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
261	2026-06-15	Chemprop v2: An Efficient, Modular Machine Learning Package for Chemical Property Prediction 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02332 PMID:41453060	研究论文	介绍化学性质预测机器学习包Chemprop v2，强调其在模块化、速度和可用性上的提升	对原Chemprop进行底层重写，提升了约2倍执行速度和3倍内存效率，支持多GPU训练，并增加了Jupyter notebook教程和新文档	未明确讨论不足，可能包括对大型模型训练的扩展性或特定任务的适用性	开发一个高效、模块化且用户友好的机器学习包，用于化学性质预测	分子属性预测任务中的深度学习模型	机器学习	NA	消息传递神经网络 (D-MPNN)	有向消息传递神经网络 (D-MPNN)	分子图	NA	NA	D-MPNN	预测准确性、执行时间、内存使用	NA (支持多GPU)
262	2026-06-15	SHIFT-DRP: Dynamic Multi-Scale Active Learning for Drug Response Prediction 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02453 PMID:41392432	研究论文	提出SHIFT-DRP主动学习框架，通过动态多尺度采样策略智能选择药物-细胞系配对以高效提升药物反应预测性能	提出从多样性探索到不确定性驱动的动态采样策略，结合预训练分子表征和交叉注意力机制，实现有限资源下的最大模型改进	未提及具体局限性	解决药物反应预测中化学空间覆盖不足和均匀采样效率低下的问题，实现精准医疗中的高效实验筛选	药物-细胞系配对及其反应预测	机器学习	癌症	药物反应预测	深度学习主动学习框架	药物-细胞系反应数据	四个数据集	PyTorch	交叉注意力机制	预测性能、资源节约率	NA
263	2026-06-15	ChemEmbed: a deep learning framework for metabolite identification using enhanced MS/MS data and multidimensional molecular embeddings 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag054 PMID:41686648	研究论文	提出一个名为ChemEmbed的深度学习框架，通过整合多维分子嵌入和增强的MS/MS数据来改进代谢物鉴定	通过融合多个碰撞能量的质谱并加入计算中性损失来增强MS/MS数据，并利用卷积神经网络学习多维分子嵌入，实现更准确的代谢物候选排序	未明确说明局限性	提高代谢组学中未知MS/MS谱图的代谢物鉴定准确率	质谱数据和化学结构表征	机器学习	NA	串联质谱（MS/MS）、质谱数据增强	卷积神经网络（CNN）	质谱数据	来自38,472个不同化合物的增强MS/MS谱图及ARUS数据集的未鉴定谱图	NA	CNN	首位命中率、前五命中率	NA
264	2026-06-15	Radiology as a pillar in AI-based COVID-19 research: Insights from a diverse bibliometric analysis 2026 Jan-Feb, Radiologia IF:1.1Q3 DOI:10.1016/j.rxeng.2025.101651 PMID:41690763	研究论文	通过描述性引文分析和文献耦合分析，研究COVID-19与人工智能领域的知识结构和知识流动，并识别最具影响力的出版物和研究主题	NA	NA	探索COVID-19背景下人工智能研究的现状，识别最具影响力的出版物，并勾勒该研究领域的概念框架	COVID-19相关人工智能研究的出版物	自然语言处理	COVID-19	NA	NA	文本	8057篇文档	NA	NA	NA	NA
265	2026-06-15	Wesselsbron Virus-Induced Hepatitis in Ewes and Lambs Unraveled Through Machine Learning-Driven Digital Histopathology 2026, Transboundary and emerging diseases IF:3.5Q1 DOI:10.1155/tbed/7912840 PMID:41693730	研究论文	通过机器学习的数字组织病理学分析Wesselsbron病毒诱导的母羊和羔羊肝炎	首次利用机器学习驱动的数字组织病理学方法全面分析WSLV诱导的肝炎，结合全切片成像和深度学习对肝脏病变进行客观量化	NA	评估数字组织病理学在检测WSLV诱导肝炎中的价值，并揭示病毒感染的肝脏病理特征	感染WSLV clade I (rSA999) 和 clade II (SAH117) 毒株的母羊和羔羊	数字病理学	肝炎	免疫组化染色（CD3, PAX5, Iba1, NS1, 精氨酸酶1/Ki67双染）、RT-qPCR	深度学习模型	全切片图像	20只绵羊（6只rSA999感染、8只SAH117感染、6只对照组）	NA	NA	NA	NA
266	2026-06-15	Better data for better predictions: data curation improves deep learning for sgRNA/Cas9 prediction 2026, PeerJ IF:2.3Q2 DOI:10.7717/peerj.20706 PMID:41695711	研究论文	采用数据为中心的方法优化sgRNA/Cas9预测模型的输入数据和过滤策略，提升模型性能与泛化能力	首次系统评估数据为中心的优化方法（调整靶位点侧翼序列长度、控制条件读取计数过滤）对深度学习预测模型性能的影响，并证明数据质量优于架构创新	仅针对细菌SpCas9和eSpCas9酶，未测试其他Cas变体或真核系统；数据过滤可能引入偏差	通过数据优化提升sgRNA/Cas9切刻活性预测的准确性和泛化能力	sgRNA序列及其靶位点的切刻活性数据	机器学习	不适用	CRISPR-Cas9基因编辑	深度学习模型	序列数据	含两个重建的Cas9数据集（具体样本数量未说明）	NA	crisprHAL	预测准确率、泛化性能	NA
267	2026-06-15	An ultrasound-based artificial intelligence framework for difficult airway prediction: A two-model, three-step decision framework 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342339 PMID:41706751	研究论文	提出一种基于超声图像的“两模型三步骤”人工智能框架，用于预测困难气道	将超声定量参数与深度学习结合，构建分层决策框架，实现从初筛到风险分级的连贯评估流程	缺乏外部验证，未在多中心队列中测试；模型性能有限，尤其是VIDIAC-A模型精确度和F1分数较低	构建并内部验证基于超声图像的人工智能框架，用于困难气道预测	903例接受择期全麻手术的患者	机器学习	气道管理	颈部超声图像	卷积神经网络	图像	903例患者（训练验证752例，内部测试151例）	NA	CL-AI, VIDIAC-AI	AUC、准确率、灵敏度、特异度、精确度、F1分数	NA
268	2026-06-15	ProMMF_Kron: a multimodal deep learning model for immunotherapy response prediction in stomach adenocarcinoma 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1602846 PMID:41743737	研究论文	开发了一种名为ProMMF_Kron的多模态深度学习模型，用于预测胃腺癌患者的免疫治疗反应	采用Kronecker积运算和反向投影模块的双阶段特征融合策略，实现基因表达与病理图像特征的高效交互	研究仅基于282例患者的多中心数据集，样本量相对有限	为胃腺癌患者开发可靠的免疫治疗反应预测工具	胃腺癌患者的分子谱和病理图像数据	数字病理学, 机器学习	胃腺癌	NGS, 病理图像分析	多模态深度学习	基因表达数据, 病理图像	282例胃腺癌患者	PyTorch	预训练深度卷积神经网络, Kronecker乘积模块, 反向投影模块	AUC	NA
269	2026-06-15	Emerging light-based strategies in cancer theranostics: Photodynamic therapy, nanomedicine, and precision oncology 2026, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101150 PMID:41747470	综述论文	探讨人工智能在癌症光疗与光动力疗法中提升精准度和个性化水平的作用	系统总结了人工智能（尤其是深度学习）在肿瘤成像、治疗监控、个性化用药及新型光敏剂研发中的最新应用，并展望了可穿戴设备和集成数据平台的未来方向	仍处于早期阶段，缺乏大规模临床验证和标准化数据集支持	综合分析人工智能增强光疗和光动力疗法的精准化与个性化潜力	光疗、光动力疗法在癌症治疗中的应用及其与人工智能技术的融合	计算机视觉、机器学习	癌症	NA	深度学习	图像、文本、患者病史、遗传数据	NA	NA	NA	准确率（肿瘤检测90-95%，边缘勾勒85-95%）	NA
270	2026-06-15	DeepDiff-SHAP: Interpretable deep learning for subgroup-specific causal hypothesis generation using conditional SHAP 2026, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing DOI:10.1142/9789819824755_0052 PMID:41758180	研究论文	提出DeepDiff-SHAP框架，结合回归与深度学习进行差异因果推断，通过条件SHAP识别患者亚组间的因果变化	首次将条件SHAP与回归及深度学习差异化因果推断结合，以可解释方式检测亚组特异性因果关系的非线性变化	依赖数据集规模和质量，可能无法处理高维稀疏数据中的因果发现	开发可解释的深度学习框架，用于亚组特异性因果假设生成，推动个性化医疗	疾病患者亚组之间的因果差异模式	机器学习	糖尿病, 败血症	SHAP可解释性分析, 深度学习	深度学习模型, 回归模型	结构化表格数据	CDC糖尿病健康指标数据集、UK Biobank败血症队列（按高血压状态分层）	NA	深度学习网络	NA	NA
271	2026-06-15	Explainable AI for gait speed analysis from multimodal data fusion 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341067 PMID:41758888	研究论文	提出一种通过多模态数据融合和深度学习进行步速分类的先进框架，并利用层相关传播（LRP）进行优化	首次将LRP应用于多模态融合的步速分析模型，以优化特征相关性并验证鲁棒性，同时提出CNN+LSTM混合架构和多流CNN两种新颖网络结构	NA	开发高精度且稳健的步速分析工具，通过多模态数据融合和LRP驱动特征优化，克服单传感器限制	50名无损伤成年人在不同速度下的步态数据	机器学习	NA	全身运动捕捉、肌电图、测力板	CNN, LSTM, 混合CNN+LSTM, 多流CNN, 时序卷积网络, Transformer, 门控循环单元	运动捕捉数据、肌电图信号、测力板数据	50名无损伤成年人的4个公开数据集	NA	CNN+LSTM, 多流CNN, TCN, Transformer, GRU, 线性判别分析, 二次判别分析, 支持向量机	F1分数, ROC曲线, 混淆矩阵, t检验, 扰动分析	NA
272	2026-06-15	The Evolution of Machine Learning in Medicinal Chemistry: A Comprehensive Bibliometric Analysis 2026, Current neuropharmacology IF:4.8Q1 DOI:10.2174/011570159X384988250430093924 PMID:40370247	综述	对2001年至2023年间药物化学领域人工智能研究的文献进行了综合计量分析	首次对药物化学中机器学习研究进行全面的文献计量分析，识别了研究前沿关键词和未来趋势，包括多模态和大语言模型	仅分析了2001年至2023年的文献，可能存在时间覆盖范围有限；文献计量方法依赖已发表数据，可能遗漏未发表或非英语研究	系统分析人工智能在药物化学中的应用研究，确定发展趋势和研究热点	2001年至2023年间发表的药物化学中人工智能研究文献	自然语言处理	NA	文献计量分析	NA	文本	来自92个国家或地区的文献，涉及196个研究机构	R，CiteSpace，VOSviewer	NA	NA	NA
273	2026-06-14	Transformer-based emotion recognition in interactive art: A multimodal neural approach 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349859 PMID:42268906	research paper	采用多模态方法，结合神经振荡特征与主观情感评估，研究交互式数字艺术对情感状态的影响	利用多输出Transformer回归模型同时预测积极和消极情感变化，整合脑电图频带变化特征与主观情感评分	R²值仅为0.162，预测准确性有限；样本量可能较小	探究交互式数字艺术如何影响情感状态，推动情感神经科学与人机交互的接口研究	交互式数字艺术中的情感变化	machine learning	NA	EEG	Transformer, LSTM, Random Forest	EEG信号, 情感评分	公开数据集，包含交互前后EEG记录	PyTorch	Transformer, LSTM, Random Forest	R², MSE, MAE	NA
274	2026-06-14	Retraction: Enhanced heart disease diagnosis and management: A multi-phase framework leveraging deep learning and personalized nutrition 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0351485 PMID:42284233	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
275	2026-06-13	Deep learning-based assessment of PD-L1 expression in NSCLC predicts outcome for patients treated with anti-PD-1 immunotherapy 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1750816 PMID:41766864	研究论文	本研究利用深度学习分析PD-L1免疫组化切片，评估非小细胞肺癌患者接受抗PD-1免疫治疗后的预后	首次将深度学习应用于PD-L1 IHC切片，识别出可重复的组织形态学模式，超越传统PD-L1评分，为抗PD-1治疗患者提供额外预后信息	OS未达到统计学显著性，样本量相对较小（训练集182例，验证集108例），且仅基于10个极端预后病例进行聚类	评估深度学习能否从PD-L1 IHC切片中识别出预测抗PD-1治疗患者预后的组织学模式	非小细胞肺癌患者（两个独立队列：MSK 182例和CGFL 108例）	数字病理学	非小细胞肺癌	PD-L1免疫组化	CNN（UNI基础模型）	图像（PD-L1 IHC切片）	两个独立队列：训练集182例，验证集108例	NA	UNI	进展生存期、总生存期、风险比、95%置信区间	NA
276	2026-06-13	MAAR-Net: Multi-scale attention-assisted residual neural network for renal microvascular structure segmentation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342752 PMID:41779699	研究论文	提出一种多尺度注意力辅助残差神经网络（MAAR-Net），用于肾脏微血管结构分割	集成多尺度残差块、高层语义特征提取层以及深度可分离卷积注意力模块，在跳跃连接中增强全局与局部特征捕获，并引入额外分割分支聚合多感受野信息	基于2D PAS染色图像，可能缺乏3D空间信息；压缩后的模型可能在极端复杂微血管场景下性能下降	实现高精度、连续、背景干扰抑制的肾脏微血管分割	2D PAS染色肾脏组织学图像中的微血管结构	数字病理学	肾脏疾病	组织学染色（PAS）	CNN（U-Net变体）	图像	HuBMAP数据集（具体数量未提及）	NA	U-Net、多尺度残差块、深度可分离卷积注意力模块	交并比（IoU）、F1分数	通过剪枝和量化为临床部署优化，无需专用工作站或云服务器
277	2026-06-13	Hybridizing deep learning algorithms and geostatistical approaches for improved crop yield disaggregation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344081 PMID:41790616	研究论文	提出一种混合深度学习与地统计学残差克里金法的多阶段框架，用于将村级作物产量统计数据降尺度到像素级别	首次通过经验展示结合天气和卫星波段数据，实现基于混合化框架的村庄到像素级别的产量降尺度方法	NA	提高精细空间分辨率下作物产量估算的可靠性，以支持精准农业和粮食安全规划	印度哈里亚纳邦半干旱地区的小麦和芥菜作物	机器学习	NA	遥感（Sentinel-1和Sentinel-2波段数据）、地统计学残差克里金法	深度学习（DL）模型	土壤、天气、遥感图像数据	NA	NA	随机森林	R²、均方根误差（RMSE）、Moran's I	NA
278	2026-06-13	MoGraphDRP: Multi-omics and graph fusion with bilinear attention for predicting drug sensitivity 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341458 PMID:41790794	研究论文	提出了一种多分支深度学习框架，整合多组学细胞数据和药物结构特征来预测药物反应	采用多组学细胞数据（基因表达、突变、甲基化、生物通路）与药物结构特征（分子图、化学指纹）融合，并通过多头双线性注意力模块建模细胞与药物的复杂相互作用	未在摘要中明确说明	实现精准预测癌细胞药物反应，推动精准医学和个性化治疗设计	癌细胞系及其对药物的敏感性	机器学习	癌症	NA	图卷积网络（GCN）、多层感知机（MLP）、多头双线性注意力、XGBoost	基因表达、突变、甲基化、生物通路数据、药物分子图、化学指纹	NA	NA	三层图卷积网络、MLP网络、多头双线性注意力模块、XGBoost集成模型	PCC、RMSE、R²	NA
279	2026-06-11	Multi-omics signatures of chronic inflammation across immune-related disease states 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1753156 PMID:41766899	研究论文	利用UK Biobank数据，通过整合临床指标、NMR代谢组和Olink蛋白质组的多组学深度学习模型，分析慢性炎症在多种免疫相关疾病状态下的系统性特征	首次在人群规模上整合多组学数据（临床、代谢组、蛋白质组）构建多分类深度学习模型，并结合竞争风险模型揭示慢性炎症与死亡风险的关联	NA	解码慢性炎症在多种免疫相关疾病状态下的免疫代谢信号，并评估其与长期死亡率的关系	UK Biobank参与者（健康对照组、癌症、自身免疫病、感染性疾病、代谢疾病及多重共病状态）	机器学习	慢性炎症相关疾病（癌症、自身免疫病、感染性疾病、代谢疾病）	NMR代谢组学、Olink蛋白质组学	深度学习模型、堆叠集成模型	临床血液学指标、NMR代谢物、Olink蛋白质组数据	UK Biobank参与者分类为六组基线状态	NA	NA（多分类深度学习模型，包括临床/炎症模型、+NMR模型、+Olink模型、三塔多组学模型）	准确率、宏F1分数、多分类AUC	NA
280	2026-06-10	Open-source framework for detecting bias and overfitting for large pathology images 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341715 PMID:41712557	研究论文	提出一个开源框架，用于检测大型病理图像中的偏差和过拟合问题	提出与模型架构无关的调试框架，能复制已知偏差模式，且集成于MONAI框架作为开源工具	可能未覆盖所有类型的偏差，计算资源需求仍较高	开发可靠、准确且泛化能力强的全切片图像分析模型	深度学习模型中的偏差和过拟合现象	数字病理学	不适用	不适用	CNN	图像	使用公开的组织病理学数据集，具体样本量未提及	MONAI	Phikon-v2, MoCo v1	不适用	不适用