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
821	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)
822	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
823	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
824	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
825	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
826	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
827	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
828	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
829	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
830	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
831	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
832	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
833	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
834	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
835	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
836	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
837	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
838	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
839	2026-06-10	DrugReasoner: Interpretable drug approval prediction with a reasoning-augmented language model 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342940 PMID:41712587	研究论文	提出了一种基于推理增强的大语言模型DrugReasoner，用于预测小分子药物的批准可能性，同时生成逐步推理过程和置信度分数	将分子描述符与结构相似化合物的比较推理结合，通过GRPO微调LLaMA架构，在保持预测性能的同时提供可解释的推理输出	仅针对小分子药物，未涉及大分子或复杂生物制剂；推理过程可能受限于训练数据中的已知化合物结构信息	实现具有可解释性的小分子药物批准预测，解决传统AI方法在药物发现中的黑箱问题	小分子药物的批准预测，以及与结构相似获批/未获批化合物的比较分析	机器学习	不适用	分子描述符计算、结构相似性分析	大语言模型（LLaMA架构）	分子结构数据、药物批准状态数据	训练集、验证集和测试集划分（具体数量未提及），以及独立外部数据集	PyTorch	LLaMA	AUC, F1分数, 精确率, 灵敏度	NVIDIA RTX 3090（推测，因使用LLaMA微调未见明确说明）
840	2026-06-10	AdaptiveInvolutionNet: Spatially-adaptive involution with channel-wise attention for breast MRI tumor classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340808 PMID:41712600	研究论文	提出一种结合空间自适应逆卷积与通道注意力的混合深度学习框架，用于乳腺MRI肿瘤分类	创新性地将空间自适应逆卷积层与通道注意力机制（挤压-激发模块）集成于单一网络，通过早期层捕捉精细局部特征、后期层保持计算效率的过渡策略，以及残差连接中的动态特征增强	NA	提高乳腺肿瘤MRI分类的准确性、鲁棒性和可靠性	乳腺MRI图像中的肿瘤	计算机视觉	乳腺癌	MRI	混合深度学习模型	图像	6000张乳腺MRI图像（3000良性、3000恶性）	PyTorch	自适应逆卷积网络、挤压-激发模块、残差连接	准确率、Cohen's Kappa、Brier分数	NA