患者来源的肺癌类器官进行了全面的基因组特征分析，探索其突变景观和治疗潜力	利用全基因组测序技术对患者来源的肺癌类器官进行全面的基因组特征分析，包括非编码区域的突变，并结合深度学习进行药物反应预测	药物筛选显示基因组数据可用于药物预测，但需要更先进的模型来充分利用全基因组测序数据	建立并表征患者来源的肺癌类器官，以研究肿瘤生物学并为精准医学提供信息	来自14名非小细胞肺癌患者的切除肿瘤和恶性胸腔积液	数字病理学	肺癌	全基因组测序, 下一代测序	深度学习	基因组数据	14名非小细胞肺癌患者的肺癌类器官	NA	NA	NA	NA
2	2025-12-13	Predicting suicide death among veterans after psychiatric hospitalization using transformer based models with social determinants and NLP 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27435-6 PMID:41315506	研究论文	本研究评估了在预测退伍军人精神病院出院后自杀死亡风险时，加入社会行为健康决定因素（SBDH）对提升预测性能的影响	首次将基于ICD编码和从非结构化临床笔记中通过NLP提取的社会行为健康决定因素（SBDH）整合到Transformer基础模型中，用于预测精神病院出院患者的自杀风险，并证明其能显著提升模型性能、校准度和公平性	研究人群仅限于美国退伍军人，可能限制了结果的普适性；模型性能指标（如AUROC为64.0）仍有提升空间	评估社会行为健康决定因素（SBDH）是否能改善精神病院出院患者自杀死亡的预测准确性	197,581名从美国129家退伍军人健康管理局精神病院出院的退伍军人，共计414,043次出院记录	自然语言处理	NA	自然语言处理（NLP）系统，ICD编码提取	Transformer, 传统机器学习模型集成	文本（非结构化临床笔记），结构化管理数据	197,581名退伍军人的414,043次出院记录	NA	TransformEHR（用于电子健康记录的Transformer基础模型）	灵敏度, 阳性预测值, 受试者工作特征曲线下面积	NA
3	2025-12-13	Artificial intelligence in metabolic dysfunction-associated steatotic liver disease: Machine learning for non-invasive diagnosis and risk stratification 2025-Nov-27, World journal of hepatology IF:2.5Q2 DOI:10.4254/wjh.v17.i11.111354 PMID:41368121	综述	本文综述了人工智能，特别是机器学习和深度学习，在代谢功能障碍相关脂肪性肝病（MASLD）非侵入性诊断和风险分层中的最新进展、关键模型、性能指标及临床应用	系统总结了AI在MASLD诊断中的最新应用，强调了其在风险预测、影像解读和疾病分层方面的准确性提升，并指出了数据标准化、可解释性和临床验证等挑战	NA	探讨人工智能在代谢功能障碍相关脂肪性肝病（MASLD）非侵入性诊断和风险分层中的应用	代谢功能障碍相关脂肪性肝病（MASLD）	机器学习	代谢功能障碍相关脂肪性肝病	NA	机器学习, 深度学习	影像数据	NA	NA	NA	NA	NA
4	2025-12-13	Exploiting correlations across trials and behavioral sessions to improve neural decoding 2025-Nov-26, Neuron IF:14.7Q1 DOI:10.1016/j.neuron.2025.10.026 PMID:41308644	研究论文	本文提出两种多会话神经解码模型，通过利用跨试验和跨会话的相关性来提升神经解码性能	首次提出同时捕捉跨试验和跨会话相关性的多会话解码框架，相比传统单试验解码方法显著提升性能，且模型兼具高效性和可解释性	未与深度学习方法的性能进行直接量化比较，模型在更复杂行为任务上的泛化能力有待验证	开发能够利用神经活动跨时间维度相关性的新型神经解码方法	国际脑实验室（IBL）小鼠Neuropixels数据集中的神经活动与行为数据	计算神经科学	NA	Neuropixels神经信号记录	降秩回归模型,状态空间模型	神经电生理信号,行为数据	433个实验会话，覆盖270个脑区	NA	多会话降秩回归模型,多会话状态空间模型	行为解码准确率	NA
5	2025-12-13	Building and Prospectively Evaluating a Prediction Model to Forecast Urgent Dialysis Needs across Four Tertiary Hospitals 2025-Nov-24, American journal of nephrology IF:4.3Q1 DOI:10.1159/000549256 PMID:41284586	研究论文	本研究开发并前瞻性评估了预测模型，以预测四家三级医院未来7天的紧急透析需求	结合统计、机器学习和深度学习模型进行多中心、长期（6年）研究，并进行了前瞻性验证	研究仅涉及四家医院，可能无法推广到所有医疗机构；模型性能可能受数据波动影响	预测医院紧急透析需求，优化护理人员调度，提高资源利用效率	四家三级医院的紧急透析需求数据	机器学习	肾脏疾病	时间序列分析，深度学习	ARIMA, TCN	时间序列数据	回顾性数据（2018年4月1日至2023年3月31日）和前瞻性数据（2023年11月1日至30日，2024年5月31日至6月27日）	NA	自回归积分滑动平均模型，时间卷积网络	平均绝对误差	NA
6	2025-12-13	Artificial Intelligence for the Analysis of Biometric Data from Wearables in Education: A Systematic Review 2025-Nov-18, Sensors (Basel, Switzerland) DOI:10.3390/s25227042 PMID:41305250	综述	本文系统综述了在教育环境中使用可穿戴设备采集生物特征数据并结合AI算法进行分析的研究现状	首次系统性地整合了可穿戴设备、生物特征数据与AI算法在教育场景中的应用研究，并提出了未来研究方向	缺乏标准化的数据采集和报告规范，导致研究难以复制、比较和综合	探讨可穿戴设备采集的生物特征数据与AI算法结合在教育环境中的应用	教育环境中的学生生物特征数据	机器学习	NA	可穿戴设备生物特征测量	机器学习,深度学习	生物特征数据	43项研究	NA	NA	NA	NA
7	2025-12-13	CUSP: Complex Spike Sorting from Multi-electrode Array Recordings with U-net Sequence-to-Sequence Prediction 2025-Nov-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.18.689109 PMID:41332555	研究论文	本文提出了一种名为CUSP的深度学习框架，用于从高密度多电极阵列记录中自动检测和分类复杂尖峰信号	采用U-Net架构结合混合自注意力inception模块，以序列到序列的方式整合局部场电位和动作电位信号，实现了复杂尖峰的自动检测与聚类	方法主要基于猕猴小脑神经像素记录训练，在其他神经系统的泛化能力需进一步验证	开发一种自动化、鲁棒的复杂尖峰排序方法，以研究小脑及其他神经系统的信息编码	小脑浦肯野细胞中的复杂尖峰信号	机器学习	NA	多电极阵列记录，神经像素记录	U-Net	神经电生理信号序列	基于猕猴小脑神经像素记录的训练数据	NA	U-Net with hybrid self-attention inception blocks	F1分数	NA
8	2025-12-13	Improved accuracy for myocardial blood flow mapping with deep learning-enabled CMR arterial spin labeling (DeepMASL): Validation by microsphere in vivo 2025-Nov-14, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101989 PMID:41242615	研究论文	本研究提出了一种基于深度学习的改进心肌动脉自旋标记方法（DeepMASL），用于提高心肌血流量测量的准确性，并在犬类冠状动脉疾病模型中通过微球测量进行了验证	开发了一种结合物理模型的深度学习网络（DeepMASL），显著提高了高血流量心肌血流量测量的准确性，误差从33-49%降低至10%以下	研究仅在犬类模型中进行，尚未在人类临床环境中验证；样本量较小（18只犬）	提高心肌动脉自旋标记（ASL）方法在测量心肌血流量（MBF）时的准确性，以用于无对比剂心肌灌注缺损诊断	犬类冠状动脉疾病模型，包括健康犬（9只）和冠状动脉狭窄犬（9只，分为50%、70%、90%狭窄程度）	医学影像分析	心血管疾病	心肌动脉自旋标记（ASL）、微球测量	深度学习网络	ASL信号图像	18只犬（9只健康，9只冠状动脉狭窄）	NA	基于物理的深度学习网络（DeepMASL）	相关性（r值）、Bland-Altman分析（95%置信区间、偏差）	NA
9	2025-12-13	Regional brain aging patterns reveal disease-specific pathways of neurodegeneration 2025-Nov-14, medRxiv : the preprint server for health sciences DOI:10.1101/2025.11.12.25339989 PMID:41292666	研究论文	本文介绍了一种名为BrainAgeMap的可解释深度学习框架，用于从T1加权磁共振成像扫描中生成精细的体素级脑预测年龄差异图，以揭示神经退行性疾病的特定区域脑老化模式	引入了BrainAgeMap框架，能够生成体素级的脑预测年龄差异图，提高了对脑老化异质性的特异性映射，超越了传统的全局指标	未明确提及样本量或计算资源的具体细节，可能限制了结果的泛化性	开发一种工具来描绘疾病特异性的神经退行性途径，为早期诊断、患者分层和治疗干预监测提供新机会	阿尔茨海默病、额颞叶痴呆、精神分裂症患者以及轻度认知障碍个体的脑部磁共振成像数据	医学影像分析	阿尔茨海默病, 额颞叶痴呆, 精神分裂症	T1加权磁共振成像, 正电子发射断层扫描	深度学习	图像	NA	NA	NA	NA	NA
10	2025-12-13	Fully automated on-scanner aortic four-dimensional flow magnetic resonance imaging processing and hemodynamic analysis 2025-Nov-11, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101985 PMID:41232676	研究论文	本研究开发并验证了一种完全自动化的扫描仪内主动脉四维血流磁共振成像处理及血流动力学分析工作流	首次将4D血流处理任务（包括深度学习模型）直接集成到磁共振扫描仪重建流程中，实现了扫描后即时自动化分析	研究样本量较小（仅20名受试者），且仅在1.5T MRI系统上验证	开发并验证一种完全自动化的扫描仪内4D血流磁共振成像处理及血流动力学分析方法，以提高临床工作流效率	主动脉疾病患者（n=10）和健康对照者（n=10）的主动脉4D血流磁共振成像数据	数字病理学	心血管疾病	四维血流心血管磁共振成像	深度学习模型	磁共振图像	20名受试者（10名主动脉疾病患者，10名健康对照者）	TensorFlow	NA	Dice系数，Bland-Altman分析，平均相对差异	MRI扫描仪自身的计算资源，容器化Python 3.6环境
11	2025-12-13	General Intelligence-based Fragmentation (GIF): A framework for peak-labeled spectra simulation 2025-Nov-11, ArXiv PMID:41293535	研究论文	提出了一种基于通用智能的碎片化框架GIF，用于指导预训练大语言模型通过结构化提示和推理进行质谱模拟	开发了GIF框架，利用结构化提示和推理引导LLMs进行质谱模拟，为复杂科学任务提供了系统化指导方法	NA	提高质谱注释率，探索大语言模型在质谱模拟领域的应用	质谱数据	自然语言处理	NA	质谱分析	LLM	文本	基于MassSpecGym数据集构建的QA-sim数据集	NA	GPT-4o, GPT-4o-mini, GPT-5, Llama-3.1, ChemDFM	余弦相似度	NA
12	2025-12-13	buzzdetect: an open-source deep learning tool for automated bioacoustic pollinator monitoring 2025-Nov-07, Journal of insect science (Online) DOI:10.1093/jisesa/ieaf104 PMID:41369586	研究论文	介绍了一种名为“buzzdetect”的开源深度学习工具，用于通过音频数据进行传粉昆虫的被动声学监测	开发了一个开源深度学习工具，将深度学习模型应用于音频数据，实现传粉昆虫的自动化生物声学监测，提高了监测的效率和规模	模型在每秒基础上的灵敏度仅为28%，虽然精度高达95%，但检测能力可能有限，未提及模型在其他环境或物种上的泛化性能	开发一个自动化工具，以低成本、大规模地监测传粉昆虫的生态活动	传粉昆虫（如蜜蜂等）的飞行嗡嗡声	机器学习	NA	被动声学监测	深度学习模型	音频数据	来自4种作物和1种野花的录音数据	NA	NA	灵敏度, 精度	NA
13	2025-12-13	Generative Design of Cell Type-Specific RNA Splicing Elements for Programmable Gene Regulation 2025-Nov-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.05.686847 PMID:41279721	研究论文	本文介绍了SPICE框架，利用深度学习模型预测和生成细胞类型特异性RNA剪接序列，以实现可编程的基因调控	首次整合大规模并行报告基因检测与深度学习，生成可编程的细胞类型特异性剪接元件，并应用于致癌剪接因子突变的细胞选择性剪接	未明确说明模型在更广泛细胞类型或体内环境中的泛化能力，以及临床转化所需的具体验证步骤	开发一种可扩展的、基于RNA剪接的细胞类型特异性基因调控策略，用于基础研究和治疗应用	人类来源的RNA剪接序列和43个细胞系	自然语言处理	NA	大规模并行报告基因检测	深度学习模型	序列数据	46,372个人类来源序列和43个细胞系	NA	NA	NA	NA
14	2025-12-13	StoPred: Accurate Stoichiometry Prediction for Protein Complexes Using Protein Language Models and Graph Attention 2025-Nov-05, Research square DOI:10.21203/rs.3.rs-7909758/v1 PMID:41282093	研究论文	提出一种名为StoPred的新方法，通过整合蛋白质语言模型和图注意力网络来预测蛋白质复合物的化学计量比	首个基于深度学习的能够准确预测异源寡聚复合物化学计量比的方法，无需模板组装或预定义组成	未明确说明方法在特定蛋白质家族或极端条件下的适用性限制	开发一种准确预测蛋白质复合物化学计量比的通用计算方法	蛋白质复合物（包括同源寡聚体和异源寡聚体）	计算生物学	NA	蛋白质语言模型，图注意力网络	图注意力网络	蛋白质序列，结构特征	NA	NA	图注意力网络	top-1准确率	NA
15	2025-12-13	Insights into AI-Driven malaria diagnosis: A systematic review with implications for Plasmodium knowlesi 2025-Nov, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2025.107842 PMID:40962162	系统综述	本文系统综述了人工智能（特别是深度学习）在疟疾血期诊断中的应用，特别关注了诺氏疟原虫（Plasmodium knowlesi）的诊断挑战与进展	与以往主要关注疟原虫物种分类的综述不同，本研究深入比较了AI驱动的血期识别方法，特别聚焦于诺氏疟原虫，并系统分析了CNN、迁移学习、集成学习及YOLO、Faster R-CNN等目标检测模型的有效性	基于AI的诺氏疟原虫血期分类研究仍然有限，面临注释数据集不足、类别不平衡和模型可解释性等关键挑战	评估人工智能（特别是深度学习）在疟原虫血期分类中的应用，以改善诺氏疟原虫的诊断准确性、效率和一致性	诺氏疟原虫（Plasmodium knowlesi）及其他疟原虫的血期图像	数字病理学	疟疾	显微镜检查，深度学习图像分析	CNN, 迁移学习, 集成学习, 目标检测模型	图像	NA	NA	YOLO, Faster R-CNN	NA	NA
16	2025-12-13	Integrating Multi-Modal Imaging Features for Early Prediction of Acute Kidney Injury in Pneumonia Sepsis: A Multicenter Retrospective Study 2025-Nov, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.007 PMID:41027784	研究论文	本研究开发了一个名为MCANet的多模态深度学习框架，通过整合肺部、心外膜脂肪组织和T4水平皮下脂肪组织的影像特征，来预测肺炎相关脓毒症患者的急性肾损伤发生及其时间	提出了一个两阶段深度学习框架MCANet，首次整合了肺部、心外膜脂肪组织和T4水平皮下脂肪组织的多区域影像特征，并利用跨注意力机制增强解剖区域间的交互，用于预测肺炎相关脓毒症患者的急性肾损伤	这是一项回顾性研究，可能存在选择偏倚；研究样本量相对有限（399名患者）；模型性能需要在更大规模的前瞻性队列中进行验证	利用深度学习从肺炎相关脓毒症病例中提取信息性影像特征，以早期预测急性肾损伤的发生	肺炎相关脓毒症患者	数字病理学	急性肾损伤	胸部CT成像	CNN	图像, 临床记录, 实验室数据	399名肺炎相关脓毒症患者	PyTorch, Scikit-learn	ResNet-18, ResNet-101, LightGBM	AUC, 准确率, 精确率, 召回率, F1分数	NA
17	2025-12-13	Deep learning for accurate tumour volume measurement and prediction of therapy response in paediatric osteosarcoma 2025-Nov-01, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12115-w PMID:41176552	研究论文	本研究开发了两种自动卷积神经网络，用于量化小儿骨肉瘤的肿瘤体积并预测对诱导化疗的反应	开发了基于3D U-Net的自动深度学习模型，用于非侵入性地准确测量肿瘤体积并预测化疗反应，减少了对人工测量和术后组织病理学的依赖	研究为回顾性、多中心设计，样本量相对有限（总计101名患者），且外部验证集规模较小	评估小儿骨肉瘤的治疗反应，通过自动化方法提高肿瘤体积测量和化疗反应预测的准确性	小儿骨肉瘤患者	数字病理学	骨肉瘤	磁共振成像	CNN	图像	总计101名患者（训练集81名，验证集20名），共202次MRI扫描	NA	3D U-Net	Spearman相关系数, Bland-Altman图, Dice系数, 准确率, 灵敏度, 特异性	NA
18	2025-12-13	General Purpose Deep Learning Attenuation Correction Improves Diagnostic Accuracy of SPECT MPI: A Multicenter Study 2025-Nov, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.06.010 PMID:40778900	研究论文	本研究开发了一种深度学习模型，用于生成模拟SPECT衰减校正图像，以提高SPECT心肌灌注成像对阻塞性冠状动脉疾病的诊断准确性	利用深度学习生成合成衰减校正图像，作为CT-based衰减校正的替代方案，无需额外设备、成像时间或辐射暴露	研究仅基于特定患者队列进行外部验证，未在所有临床环境中广泛测试	评估深度学习生成的合成SPECT图像是否能增强传统SPECT心肌灌注成像的准确性	SPECT心肌灌注成像患者，包括多中心队列和外部验证队列	数字病理学	心血管疾病	SPECT心肌灌注成像，CT-based衰减校正，深度学习	深度学习模型	SPECT图像	开发队列：4,894名患者（来自4个中心）；外部验证队列1：746名患者（来自72个中心）；外部验证队列2：320名患者（来自1个外部中心）	NA	NA	AUC, 总灌注缺损	NA
19	2025-12-13	A deep learning approach for enhancing pandemic prediction: A retrospective evaluation of transformer neural networks and multi-source data fusion for infectious disease forecasting 2025-Nov-01, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2025.100865 PMID:41197498	研究论文	本研究提出了一种基于Transformer神经网络和多源数据融合的深度学习模型，用于县级COVID-19病例和死亡人数的预测	开发了多级多尺度注意力机制进行自适应时频分析，并融合了历史病例数据、死亡数据和社交媒体情绪等多源数据来捕捉复杂的时空动态	研究为回顾性评估，需要在实时演化的数据条件下进行前瞻性验证以评估模型的实用性	通过深度学习技术提高传染病预测的准确性	县级COVID-19病例和死亡人数	自然语言处理	COVID-19	多源数据融合	Transformer	时间序列数据, 文本数据	三个Omicron变异株波次的数据（2021年12月至2023年2月）	NA	Transformer	县级一致性准确率	NA
20	2025-12-13	RegGAN-based contrast-free CT enhances esophageal cancer assessment: multicenter validation of automated tumor segmentation and T-staging 2025-Nov, La Radiologia medica DOI:10.1007/s11547-025-02083-y PMID:40892332	研究论文	本研究开发了一种基于RegGAN的深度学习框架，用于从非对比CT合成对比增强CT，以实现无碘食管癌的肿瘤分割和T分期	提出了一种结合配准和对抗训练的RegGAN模型，以解决NCCT与CECT之间的错位问题，并开发了用于肿瘤分割的CSSNet和用于T分期的双路径深度学习模型	研究为回顾性多中心分析，可能存在选择偏倚；未明确提及模型在更广泛人群或不同扫描协议下的泛化能力	开发一种无需对比剂的深度学习框架，用于食管癌的自动肿瘤分割和T分期	食管癌患者	数字病理学	食管癌	CT成像	GAN, CNN, Transformer	CT图像	1092名食管癌患者（训练集313例，内部测试集117例，外部测试集116例和546例）	NA	RegGAN, CSSNet, Vision Transformer	NMAE, PSNR, SSIM, Dice系数, AUC	NA