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
181	2025-12-26	The Role of Large Language Models in Ophthalmology: A Review of Current Applications, Performance, and Future Directions 2025-Nov, Cureus DOI:10.7759/cureus.97374 PMID:41431521	综述	本文综述了大型语言模型（LLMs）在眼科领域的当前应用、性能表现及未来发展方向	系统性地评估了LLMs（如ChatGPT）在眼科临床决策支持、文档处理、患者教育和医学培训等具体应用场景中的表现，并探讨了多模态与检索增强模型如何提升信息准确性与相关性	指出将AI整合到临床护理中存在伦理与法律困境、专家表现差异等潜在风险与局限性	评估大型语言模型在眼科领域的应用潜力与现状	大型语言模型（如ChatGPT、GPT-4）及其在眼科领域的应用	自然语言处理	眼科疾病	深度学习	大型语言模型	文本	NA	NA	GPT-4, Chat Generative Pretrained Transformer	NA	NA
182	2025-12-25	Development, advancement, and clinical integration of artificial intelligence technology in gastric cancer 2025-Nov-28, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003922 PMID:41400327	综述	本文综述了人工智能技术在胃癌诊断与治疗中的应用、发展及临床整合	重点关注了当前主流AI方法（如特征工程、深度学习）以及快速发展的预训练基础模型和多模态大模型，这些技术有望解决数据稀缺、模态异质性和临床工作流碎片化等关键障碍	NA	探讨人工智能如何克服胃癌个性化医疗中临床决策复杂和多模态数据整合困难的挑战	胃癌	数字病理学	胃癌	NA	深度学习, 基础模型, 大模型	医学影像, 数字病理, 多组学数据, 结构化临床信息	NA	NA	NA	NA	NA
183	2025-12-25	Artificial Intelligence in MRI for Urologic Oncology: A Systematic Review of Diagnostic Accuracy and Clinical Utility 2025-Nov, Cureus DOI:10.7759/cureus.97160 PMID:41426936	系统综述	本文系统综述了人工智能在泌尿系统肿瘤MRI中的诊断准确性和临床效用	首次使用QUADAS-AI工具系统评估AI在MRI中应用于前列腺癌、肾癌和膀胱癌的诊断性能，并整合了成本效益分析	纳入研究数量有限（14项），证据在不同肿瘤部位和模型类型间较为分散，缺乏标准化报告和前瞻性影响评估	综合评估人工智能应用于MRI在泌尿系统肿瘤（前列腺癌、肾癌、膀胱癌）中的诊断准确性和临床实用性	前列腺癌、肾癌和膀胱癌的MRI影像	数字病理	前列腺癌, 肾癌, 膀胱癌	MRI	深度学习, 放射组学, 集成残差神经网络, 卷积神经网络	图像	从4442条记录中筛选出14项符合条件的研究	NA	ResNet, CNN	AUC, 敏感性, Dice相似系数	NA
184	2025-12-24	Automated Joint Space Detection Improves Bone Segmentation Accuracy 2025-Nov-28, Journal of visualized experiments : JoVE DOI:10.3791/69252 PMID:41396972	研究论文	本文提出了一种基于深度学习的自动化关节间隙检测方法，用于提高小鼠爪部骨骼分割的准确性	在先前半自动标记分水岭算法基础上，引入了结构增强、张量投票和输出膨胀技术，并结合3D U-Net架构与ResNet-18骨干网络进行关节间隙预测	在疾病严重程度增加和年龄增长的小鼠样本中，分割准确性会下降，表明模型对病变和新型数据集的适应性有限	开发自动化图像分析方法以量化复杂解剖结构，减少人工分割的需求和观察者间差异	野生型和肿瘤坏死因子转基因小鼠的后爪和前爪微CT图像数据集	计算机视觉	炎症性侵蚀性关节炎	微计算机断层扫描	CNN	图像	野生型和肿瘤坏死因子转基因小鼠的后爪和前爪数据集，涵盖不同年龄和性别	NA	3D U-Net, ResNet-18	准确性	NA
185	2025-12-24	Deep Learning for Autonomous Surgical Guidance Using 3-Dimensional Images From Forward-Viewing Endoscopic Optical Coherence Tomography 2025-Nov, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500181 PMID:40709742	研究论文	本文开发了一种三维卷积神经网络（3D-CNN），用于分析体积光学相干断层扫描（OCT）图像，以增强经皮肾造口术中的内窥镜引导	开发了一种专为体积OCT图像设计的3D-CNN模型，在实时手术引导应用中表现出较低的推理延迟，优于其他先进的体积架构	研究仅基于10个猪肾脏的数据集进行，样本规模较小，可能限制模型的泛化能力	增强经皮肾造口术中的内窥镜引导，实现计算机辅助诊断	猪肾脏的3D OCT图像	计算机视觉	肾脏疾病	光学相干断层扫描（OCT）	3D-CNN, 3D Vision Transformer, 3D-DenseNet121, Multi-plane and Multi-slice Transformer	3D图像	10个猪肾脏	NA	3D-CNN, 3D-ViT, 3D-DenseNet121, M3T	准确率, 推理延迟	NA
186	2025-12-24	Deep Learning-Based Uroflowmetry Curve Analysis Improves the Noninvasive Diagnosis of Lower Urinary Tract Symptoms 2025-11, International neurourology journal IF:1.8Q3 DOI:10.5213/inj.2550266.133 PMID:41355259	研究论文	本研究评估了基于人工智能的尿流率曲线图像分析，通过定制预处理技术提高膀胱出口梗阻和逼尿肌活动不足的诊断准确性	开发了结合去噪、裁剪、轴缩放和临床参数颜色编码的定制预处理流程，以增强VGG16模型在尿流率曲线分析中的性能	研究为回顾性分析，样本量有限（2,579张图像），且仅基于单一医疗中心的数据	提高下尿路症状的非侵入性诊断准确性，特别是膀胱出口梗阻和逼尿肌活动不足的识别	接受尿动力学研究的患者尿流率曲线图像	数字病理学	下尿路症状	尿流率测定	CNN	图像	2,579张尿流率曲线图像（725例正常，1,854例异常：736例膀胱出口梗阻，1,387例逼尿肌活动不足）	TensorFlow, Keras	VGG16	AUROC	NA
187	2025-12-24	Deep learning of thermodynamic laws from microscopic dynamics 2025-Nov, Physical review. E DOI:10.1103/p2z8-j69p PMID:41430901	研究论文	本研究通过深度神经网络从微观动力学数据中学习宏观热力学定律	利用深度神经网络从微观粒子图像数据中自动推导出与热力学公理一致的宏观物理定律，展示了机器学习在跨尺度物理规律发现中的潜力	研究基于数值模拟生成的理想气体绝热过程数据，尚未验证在更复杂系统或实验数据中的适用性	探索机器学习从微观尺度数据中发现宏观物理定律的能力	气体粒子在绝热过程中的微观动力学	机器学习	NA	分子动力学模拟	深度神经网络	图像	NA	NA	NA	NA	NA
188	2025-12-23	ATHENA: A deep learning-based AI for functional prediction of genomic mutations and synergistic vulnerabilities in prostate cancer 2025-Nov-29, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.26.690813 PMID:41357974	研究论文	本文介绍了一种名为ATHENA的深度学习AI框架，用于预测前列腺癌中基因组突变的功能影响并揭示其协同脆弱性	开发了基于注意力的深度学习框架，能够建模突变间的非线性依赖关系，区分驱动突变与乘客突变，并通过SHAP分析提供可解释性	未明确说明模型在独立验证集上的泛化性能，也未详细讨论数据偏差可能对预测结果产生的影响	预测基因组突变的功能影响，识别驱动前列腺癌进展和治疗抵抗的关键突变及其协同作用	前列腺癌患者的多组学数据（RNA/DNA测序数据）和疾病进展模型	数字病理学	前列腺癌	RNA/DNA测序，碱基编辑实验	深度学习	基因组测序数据，临床数据	大型多队列数据集（具体数量未明确说明）	未明确说明	基于注意力的神经网络	临床结果分层能力，功能预测准确性（具体指标未明确说明）	未明确说明
189	2025-12-23	Visionary AI: Decoding Systemic Vascular Health and Hypertensive Disorders in Pregnancy Through Retinal Imaging and Artificial Intelligence 2025-Nov-27, medRxiv : the preprint server for health sciences DOI:10.1101/2025.11.25.25340974 PMID:41358297	研究论文	本研究开发了一个名为Visionary AI的人工智能平台，通过整合超广角视网膜成像和基于生物学的血管建模，早期预测妊娠期高血压疾病	与依赖通用深度学习模型和临床输入的先前方法不同，Visionary AI构建了可解释的、基于图的母体视网膜血管表示，并应用拓扑和几何分析来识别特定疾病的微血管特征	NA	早期预测妊娠期高血压疾病，理解妊娠如何系统性重塑血管生理学以及这种重塑可能出错的方式	妊娠期女性，特别是患有高血压疾病的孕妇	计算机视觉	妊娠期高血压疾病	超广角视网膜成像	深度学习	图像	1,267例妊娠（前瞻性多民族美国队列）	NA	基于图的表示	AUC	NA
190	2025-12-23	Prior knowledge informs graph neural networks to improve phenotype prediction from proteomics 2025-Nov-25, medRxiv : the preprint server for health sciences DOI:10.1101/2025.11.23.25340814 PMID:41358286	研究论文	本文提出了一种利用先验知识增强图神经网络以从蛋白质组学数据中预测表型的深度学习框架	创新性地设计了一种结合基因本体库构建二分图结构的图神经网络模型，通过整合生物学先验知识来提升表型预测性能	模型性能在训练数据有限的情况下可能受限，且依赖于蛋白质集合库的构建质量	开发一种能够从高通量蛋白质组学数据中准确预测疾病相关表型的机器学习方法	英国生物银行中的血浆蛋白质组学数据及个体表型数据	机器学习	NA	高通量蛋白质组学	图神经网络	蛋白质表达数据	NA	NA	图神经网络	NA	NA
191	2025-12-23	Improving Performance, Robustness, and Fairness of Radiographic AI Models with Finely-Controllable Synthetic Data 2025-Nov-24, Research square DOI:10.21203/rs.3.rs-7687810/v1 PMID:41356360	研究论文	本研究提出RoentGen-v2，一种用于胸部X光片的文本到图像扩散模型，通过精细控制放射学发现和患者人口统计学属性生成合成数据，以提升下游疾病分类模型的性能、鲁棒性和公平性	首次开发了能够显式控制人口统计学属性（如性别、年龄、种族/民族）的临床可信胸部X光片生成模型，并提出了利用合成数据进行监督预训练再在真实数据上微调的改进训练策略	未明确提及模型在更广泛疾病类型或不同成像模态上的泛化能力，以及合成数据与真实数据之间可能存在的分布差异对长期部署的影响	开发临床可部署的深度学习模型，通过合成数据提升诊断成像模型的性能、鲁棒性和公平性	胸部X光片图像	计算机视觉	未指定具体疾病，但涉及胸部疾病分类	文本到图像扩散模型	扩散模型	图像	合成数据集包含超过565,000张图像，并在来自五个机构的超过137,000张保留胸部X光片上进行评估	未明确指定，但可能基于PyTorch或TensorFlow等深度学习框架	RoentGen-v2（基于扩散模型的架构）	准确率，公平性差距（如误诊公平性差距）	未明确指定，但可能使用GPU（如NVIDIA系列）进行模型训练和生成
192	2025-12-23	Perioperative Artificial Intelligence Driven Integrated Modeling of Surgeries using Anesthetic, Physical and Cognitive Statuses for Predicting Hospital Outcomes 2025-Nov-21, Research square DOI:10.21203/rs.3.rs-8000504/v1 PMID:41333422	研究论文	本研究利用术前认知状态（通过画钟测试评估）结合术中变量、人口统计学、身体状况和合并症，预测住院时间、费用、随访疼痛和一年死亡率等医院结局	首次将术前认知状态（通过半监督深度学习算法提取的画钟测试特征）整合到围手术期人工智能模型中，用于预测多种手术结局，并发现认知特征在预测中的重要性	仅分析了6个手术组，数据可用性有限；画钟测试特征可能无法全面代表认知状态；模型未在外部数据集上验证	预测围手术期医院结局，包括住院时间、费用、疼痛和死亡率	接受手术的患者，特别是其术前认知状态、术中变量和人口统计学特征	机器学习	围手术期并发症	画钟测试，半监督深度学习算法	机器学习模型	结构化临床数据（包括认知测试特征、术中变量、人口统计学信息）	6个手术组中可用的足够数据样本	NA	NA	NA	NA
193	2025-12-23	Deep Learning for Time-Series Segmentation of Mechanical Ventilator Waveforms 2025-Nov-21, Research square DOI:10.21203/rs.3.rs-8001137/v1 PMID:41333439	研究论文	本研究开发并验证了一种基于一维注意力门控U-Net架构的深度学习模型，用于机械通气波形中吸气和呼气起始点的分割	首次将一维注意力门控U-Net架构应用于机械通气波形分割，在嘈杂的真实世界数据中实现了优于传统启发式方法的高精度分割性能	研究样本量相对有限（33名患者），未在更广泛的患者群体或不同型号呼吸机上进行外部验证	开发高精度的机械通气波形分割方法以检测患者-呼吸机异步性	机械通气波形数据	数字病理学	呼吸系统疾病	机械通气波形分析	U-Net	时间序列数据	33名患者的9,719次呼吸波形	NA	一维注意力门控U-Net	F1分数	NA
194	2025-12-23	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	本文介绍了一种名为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小脑浦肯野细胞的复杂尖峰信号	提出了一种结合U-Net架构与混合自注意力inception块的序列到序列预测方法，能够整合局部场电位和动作电位信号，实现复杂尖峰的自动化、高精度检测	方法主要在小脑神经像素记录数据上验证，在其他神经系统的泛化能力需进一步测试	开发一种自动化、鲁棒的复杂尖峰排序方法，以改善小脑及其他神经系统中爆发式或动态复杂尖峰模式的分析	小脑浦肯野细胞的复杂尖峰信号	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	基于恒河猴的小脑神经像素记录数据	NA	U-Net with hybrid self-attention inception blocks	F1分数	NA
195	2025-12-23	CIRPIN: Learning Circular Permutation-Invariant Representations to Uncover Putative Protein Homologs 2025-Nov-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.18.689110 PMID:41332582	研究论文	本文提出了一种名为CIRPIN的循环置换不变图神经网络，用于检测因拓扑重排（特别是循环置换）而相关的蛋白质同源物	提出了一种新颖的数据增强策略，使用合成循环置换（synCPs）来训练模型，使其学习对循环置换不变的蛋白质表示	未明确说明模型在非循环置换相关蛋白质检测上的性能比较或潜在误检情况	开发一种能够识别因循环置换而相关的蛋白质同源物的深度学习工具	蛋白质结构	机器学习	NA	图神经网络，结构比对	GNN	蛋白质结构数据	来自SCOPe和AlphaFold Cluster Representatives数据库的蛋白质	NA	循环置换不变图神经网络	NA	NA
196	2025-12-23	Inferring binding specificities of human transcription factors with the wisdom of crowds 2025-Nov-17, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.16.688692 PMID:41332515	研究论文	本文报告了IBIS社区挑战赛的结果，该挑战赛旨在通过多实验数据构建人类转录因子结合特异性模型，并评估不同机器学习方法在DNA基序建模中的表现	通过大规模开放社区挑战赛，系统比较了深度学习模型与传统位置权重矩阵在转录因子结合特异性建模中的性能，并建立了丰富的基准数据集和评估框架	研究主要针对人类转录因子，可能无法直接推广到其他物种；且挑战赛数据可能未覆盖所有转录因子类型	评估和比较不同计算方法在推断转录因子结合特异性方面的性能，以找到最佳的DNA基序表示方法	人类转录因子的结合特异性模型	生物信息学	NA	多实验数据整合分析	深度学习模型, 位置权重矩阵, 其他机器学习方法	DNA序列数据	NA	NA	NA	NA	NA
197	2025-12-22	REECAP: Contrastive learning of retinal aging reveals genetic loci linking morphology to eye disease 2025-Nov-27, medRxiv : the preprint server for health sciences DOI:10.1101/2025.11.19.25340555 PMID:41332846	研究论文	本文提出REECAP框架，通过对比学习优化视网膜基础模型，生成与年龄相关的图像表征，用于GWAS研究，以揭示眼病遗传位点	利用对比学习引导视网膜基础模型沿年龄轴对齐图像表征，生成多变量衰老表型用于GWAS，发现了传统疾病标签GWAS未检测到的遗传位点，并通过条件图像合成将遗传变异与解剖变化关联	研究仅基于UK Biobank的特定人群数据，可能缺乏多样性；未详细讨论模型在其他数据集或眼病中的泛化能力	探索深度学习基础模型在连接组织形态与疾病遗传结构方面的潜力，以发现和解释眼病相关遗传位点	UK Biobank参与者的视网膜眼底图像	计算机视觉	眼病	对比学习, 基因组关联研究	基础模型	图像	87,478张眼底图像来自52,742名UK Biobank参与者	NA	RETFound	NA	NA
198	2025-12-22	Comparative analysis of multiple deep learning models with mitigation-driven approaches for enhanced Alzheimer's disease classification 2025-Nov-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27914-w PMID:41274951	研究论文	本研究通过比较多种深度学习模型，并采用缓解类别不平衡的策略，旨在提升基于结构MRI的阿尔茨海默病分类性能	提出了2D冠状面切片网格化方法，在保留96%诊断信息的同时显著降低计算需求；系统比较了十种深度学习架构，并验证了传统CNN在医学神经影像分类中的持续有效性；结合SMOTE、代价敏感学习和焦点损失等策略有效缓解了类别不平衡问题	模型在痴呆类别上的灵敏度较低（38%）；Vision Transformer和胶囊网络在该任务上表现不佳甚至完全失败；总体平衡准确率仍有提升空间	开发并评估用于阿尔茨海默病自动分类的深度学习模型，平衡诊断准确性与计算效率	阿尔茨海默病患者、轻度认知障碍患者和健康对照者的T1加权MRI扫描	数字病理学	阿尔茨海默病	结构MRI（sMRI），2D冠状面切片网格化方法	CNN, Vision Transformer, Capsule Network	图像	1346名独特患者的14,983张2D网格图像	NA	ECAResNet269, 以及其他九种深度学习架构（包括传统CNN、Vision Transformer、胶囊网络）	平衡准确率, 灵敏度, 特异性	标准临床硬件
199	2025-12-22	Targeting peptide-MHC complexes with designed T cell receptors and antibodies 2025-Nov-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.19.689381 PMID:41332722	研究论文	本文介绍了一种基于结构的深度学习框架ADAPT，用于设计靶向特定肽-MHC复合物的T细胞受体和抗体	开发了首个基于结构的深度学习框架ADAPT，用于从头设计靶向pMHC的TCR和抗体，并通过冷冻电镜结构验证了设计界面的原子级精度	未明确说明设计框架在更广泛pMHC靶点上的通用性验证规模，以及体内疗效数据尚未提供	开发计算设计方法以生成靶向特定肽-MHC复合物的新型T细胞受体和抗体	肽-MHC复合物、T细胞受体、抗体	计算生物学	肿瘤、自身免疫性疾病	深度学习、结构生物学、冷冻电镜	深度学习框架	蛋白质结构数据、序列数据	针对多种pMHC组合进行了设计评估（具体数量未明确）	NA	ADAPT（基于结构的深度学习框架）	结构验证精度（原子级界面准确性）	NA
200	2025-12-22	Radiologic, Pathologic, and Deep Learning Predictors of Response to Immune Checkpoint Blockade in Renal Cell Carcinoma Patients Undergoing Post-Treatment Nephrectomy 2025-Nov-20, medRxiv : the preprint server for health sciences DOI:10.1101/2025.11.19.25340277 PMID:41332849	研究论文	本研究首次提出了一个整合放射学、病理学和深度学习的定量框架，用于评估肾细胞癌患者在接受免疫检查点抑制剂治疗后进行肾切除术后的反应	首次整合放射学、病理学和深度学习模型，系统评估肾细胞癌患者免疫检查点抑制剂治疗后的反应，并区分免疫介导的病理回归变化与凝固性坏死	回顾性研究设计，样本量相对有限（99例患者），需要在更大规模的前瞻性研究中验证	评估肾细胞癌患者接受免疫检查点抑制剂治疗后进行肾切除术的反应，以指导术后适应性治疗策略	局部晚期或转移性肾细胞癌患者，在接受至少一个周期含免疫检查点抑制剂的双联疗法后进行肾切除术	数字病理学	肾细胞癌	深度学习方法	深度学习模型	放射学影像、病理学图像	99例患者（66例减瘤性肾切除术，33例新辅助肾切除术）	NA	NA	风险比, 置信区间, p值	NA