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
201	2026-10-08	Deep learning aging marker from retinal images unveils sex-specific clinical and genetic signatures 2026-08-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-77102-1 PMID:42786167	研究论文	通过微调基础模型RETFound，从英国生物银行71,343名参与者的彩色眼底图像中预测实际年龄，并分析视网膜年龄差距与临床和遗传特征的关联。	首次使用深度学习从视网膜图像中提取衰老标记，并揭示其性别特异性的临床和遗传特征，发现了绝经对女性视网膜衰老模式的影响。	研究基于英国生物银行数据，可能受人群特异性限制，且未在其他独立队列中验证。	探究视网膜年龄差距作为系统性衰老的非侵入性生物标记，及其与年龄相关疾病和遗传因素的关联。	英国生物银行的71,343名参与者的彩色眼底图像。	计算机视觉	心血管疾病	深度学习	CNN	图像	71,343名参与者的眼底图像	NA	RETFound	平均绝对误差	NA
202	2026-10-08	The cellular and molecular basis of gyrus-sulcus specialization in the primate brain 2026-08-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-77086-y PMID:42786222	研究论文	该研究利用成年雄性猕猴大脑的单细胞空间转录组数据，开发了深度学习框架gsModel，仅基于局部细胞类型组成即可区分脑沟与脑回，准确率超过90%，并结合扩散MRI纤维追踪揭示了细胞组成差异与结构连接的关系	首次开发了定制化深度学习框架gsModel，仅依赖局部细胞类型组成实现脑沟与脑回的高精度分类，并整合单细胞空间转录组与扩散MRI纤维追踪，建立了从微观分子架构到宏观皮层组织的联系框架，揭示了上层谷氨酸能神经元和少突胶质细胞在脑沟-脑回差异中的关键贡献	研究仅基于成年雄性猕猴大脑数据，样本性别和物种单一，未验证在其他灵长类或雌性个体中的普适性	揭示灵长类大脑脑回与脑沟 specialization 的细胞和分子基础，建立联系微观分子架构与宏观皮层组织的框架	成年雄性猕猴大脑的脑沟和脑回区域	数字病理学	NA	单细胞空间转录组测序, 扩散MRI纤维追踪	深度学习	图像, 文本	成年雄性猕猴大脑样本（具体数量未在摘要中说明）	NA	gsModel（定制化深度学习框架）	准确率	NA
203	2026-10-08	Automating surgical guide design for single anterior implants powered by artificial intelligence - a clinical report 2026-08, British dental journal IF:2.0Q2 DOI:10.1038/s41415-026-9889-y PMID:42601437	临床报告	本文报道了一例25岁男性单颗前牙种植病例，采用人工智能驱动的静态计算机辅助种植手术工作流程，通过深度学习架构自动化数据处理，在20分钟内完成数字化导板设计	将人工智能从诊断支持扩展到自动化手术导板设计，实现了在美学高风险区域精确种植和即时预可视化	临床医生必须进行严格的人工验证，以降低与数据伪影和算法局限性相关的风险	展示人工智能驱动的静态计算机辅助种植手术工作流程在单颗前牙种植中的应用	一名25岁需要单颗前牙种植的男性患者	数字病理学	口腔疾病	锥形束计算机断层扫描、表面扫描、深度学习	NA	图像	1例患者	NA	NA	NA	NA
204	2026-10-08	A multi-site, multi-year labeled polygon dataset for agricultural land use and land cover mapping in central and northern Benin 2026-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.113272 PMID:42835224	数据论文	本文介绍了一个多站点、多年份的带地理参考标签的多边形数据集，用于贝宁中部和北部的农业土地利用与土地覆盖制图	填补了西非农业景观中高质量地理参考数据稀缺的空白，提供了2022至2024年间六个站点的多年度标记多边形数据，包含13个适应当地农业背景的土地覆盖类别	数据集仅覆盖贝宁中部和北部的六个站点，受限于实地调查的后勤挑战，可能无法完全代表整个西非地区	为贝宁中部和北部的农业土地利用与土地覆盖制图提供参考基准，支持深度学习模型的设计、训练和评估，以及监督分类方法的基准测试	贝宁中部和北部六个站点的农业景观，包括年度作物、多年生农林系统、自然植被和非农业用地	计算机视觉	NA	实地调查、视觉解译、SPOT 6/7影像分析、OpenStreetMap数据整合	NA	图像和地理空间数据	33065个标记多边形，覆盖18189.32公顷，18个站点-年份组合（2022年9027个，2023年9932个，2024年14106个）	NA	NA	NA	NA
205	2026-10-08	DR.DEGMON: self-explainable deep neural network for drug-induced cell viability prediction incorporating differentially expressed genes and gene ontology 2026-07-21, BMC medical genomics IF:2.1Q3 DOI:10.1186/s12920-026-02434-2 PMID:42482086	研究论文	提出了一种自解释深度神经网络DR.DEGMON，通过整合差异表达基因和基因本体网络预测泛癌细胞系对药物处理的存活率	将基因本体（GO）整合到多层感知机的层次结构中，利用逐层相关性传播（LRP）提供可解释性，揭示与药物反应相关的关键基因和GO术语及潜在生物通路	摘要中未明确提及该研究的局限性	准确预测癌症药物反应，并提供关于潜在作用机制的可解释性生物医学见解，以推进癌症治疗策略和药物开发	泛癌细胞系对药物处理的存活率	机器学习	肺癌	差异表达基因分析，基因本体（GO）分析	多层感知机（MLP）	基因表达数据	NA	NA	多层感知机	皮尔逊相关系数	NA
206	2026-10-08	A Scoping Review of Machine Learning and Deep Learning Methods for Autism Spectrum Disorder Diagnosis and Analysis 2026-07-17, Journal of visualized experiments : JoVE DOI:10.3791/71972 PMID:42545901	综述	本文综述了50项近期研究，系统梳理了机器学习和深度学习方法在自闭症谱系障碍诊断与分析中的应用，涵盖脑电图、眼动追踪、行为视频、微生物组、语音声学、人口统计学及多模态数据	从数据模态、算法方法和临床就绪度三个维度对文献进行系统组织，综合评估了模型可解释性、校准性、可扩展性、验证严谨性和临床适用性，并指出多模态和图基方法比单模态方法能更全面地表征自闭症表型	许多高性能模型基于小样本量、反复使用ABIDE数据集、类别不平衡、单中心验证或有限的外部测试，泛化性存疑；缺乏标准化基准和外部队列验证的多模态数据集	综合近期机器学习与深度学习在自闭症谱系障碍诊断、分类、严重程度评估和干预监测中的研究进展，回答数据模态与计算方法的使用频率、诊断性能评估方式及限制临床转化的方法学挑战三个关键问题	50项近期应用机器学习和深度学习技术于自闭症相关数据集的研究文献	机器学习	自闭症谱系障碍	脑电图、眼动追踪、行为视频分析、微生物组分析、语音声学分析、多模态数据融合	卷积神经网络, 图神经网络, 混合深度学习架构, 联邦学习, 可解释人工智能, 拓扑数据分析	图像, 文本, 视频, 信号, 多模态数据	50项研究（综述纳入的文献数量）	NA	卷积神经网络, 图神经网络, 混合深度学习架构	NA	NA
207	2026-10-08	ECG Signatures and Long-Term Ischemic Stroke Risk: A Deep Learning Analysis of 200,000 Patients 2026-07-14, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2026.03.084 PMID:42126358	研究论文	本文利用深度学习分析12导联心电图，评估缺血性卒中的长期风险，并在大规模患者数据中验证模型性能。	首次在大规模患者中利用深度学习分析心电图预测10年缺血性卒中风险，并揭示其与心房心肌病等机制的关联。	研究依赖于特定医疗中心的数据，可能限制模型的泛化能力；未详细讨论其他潜在混杂因素。	评估深度学习分析12导联心电图是否能估计纵向缺血性卒中风险，并量化风险信号反映的可能机制。	200,000名患者的心电图数据。	机器学习	心血管疾病	深度学习	CNN	图像	200,000名患者（来自MGH、BWH和BIDMC）	NA	卷积神经网络	AUC, ICI	NA
208	2026-10-08	Phenotyping antidepressant treatment response with deep learning in electronic health records 2026-Jul-11, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-026-04266-1 PMID:42431873	研究论文	本文系统评估了八种深度学习语言模型在真实世界电子健康记录中分类抗抑郁药治疗反应的表现	在大型真实世界医疗环境中系统比较多种深度学习语言模型用于抗抑郁药反应表型分类	样本仅来自单一医疗系统，模型可解释性未充分探讨	利用深度学习语言模型对电子健康记录中的抗抑郁药治疗反应进行表型分类	抑郁症成人患者的电子健康记录临床笔记	自然语言处理	抑郁症	深度学习语言模型	BERT-large, 滑动窗口	文本	111,563名患者，3,996份临床笔记	NA	BERT-large	AUROC, PPV, 特异性	NA
209	2026-10-08	Deep learning-based classification of gh-secreting pituitary neuroendocrine tumors granulation patterns using H&E-stained histopathology 2026-Jul-11, BMC endocrine disorders IF:2.8Q3 DOI:10.1186/s12902-026-02393-w PMID:42436482	研究论文	该研究开发了一种基于深度学习的模型CA-PITNET，利用H&E染色全切片图像自动分类生长激素分泌型垂体神经内分泌肿瘤的颗粒模式	提出了交叉注意力垂体神经内分泌肿瘤网络（CA-PITNET），能够直接从常规H&E染色全切片图像中自动进行亚型分类，无需依赖传统的免疫组织化学（IHC）检测	样本量相对有限，仅使用95例GH-PitNET和36例无功能PitNET的全切片图像，外部测试集样本量较小	开发深度学习模型实现GH-PitNET颗粒模式的自动化分类，提高病理分型效率	生长激素分泌型垂体神经内分泌肿瘤（GH-PitNETs）和无功能垂体神经内分泌肿瘤（非功能性PitNET）的H&E染色全切片图像	数字病理学	垂体神经内分泌肿瘤	H&E染色全切片图像分析	CNN	图像	95例GH-PitNET全切片图像（54,610个图像块）和36例无功能PitNET全切片图像（39,590个图像块），内部验证n=48/38，外部测试n=33/25	NA	Cross-Attention Pituitary Neuroendocrine Tumor Network (CA-PITNET)	AUC, 准确率	NA
210	2026-10-08	Artificial intelligence for assessment of the relationship between the mandibular canal and third molars using CBCT and panoramic radiography: a systematic review 2026-Jul-11, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08872-9 PMID:42436515	系统综述	本文系统综述了人工智能利用全景X线摄影和锥形束CT评估下颌管与下颌第三磨牙之间关系的研究	系统整合了截至2026年2月的29项研究，全面评估了AI在下颌管与第三磨牙关系评估中的应用，涵盖全景X线摄影、CBCT及两者联合三种影像模态	研究方法学异质性较大，外部验证有限，缺乏标准化多中心研究，且未进行方案注册	回答人工智能能否判定下颌管与下颌第三磨牙之间关系的研究问题	评估AI模型识别或分类下颌管与下颌第三磨牙关系的研究	计算机视觉	口腔疾病	锥形束CT，全景X线摄影	CNN，深度学习	图像	29项研究（15项使用全景X线摄影，9项使用CBCT，5项评估两种影像模态）	NA	卷积神经网络	准确率，敏感度，特异度，ROC曲线下面积	NA
211	2026-10-08	The diagnostic accuracy of artificial intelligence in detecting foot and ankle fractures: a systematic review and meta-analysis of diagnostic test accuracy 2026-Jul-10, Journal of orthopaedic surgery and research IF:2.8Q1 DOI:10.1186/s13018-026-07108-4 PMID:42432707	系统综述与荟萃分析	该文系统综述并荟萃分析了人工智能在足踝骨折放射影像诊断中的准确性，共纳入16项研究、超过37000张影像，合并敏感度为92.4%，特异度为95.1%	聚焦足踝骨折这一急诊诊断难点，采用PRISMA-DTA指南与双变量随机效应模型评估AI诊断准确性，并单独关注隐匿性骨折检测证据，同时进行QUADAS-2质量评价	所有纳入研究均为回顾性研究，仅两项研究明确报告隐匿性骨折病例，因此合并结果主要反映总体足踝骨折检测性能，尚不足以支撑隐匿性骨折的专门结论，且研究间存在较大异质性	评估人工智能在检测足踝骨折中的诊断试验准确性，并评价其在隐匿性骨折检测方面的现有证据	足踝骨折患者，包括放射学上表现轻微或隐匿性损伤的病例	医学影像人工智能	足踝骨折	X线摄影，CT	深度学习	影像	16项研究，超过37000张X线片或影像	NA	NA	敏感度，特异度，诊断比值比，SROC曲线	NA
212	2026-10-08	A three-level risk stratification algorithm for arrhythmia based on CNN-LSTM palindromic structure 2026-Jul-10, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00585-7 PMID:42432732	研究论文	提出一种基于CNN-LSTM回文结构的三级心律失常风险分层算法，用于心电信号的风险分层检测	提出三级心律失常风险分层方案（正常、非致命、致命），并设计基于CNN和LSTM回文结构的深度学习融合网络，同时捕捉心电信号的时空特征	未明确提及	实现心律失常的早期筛查和及时干预，优化医疗资源分配，并高精度捕捉心电信号的时空特征进行风险分层检测	心律失常患者的心电信号	机器学习	心血管疾病	心电图	CNN, LSTM	心电信号（时序数据）	未明确提及	NA	CNN, LSTM	准确率, 特异性	NA
213	2026-10-08	A method for early ultrasound classification of developmental dysplasia of the hip in infants: combining YOLOv8-based keypoint detection with radiomics 2026-Jul-08, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-026-07150-5 PMID:42420919	研究论文	该研究提出了一种结合YOLOv8关键点检测与影像组学的方法，用于婴儿发育性髋关节发育不良的早期超声分类。	将基于YOLOv8的关键点检测与影像组学相结合，自动计算α角和β角，并融合临床特征与影像组学特征进行DDH分类。	未明确提及。	提高婴儿发育性髋关节发育不良早期超声分类的准确性和可靠性，促进及时干预并改善患者预后。	婴儿髋关节超声图像。	计算机视觉, 医学图像分析	发育性髋关节发育不良	超声成像, 影像组学, 深度学习	CNN	图像	未明确提及，但涉及多中心测试集。	未明确提及。	YOLOv8	准确率, 召回率, 精确率, F1分数, α角平均差异, β角平均差异	未明确提及。
214	2026-10-08	Automated lung cancer classification using intensity-driven RoI selection and transfer learning 2026-Jul-07, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03519-9 PMID:42415103	研究论文	本文提出了一种增强型肺癌分类框架，利用强度驱动的感兴趣区域（RoI）选择、定制标签细化、高维RoI映射策略以及反馈驱动的迁移学习优化机制，在LIDC-IDRI和TCIA基准数据集上实现了高精度肺癌分类	提出了强度驱动的RoI选择方法、定制化标签细化与脆弱RoI区域精确标注策略、高维RoI映射策略以增强特征表示与判别能力，并将反馈驱动的优化机制集成到迁移学习框架中迭代优化模型参数	论文仅在LIDC-IDRI和TCIA两个公开数据集上进行验证，采用60:40的训练-测试划分，未提及独立外部验证集，也未讨论模型在 heterogeneous 临床数据源中的泛化能力	解决因专家判断差异以及从电子健康记录和影像数据集中提取判别性模式困难所导致的肺癌准确临床决策难题	肺癌结节（恶性结节）影像数据	计算机视觉, 医学图像分析	肺癌	强度驱动的RoI选择、迁移学习、高维RoI映射、标签细化	CNN（CoVNet）	图像（放射影像数据）	LIDC-IDRI和TCIA公开基准数据集（具体样本数量未在摘要中提及），采用60:40的训练-测试划分	NA	CoVNet	分类准确率（accuracy）	NA
215	2026-10-08	A self-attention-based deep learning model for identifying key genes in insect pupal metamorphosis 2026-Jul-06, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-13128-5 PMID:42410516	研究论文	该研究构建了一种基于深度学习和自注意力机制的基因网络分类模型，用于识别昆虫蛹变态过程中的关键基因	首次将自注意力机制与深度学习结合用于昆虫蛹变态关键基因的识别，并构建了基于Word2vec的蛋白质序列词嵌入库	未明确提及	识别昆虫蛹变态过程中的关键基因	来自14个目的293个昆虫蛋白质序列	机器学习	不适用	Word2vec	自注意力机制	蛋白质序列	293个昆虫蛋白质序列	不适用	基因网络分类模型（GNCM）	分类准确率、可解释性	不适用
216	2026-10-08	Segmenting with confidence through uncertainty quantification for brain tumor imaging 2026-Jun-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02902-0 PMID:42321390	研究论文	该研究开发了一个深度学习框架，通过证据深度学习集成量化脑膜瘤MRI分割中的不确定性，以提高临床信任度	利用证据深度学习集成生成具有校准不确定性的脑膜瘤分割，区分偶然不确定性和认知不确定性，并验证其与神经放射学家识别的模糊区域的空间一致性	未明确提及	解决人工智能在脑肿瘤监测中因缺乏校准不确定性而难以临床采用的问题，开发能够生成可靠不确定性估计的分割框架	脑膜瘤患者的大脑MRI图像	计算机视觉, 数字病理学	脑肿瘤, 脑膜瘤	深度学习, 证据深度学习, 集成学习	CNN	图像	训练集1655张MRI（788名患者），独立测试集68张MRI（43名患者），外部验证集353名患者	NA	NA	Dice相似系数, 不确定性图与模糊区域的空间一致性, 体积可信区间校准	NA
217	2026-10-08	Inferring translational efficiency from transcriptomes improves noncanonical neoantigen prioritization and cancer patient stratification 2026-Jun-18, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01567-y PMID:42310075	研究论文	该文章提出一个多维框架，利用深度学习从转录组推断翻译效率，并证明其在非经典新抗原优先级排序和癌症患者分层方面优于标准RNA-seq	首次系统评估基于深度学习的翻译效率推断策略在多个独立数据集中的临床效用，开发了翻译感知的新抗原发现流程，能够识别被基于表达过滤忽略的高置信度非经典新抗原，并通过翻译推断改善了胶质瘤患者分层	对深度学习推断翻译效率的模型依赖可能引入偏差；临床验证仍基于回顾性数据集，需要前瞻性研究确认；未详细讨论计算成本和可扩展性	评估从转录组推断翻译效率的策略是否比标准RNA-seq提供更优的临床效用，并探索其在精准肿瘤学中的应用	15个独立数据集中的转录组和翻译组数据，以及胶质瘤患者样本	机器学习	胶质瘤	RNA-seq, 核糖体图谱分析, 深度学习	深度学习模型（Translatomer）	转录组数据, 翻译组数据	15个独立数据集（具体样本量未提供）	NA	Translatomer	生存分析, 翻译效率推断准确性	NA
218	2026-10-08	Personalizing Suicide Risk Assessment: Machine Learning Extraction of Cross-Modal Interactions Between Psychosocial and Demographic Factors in Veterans 2026-Jun-18, medRxiv : the preprint server for health sciences DOI:10.64898/2026.06.16.26355796 PMID:42369484	研究论文	本文利用机器学习方法从退伍军人临床笔记中提取心理社会与人口学因素之间的跨模态交互，以个性化自杀风险评估	使用高维词袋表示替代语义特征，结合加权XGBoost框架平衡结构化与 unstructured特征，发现跨模态交互并提升预测性能	未明确说明计算资源细节，且依赖结构化风险分层，可能未充分捕捉深层上下文和时间信息	通过整合结构化电子健康记录和非结构化临床笔记，改进退伍军人自杀风险预测模型	退伍军人自杀风险相关的临床文档和结构化数据	自然语言处理	自杀风险	自然语言处理，词袋模型	XGBoost，广义线性模型	文本，结构化数据	27,241名退伍军人	NA	XGBoost，广义线性模型	NA	NA
219	2026-10-08	A web-based semi-supervised deep learning platform for automated AS-OCT assessment and monitoring of infectious keratitis 2026-Jun-17, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02857-2 PMID:42310120	研究论文	该研究开发了一个基于网络的半监督深度学习平台，用于自动评估和监测感染性角膜炎，通过AS-OCT图像进行病变分割、参数化、分层和三维可视化	结合U-Net和Swin Transformer的半监督框架，在极坐标系统下进行径向分层，实现三维角膜重建与裂隙灯图像对齐，提供非侵入式客观评估	未明确提及	开发自动化的感染性角膜炎评估和监测平台，提高严重程度评估的客观性和准确性	感染性角膜炎患者的前节光学相干断层扫描（AS-OCT）图像	数字病理学	感染性角膜炎	前节光学相干断层扫描（AS-OCT）	CNN，Transformer	图像	3130张AS-OCT图像	NA	U-Net，Swin Transformer	Dice分数，分类准确率，组内相关系数（ICC）	NA
220	2026-10-08	Predicting early-stage breast cancer disease-free survival and adjuvant therapy benefit from multimodal information using deep learning 2026-Jun-17, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-026-00991-4 PMID:42310310	研究论文	本文开发了一种基于深度典型相关分析的多模态深度学习模型（Mu-model），整合多参数磁共振成像（包括DCE-MRI和DWI）与临床文本数据，用于预测早期乳腺癌的无病生存期并识别可能从辅助治疗中获益的患者	首次采用基于深度典型相关分析（DCCA）的多模态深度学习模型，将多参数MRI影像（DCE-MRI和DWI）与临床文本数据融合，实现早期乳腺癌无病生存期的非侵入性预测和复发风险分层，并初步探索其识别辅助治疗差异获益患者的潜力	转录组分析仅在19例患者中进行，样本量较小；研究为回顾性设计；外部验证队列虽规模较大但仍需前瞻性研究进一步验证模型的临床实用性	利用多模态深度学习模型预测早期乳腺癌的无病生存期，并对患者进行复发风险分层，识别可能从辅助治疗中获益的患者群体	早期乳腺癌（EBC）患者，包括训练队列459例和外部验证队列661例，共1120例	数字病理学	乳腺癌	多参数磁共振成像（DCE-MRI、DWI）、转录组分析	多模态深度学习模型	图像、文本	1120例早期乳腺癌患者（训练队列459例，外部验证队列661例），其中19例进行了转录组分析	NA	深度典型相关分析（DCCA）	一致性指数（C-index）	NA