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
21	2026-03-28	Applications of artificial intelligence in abdominal imaging 2025-Dec, Abdominal radiology (New York) DOI:10.1007/s00261-025-04990-0 PMID:40418375	综述	本文综述了人工智能在腹部影像学中的应用，包括疾病检测、分类和个性化护理，并讨论了当前挑战与未来方向	强调了AI在腹部影像中通过深度学习和影像组学实现疾病检测与自动化的突破性应用，并提出了解决数据异质性和可解释性等挑战的未来策略	广泛采用受限于数据异质性、缺乏多中心验证、依赖回顾性单中心研究以及AI模型的“黑箱”性质，阻碍了可解释性和临床医生信任	探讨人工智能在腹部影像学中的潜在应用，以改善疾病检测、分类和个性化护理	腹部影像学中的疾病，如弥漫性肝实质疾病、局灶性肝病变、胰腺导管腺癌、肾肿瘤和肠道病变	计算机视觉	腹部疾病	深度学习，影像组学	NA	图像	NA	NA	NA	准确性	NA
22	2026-03-28	E2-regulated transcriptome complexity revealed by long-read direct RNA sequencing: from isoform discovery to truncated proteins 2025-12, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2025.2563860 PMID:40965441	研究论文	本研究利用纳米孔长读长直接RNA测序技术，揭示了雌激素调控的转录组复杂性，并发现了一种产生截短蛋白的TLE1内含子多聚腺苷酸化亚型及其在乳腺癌中的临床意义	首次结合纳米孔长读长直接RNA测序、3'端测序和深度学习蛋白建模，系统揭示了雌激素响应转录组的复杂性，并发现了一种具有功能的新型内含子多聚腺苷酸化mRNA亚型及其产生的截短蛋白	未明确说明样本的具体数量或实验重复次数，且功能验证主要基于体外实验	探索雌激素受体α阳性乳腺癌中雌激素调控的转录组复杂性和蛋白质水平影响	雌激素受体α阳性乳腺癌细胞及相关的转录组和蛋白质	生物信息学，计算生物学	乳腺癌	纳米孔长读长直接RNA测序，3'端测序，深度学习蛋白建模	深度学习模型	RNA测序数据，蛋白质结构数据	NA	NA	NA	NA	NA
23	2026-03-28	Serum-MiR-CanPred: deep learning framework for pan-cancer classification and miRNA-targeted drug discovery 2025-12, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2025.2577433 PMID:41168129	研究论文	本研究开发了一个名为Serum-MiR-CanPred的深度学习框架，用于基于血清miRNA表达数据的泛癌分类和miRNA靶向药物发现	首次整合可解释AI与分子建模，利用88个miRNA共识集实现高精度泛癌分类，并识别出hsa-miR-5100作为关键生物标志物，进而通过分子对接发现潜在治疗配体	研究依赖于GEO数据库的现有数据，外部验证数据集可能有限，且分子对接结果需进一步实验验证	开发非侵入性癌症早期诊断工具并探索miRNA靶向药物发现	12种癌症类型及健康对照的血清miRNA表达数据	机器学习	泛癌	血清miRNA表达分析	MLP	miRNA表达数据	20,271个样本	NA	多层感知机	AUC, 准确率	NA
24	2026-03-28	G2PDeep-v2: A Web-Based Deep-Learning Framework for Phenotype Prediction and Biomarker Discovery for All Organisms Using Multi-Omics Data 2025-12-01, Biomolecules IF:4.8Q1 DOI:10.3390/biom15121673 PMID:41463329	研究论文	本文介绍了G2PDeep-v2，一个基于深度学习的网络平台，用于多组学数据的表型预测和生物标志物发现	开发了一个集深度学习、超参数优化、可视化和下游分析于一体的统一网络平台，支持跨多种生物（包括人类和植物）的多组学数据分析	未在摘要中明确说明具体限制	为研究人员提供一个易于使用的工具，以整合和分析多组学数据，实现表型预测和生物标志物发现	跨多种生物（包括人类和植物）的多组学数据	机器学习	NA	多组学数据整合分析	深度学习模型	多组学数据	NA	NA	NA	NA	高性能计算资源
25	2026-03-28	DeepRNA-Reg: a deep-learning based approach for comparative analysis of CLIP experiments 2025-12, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2025.2564941 PMID:41055236	研究论文	本文提出了一种基于深度学习的DeepRNA-Reg方法，用于对配对的高通量测序RNA交联免疫沉淀实验数据进行高保真比较分析	DeepRNA-Reg利用深度学习技术，在Ago2靶向被选择性扰动的实验范式中，提供了优于现有最佳差异HITS-CLIP分析方法的预测结果，并更好地符合RNA一级和二级结构基序的真实情况	NA	开发一种深度学习方法来改进配对HITS-CLIP实验数据的比较分析	高通量测序RNA交联免疫沉淀实验数据，特别是涉及Ago2靶向和microRNA簇基因敲除的实验	自然语言处理	NA	HITS-CLIP	深度学习	RNA测序数据	NA	NA	NA	NA	NA
26	2026-03-24	Charting the virosphere: computational synergies of AI and bioinformatics in viral discovery and evolution 2025-12-23, Journal of virology IF:4.0Q2 DOI:10.1128/jvi.01554-25 PMID:41222234	综述	本文综述了人工智能与生物信息学在病毒发现和进化研究中的协同作用，探讨了从传统方法到AI及混合框架的演变	提出了一种结合AI模式识别与经典生物信息学的集成工作流，以提升可扩展性和可解释性，并统一了加速病毒发现和增强进化洞察的计算策略	AI驱动方法面临计算负担、数据集偏差、有限可解释性以及较高假发现率等挑战	加速病毒发现、增强进化洞察并加强全球对新发传染病的准备	病毒基因组和蛋白质	生物信息学	NA	宏基因组测序	CNN, RNN, Transformer, GNN	序列数据	NA	NA	AlphaFold, ESMFold, Foldseek	NA	NA
27	2026-03-24	Biologically-informed integration of drug representations for breast cancer treatment using deep learning 2025-12-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66384-6 PMID:41381442	研究论文	本文开发了一种名为GDnet的可解释深度学习模型，通过整合药物表示和肿瘤转录组数据来预测乳腺癌新辅助治疗反应，并辅助选择最佳治疗策略	首次提出将生物学信息驱动的药物表示与肿瘤转录组数据整合的深度学习模型，用于个性化乳腺癌治疗优化，并通过模拟临床试验验证其提升病理完全缓解率的能力	研究基于31个数据集的4371名患者，样本来源和多样性可能存在限制，且模型尚未在真实世界临床环境中进行前瞻性验证	开发深度学习模型以预测乳腺癌新辅助治疗反应并优化个性化治疗策略选择	乳腺癌患者及其对新辅助治疗的反应数据	数字病理学	乳腺癌	转录组测序	深度学习模型	转录组数据, 药物表示数据	4371名符合条件的患者，来自31个数据集	NA	GDnet	病理完全缓解率, 比值比	NA
28	2026-03-24	Multiplexed detection of febrile infections using CARMEN 2025-12-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66243-4 PMID:41365864	研究论文	本文开发了三种基于CARMEN技术的检测面板，用于同时检测23种病原体，并通过深度学习优化了检测的敏感性和特异性	利用深度学习设计CARMEN检测方法，提高了对多种发热性感染病原体的检测敏感性和特异性，并验证了其在合成目标、加标血清样本及患者样本中的性能	NA	开发并验证用于多重检测发热性感染的CARMEN技术，以提升临床诊断和公共卫生监测的准确性	病毒性出血热、蚊媒病毒和性传播感染相关的23种病原体	数字病理学	发热性感染	CARMEN技术，RT-qPCR	深度学习	合成目标、加标健康正常血清样本、患者样本	涉及美国淋病奈瑟菌样本和尼日利亚拉沙病毒及猴痘病毒样本	NA	NA	敏感性，特异性	NA
29	2026-03-23	Associations Between Deep Learning-Derived Fat, Muscle, and Bone Measures From Abdominal Computed Tomography Scans and Fall Risk in Persons Aged 20 Years or Older 2025-Dec, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2025.100299 PMID:41323361	研究论文	本研究探讨了通过深度学习从腹部CT扫描中提取的脂肪、肌肉和骨骼测量指标与20岁及以上人群跌倒风险之间的关联	首次使用深度学习算法从腹部CT扫描中自动提取身体成分生物标志物，并评估其与跌倒风险的关联，特别是在中年人群中识别低肌肉密度作为风险因素	研究为回顾性设计，可能受选择偏倚影响；仅使用腹部CT扫描，未考虑其他身体部位；跌倒事件通过医疗记录识别，可能存在漏报	确定腹部CT扫描中的身体成分测量是否与成年人跌倒风险相关	20至89岁的成年人，他们接受了腹部CT扫描	数字病理学	老年疾病	腹部CT扫描	深度学习算法	医学影像	3972人	NA	NA	调整后的风险比, 95%置信区间	NA
30	2026-03-21	Facilitating Precision Medicine in HCC Patients by Deep Learning-Directed lncRNAs Classification and Ascertaining Causal Markers 2025-12, The journal of gene medicine IF:3.2Q2 DOI:10.1002/jgm.70066 PMID:41405166	研究论文	本研究利用深度学习框架对肝细胞癌患者的lncRNA进行分类，以识别新的生物标志物，推动精准医疗	构建了一个分层复合深度学习框架，结合可解释AI技术（SHAP分析）来识别与HCC病理分期相关的关键lncRNA生物标志物	模型3在区分晚期HCC分期时性能较低（AU-ROC=0.774），表明lncRNA在晚期阶段关联紧密，数据存在固有挑战	通过人工智能技术识别新的lncRNA生物标志物，以促进肝细胞癌的精准医疗	肝细胞癌患者及其lncRNA表达数据	机器学习	肝细胞癌	RNA-seq	DNN	基因表达数据	来自癌症基因组图谱的肝细胞癌患者数据	NA	深度神经网络	AU-ROC	NA
31	2026-03-19	High-fidelity 3D mesh generation from a single sketch using shape constraints 2025-Dec-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30843-3 PMID:41453959	研究论文	本文提出了一种从单张手绘草图生成高保真三维网格的简化网络架构	采用表达能力更强的PowerMLP架构，并引入三维形状约束替代传统判别器，在协作生成过程中实现几何保真度	未明确提及方法在处理极端模糊或抽象草图时的具体局限性	解决从单张草图重建高保真三维模型的挑战	合成风格化草图与真实手写草图输入	计算机视觉	NA	深度学习	MLP	草图图像	NA	NA	PowerMLP, 编码器-解码器框架	SOTA性能	NA
32	2026-03-19	Generalizable and scalable protein stability prediction with rewired protein generative models 2025-Dec-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67609-4 PMID:41422228	研究论文	本文提出了一种名为SPURS的深度学习框架，通过重新连接和整合蛋白质生成模型，用于预测蛋白质热稳定性变化	首次将蛋白质语言模型和逆折叠模型重新连接并整合，通过在大规模热稳定性数据上进行监督微调，实现了准确、高效且可扩展的稳定性预测，并推广到未见过的蛋白质和突变	未在摘要中明确提及具体限制	预测由氨基酸替换引起的蛋白质热稳定性变化，以理解人类疾病和工程化蛋白质	蛋白质及其突变	机器学习	人类疾病	深度学习	蛋白质语言模型, 逆折叠模型	蛋白质序列数据, 热稳定性数据	大规模热稳定性数据	NA	SPURS框架	NA	NA
33	2026-03-19	Single-shot multi-line structured light stripe recognition based on deep learning 2025-Dec-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.578111 PMID:41842348	研究论文	本文提出了一种基于深度学习的多线结构光条纹编号方法，无需辅助编码图案即可实现条纹的语义分割和编号	利用深度学习直接对多线结构光条纹进行语义分割，无需传统复杂的辅助编码图案，提高了测量效率和灵活性	实验验证了方法在复杂高反射和散射场景下的可行性，但未详细讨论其在极端噪声或低对比度条件下的性能	解决多线结构光条纹图像中裂纹和错位导致的条纹顺序识别和编号难题	多线结构光条纹图像	计算机视觉	NA	多线结构光测量	深度学习模型	图像	NA	NA	NA	NA	NA
34	2026-03-19	Multimodal deep learning for intelligent camera parameter control in underwater optical camera communication imaging 2025-Dec-10, Applied optics IF:1.7Q3 DOI:10.1364/AO.577990 PMID:41842316	研究论文	本文提出了一种多模态深度学习模型，用于在水下光学相机通信成像中智能控制相机参数，以提高条纹可见性和光学信噪比	融合视觉线索与环境上下文，在捕获时预测场景最优相机参数，实现实时、资源受限的UOCC，无需逐帧处理	未明确提及模型在极端或未见过环境条件下的泛化能力，以及实验样本的具体多样性限制	优化水下光学相机通信成像质量，通过智能相机参数控制提升条纹可见性和光学信噪比	水下光学相机通信系统中的条纹图像和环境因素（如浊度、流速、环境光照、LED功率）	计算机视觉	NA	图像处理，光学相机通信	深度学习，回归网络	图像，环境传感器数据	NA	NA	ResNet50	光学信噪比	NA
35	2026-03-18	Multimodality Artificial Intelligence for Involved-Site Radiation Therapy: Clinical Target Volume Delineation in High-Risk Pediatric Hodgkin Lymphoma 2025-Dec-13, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.12.005 PMID:41391612	研究论文	本研究开发了一种融合多模态成像的深度学习模型，用于自动勾画高危儿童霍奇金淋巴瘤受累部位放疗的临床靶区	首次将多时间点PET/CT图像与计划CT整合到深度学习模型中，用于儿童霍奇金淋巴瘤的自动靶区勾画，并进行了大规模多中心验证	研究仅针对儿童高危霍奇金淋巴瘤患者，模型在其他类型淋巴瘤或成人患者中的适用性有待验证	开发自动化的临床靶区勾画算法，以促进受累部位放疗计划制定	288名儿童高危霍奇金淋巴瘤患者的计划CT、基线PET/CT和中期PET/CT扫描图像	数字病理学	霍奇金淋巴瘤	PET/CT成像	深度学习	医学影像（CT、PET）	288名患者（230名用于模型开发，58名用于外部测试）	NA	SegResNet, ResUNet, SwinUNETR	Dice相似系数, 95% Hausdorff距离	NA
36	2026-03-18	Leveraging complex network features improves vaccine stance classification 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27487-8 PMID:41360844	研究论文	本研究提出利用从社交网络提取的复杂网络特征来增强基于文本的深度学习模型，以改进疫苗立场分类	首次将复杂网络特征与文本特征结合用于疫苗立场分类，并证明网络特征在长期数据中优于文本特征	研究基于意大利语推文数据，可能无法直接推广到其他语言或社交平台	提高社交媒体上疫苗立场的分类准确性	意大利语社交媒体帖子	自然语言处理	NA	NA	深度学习	文本	约2000万条意大利语帖子，其中约7000条手动标注	NA	NA	NA	NA
37	2026-03-18	Deep Learning-Based Diagnosis of Corneal Condition by Using Raw Optical Coherence Tomography Data 2025-Dec-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243115 PMID:41464119	研究论文	本研究利用原始光学相干断层扫描数据和卷积神经网络，区分健康角膜与圆锥角膜	直接使用原始光学相干断层扫描数据而非预处理数据进行诊断，避免了软件更新对结果的影响，提供了更一致的临床分析基础	未明确提及	通过深度学习模型，基于原始光学相干断层扫描数据实现圆锥角膜的早期诊断	使用Casia2前节光学相干断层扫描仪获取的2737次眼部检查数据，包括正常、角膜扩张症和其他疾病三类	计算机视觉	圆锥角膜	光学相干断层扫描	CNN	图像	2737次眼部检查，包含744次检查的数据集	NA	DenseNet121, EfficientNet-B0, MobileNetV3-Large, ResNet18	准确率, 宏平均灵敏度, 宏平均特异性, 宏平均阳性预测值, 宏平均F1分数	NA
38	2026-03-18	Multi-Scale Attention Fusion With Depthwise Separable Convolutions for Efficient Skin Cancer Detection 2025-Dec, Journal of cutaneous pathology IF:1.6Q3 DOI:10.1111/cup.14870 PMID:40998452	研究论文	提出一种名为MAF-DermNet的深度学习框架，用于高效、准确的皮肤癌检测	结合多尺度注意力融合与深度可分离卷积，并利用DCGAN进行数据增强以提高模型鲁棒性	未整合临床元数据，且未来需针对不同医疗环境进行优化	开发一种高效、准确的自动化皮肤癌检测模型以辅助临床诊断	皮肤癌病变图像	计算机视觉	皮肤癌	深度学习	CNN, GAN	图像	NA	NA	MAF-DermNet, DCGAN	准确率, 宏F1分数	NA
39	2026-03-18	"Patients Aren't Datasets": Generating Return on Investment via Automation, Responsibly 2025 Winter 01, Frontiers of health services management DOI:10.1097/HAP.0000000000000237 PMID:41292082	评论	本文探讨了在医疗保健领域如何负责任地利用人工智能和数据自动化技术来生成投资回报，同时管理相关风险	强调在医疗保健自动化中负责任地使用数据，并提出了评估AI意外后果的策略	未提供具体的实证研究或案例数据来支持论点	研究如何通过AI和数据自动化在医疗保健中生成投资回报，同时确保负责任的数据使用	医疗保健系统中的技术现代化、数据使用和AI应用	机器学习	NA	机器学习模型、生成式AI模型、深度学习模型	NA	患者数据和结果数据	NA	NA	NA	NA	NA
40	2026-03-15	AI-driven paradigm shift in follicle ultrasound monitoring: from automated segmentation to clinical decision support 2025-Dec-25, Reproductive biomedicine online IF:3.7Q1 DOI:10.1016/j.rbmo.2025.105440 PMID:41826105	评论	本文阐述了人工智能在超声卵泡监测中的发展路径，重点讨论了从自动分割到临床决策支持的范式转变	提出了基于深度学习的CR-Unet和C-Rend模型，实现了从二维到三维图像的精确卵泡分割与测量，并将二维卵泡面积和三维卵泡体积确立为预测卵母细胞成熟度和优化人绒毛膜促性腺激素触发时机的新型生物标志物	NA	探讨人工智能在辅助生殖超声卵泡监测中的应用与发展	超声图像中的卵泡	计算机视觉	NA	超声成像	深度学习	图像	NA	NA	CR-Unet, C-Rend	分割精度, 测量一致性	NA