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
221	2026-10-08	Deciphering small sequence differences in T cell receptor-antigen pairing 2026-Jun-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73396-3 PMID:42288475	研究论文	开发了一个深度学习模型pMTnet-omni，用于预测T细胞受体（TCR）与抗原的结合，并能区分序列相似的TCR之间更强或更弱的结合	pMTnet-omni不仅能预测TCR与pMHC的结合与非结合，还能区分序列相似的TCR之间更强与更弱的结合，结合Lab-in-the-Loop机制可准确预测具有更强或更弱抗原结合力的变异TCR	NA	破译TCR-抗原配对中的微小序列差异，开发能够区分强弱结合的预测工具	T细胞受体（TCR）与抗原肽-MHC复合物（pMHC）的配对结合	机器学习	NA	深度学习	深度学习模型	序列数据	NA	NA	pMTnet-omni	NA	NA
222	2026-10-08	Beyond the algorithms: Challenges in predicting knee osteoarthritis pain from a machine learning point of view 2026-Jun, Osteoarthritis imaging DOI:10.1016/j.ostima.2025.100381 PMID:42619466	综述	本文从机器学习角度综述了预测膝骨关节炎疼痛所面临的关键挑战，包括数据、方法及临床转化等方面的问题	从机器学习视角系统梳理了膝骨关节炎疼痛预测中的挑战，强调了影像特征与主观疼痛体验之间的复杂关系，并提出了整合纵向数据与可穿戴设备数据的未来研究方向	本文并非基于系统性检索或正式的数据提取，仅提供当前问题和研究方向的概述性综述	探讨机器学习与深度学习在预测膝骨关节炎疼痛中面临的挑战，并指出未来研究方向以弥合预测模型与临床适用性之间的差距	膝骨关节炎疼痛预测相关的机器学习与深度学习研究	机器学习	膝骨关节炎	NA	NA	NA	NA	NA	NA	NA	NA
223	2026-10-08	Deep learning based histomorphological phenotyping and prognostic stratification for combined SCLC and LCNEC 2026-May-30, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02800-5 PMID:42218257	研究论文	本文介绍了一种可解释的深度学习模型GTBIS，用于从病理图像中对复合小细胞和大细胞神经内分泌肺癌进行组织形态学表型分析和预后分层	提出了GTBIS模型，能够准确区分SCLC和LCNEC，并对cSCLC-LCNEC患者进行预后分层，揭示了不同预后表型与增殖通路、上皮-间质转化、缺氧和代谢重编程等生物学过程的关联	未明确提及研究局限性	解决复合小细胞和大细胞神经内分泌肺癌的预后分层难题，实现更个性化的管理	复合小细胞和大细胞神经内分泌肺癌患者	数字病理学	肺癌	深度学习	CNN	图像	多中心队列共670例患者	NA	NA	五年总生存率、无病生存率、多变量分析	NA
224	2026-10-08	A deep learning model for automated identification of age-related macular degeneration atrophy 2026-May-09, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-026-07205-4 PMID:42105087	研究论文	该研究开发了一个深度学习模型，用于自动识别年龄相关性黄斑变性（AMD）中的完全视网膜色素上皮和外部视网膜萎缩（cRORA）。	该研究构建了两个大型独立队列，包含近5000个3D OCT扫描，并开发了一个在内部验证中达到最先进性能（ROC AUC 0.97）的深度学习模型，且在外部评估中展示了稳健的零样本学习能力（ROC AUC 0.88）。	抽象中未明确提及局限性	自动化诊断cRORA，以提高标注一致性并减少临床负担，从而促进临床研究和试验分析。	年龄相关性黄斑变性（AMD）患者，包括非新生血管性和新生血管性亚组	数字病理学	年龄相关性黄斑变性	光学相干断层扫描（OCT）	深度学习模型	3D OCT扫描图像	近5000个3D OCT扫描	NA	NA	ROC AUC	NA
225	2026-10-08	Attention-based deep learning for analysis of pathology images and gene expression data in lung squamous premalignant lesions 2026-04-08, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-026-01636-8 PMID:41952176	研究论文	该研究开发了一种基于注意力机制的深度学习框架，结合病理图像和基因表达数据，用于分析肺鳞状癌前病变。	提出了一种基于Transformer的多模态融合模型，能够灵活利用转录组学和病理组织学模式，区分支气管不典型增生或更严重的病变与正常、增生和化生。	未明确提及	开发一种深度学习方法，结合病理图像和基因表达数据，用于肺鳞状癌前病变的分类和风险分层。	肺鳞状癌前病变，包括正常、增生、化生、不典型增生（轻度、中度、重度）、原位癌和浸润性癌。	数字病理学	肺癌	H&E全切片图像（WSI）和批量基因表达数据（GE）	Transformer	图像和文本（基因表达数据）	来自4项研究的数据，包括WSI和GE数据	NA	Transformer	AUROC	NA
226	2026-10-08	Evaluation of Deep Learning-Based Event Detection for Parameter Estimation During Complex Walking in Parkinson's Disease 2026-Mar-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3673610 PMID:41818008	研究论文	该研究评估了一种基于惯性传感器和深度学习的处理流程，用于在帕金森病患者的简单和复杂行走任务中进行步态事件检测和参数估计。	提出使用时间卷积网络（TCN）进行步幅分割中的事件检测，并结合已有的轨迹重建和步态参数计算方法，能够准确量化简单和复杂行走任务（包括转身、步态启动和终止）的步态参数。	摘要中未明确提及研究的局限性。	评估基于惯性传感器的处理流程在复杂行走任务中量化步态参数的有效性。	帕金森病患者的步态数据。	数字病理学	帕金森病	惯性传感器（IMU）	时间卷积网络（TCN）	传感器信号（惯性传感器数据）	NA	NA	时间卷积网络（TCN）	平均误差、相关系数（r）	NA
227	2026-10-08	Establishing an Evidence-based Modern Breast MRI Program 2026-03-03, Journal of breast imaging IF:2.0Q3 DOI:10.1093/jbi/wbaf082 PMID:41671073	综述	本文综述了现代乳腺MRI方案的关键要素、优化策略以及新兴技术和未来趋势	系统性地提出了建立基于证据的现代乳腺MRI方案的整体框架，整合了扩散加权成像、超快速动态对比增强MRI和深度学习模型等先进技术，并探讨了方案优化策略以应对日益增长的患者量	作为综述文章，未提供原始实验数据或定量性能评估，且未对不同方案的临床效果进行系统性比较分析	概述现代乳腺MRI方案的关键要素和考虑因素，讨论方案优化策略，并探索塑造下一代乳腺成像的新兴技术和未来趋势	乳腺MRI成像方案及相关技术	医学影像	乳腺癌	动态对比增强MRI、扩散加权MRI、超快速动态对比增强MRI、深度学习	深度学习模型	医学影像	NA	NA	NA	NA	NA
228	2026-10-08	Multi-Architecture deep learning for CBCT segmentation of dental hard tissues and pulp in mixed dentition 2026-03, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106344 PMID:41519426	研究论文	该论文开发并评估了基于深度学习的3D模型（CNN、Transformer和Mamba架构），用于自动分割儿童混合牙列CBCT扫描中的牙髓、乳牙和恒牙结构	首次系统比较了多种深度学习架构（包括CNN、Transformer和Mamba）在儿童混合牙列CBCT中进行牙髓、乳牙和恒牙多任务分割的性能，并进行了外部验证	外部验证性能低于内部数据集，乳牙分割在年长儿童中准确性较低，样本量相对有限（151例CBCT扫描）	开发和评估基于深度学习的3D模型，用于儿童混合牙列CBCT扫描中牙髓、乳牙和恒牙结构的自动分割	儿童混合牙列的CBCT扫描数据，包括牙髓、乳牙和恒牙硬组织	计算机视觉, 数字病理学, 医学图像分割	NA	CBCT（锥形束计算机断层扫描）	CNN, Transformer, Mamba	3D医学图像（CBCT扫描）	151例CBCT扫描（105例内部数据集，共29,478张图像；46例外部扫描）；内部数据中78例用于训练/验证，27例用于测试	nnU-Net	ResEncM, U-Mamba Bot, U-Mamba Enc, WNet, UNETR, SegResNet	DSC, IoU, HD95, 分割体积, 处理时间	NA
229	2026-10-08	[Current status, application scenarios, challenges, and recommendations for the development of medical artificial intelligence: a domestic and international perspective] 2026-Feb-10, Zhonghua liu xing bing xue za zhi = Zhonghua liuxingbingxue zazhi DOI:10.3760/cma.j.cn112338-20250621-00419 PMID:41765657	综述	本文回顾了医学人工智能技术的发展历程、国内外发展现状，分析了五大医学应用场景，并探讨了关键挑战与应对策略	从数据、算力、算法三个维度系统分析国内外大模型发展现状，系统梳理五大医学应用场景，全面审视数据质量、模型可解释性与因果性、幻觉控制、公平性、过拟合、安全验证等关键挑战并提出应对策略	作为综述文章，未涉及具体实验验证，缺乏对所述挑战和策略的实证评估	综述医学人工智能技术的发展现状、应用场景、面临的挑战，并提出发展建议	医学人工智能技术及其在医疗领域的应用	机器学习	NA	深度学习、大语言模型	大语言模型	文本	NA	NA	NA	NA	NA
230	2026-10-08	Performance Assessment of a Deep Learning-based Algorithm for Ovarian Cancer Histotyping in an Independent Data Set 2026-02-01, The American journal of surgical pathology DOI:10.1097/PAS.0000000000002481 PMID:41251420	研究论文	本研究评估了基于深度学习的AIDA模型在独立数据集上对卵巢癌组织学亚型分类的性能	开发了基于对抗傅里叶的域适应模型AIDA，以解决机构间切片变异性导致的域偏移问题，并在独立队列中验证其性能	模型在子宫内膜样癌上的准确率较低（62.4%），且常见误分类包括黏液性癌误分为子宫内膜样癌、子宫内膜样癌误分为高级别浆液性癌或低级别浆液性癌	评估AIDA模型在独立队列中分类五种主要卵巢癌亚型的性能，并探讨其临床应用的潜力	在阿姆斯特丹大学医学中心（1985-2022年）接受手术治疗的卵巢癌患者，包括透明细胞癌、子宫内膜样癌、高级别浆液性癌、低级别浆液性癌和黏液性癌	数字病理学	卵巢癌	NA	深度学习	图像	NA	NA	AIDA	平衡准确率	NA
231	2026-10-08	Capuchin Red Kite–optimized Swin Transformer-based Convolutional Block Attention Module for Early Diagnosis and Classification of Pneumonia 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056392646251021111437 PMID:41327768	研究论文	该研究提出了一种结合Capuchin Red Kite优化算法与Swin Transformer的卷积块注意力模块的深度学习模型，用于肺炎、COVID-19和正常病例的胸部X光和CT图像分类	将Capuchin Red Kite优化算法（CRKO）与基于Swin Transformer的卷积块注意力模块（ST-CBAM）相结合，并使用ResNet和Vision Transformer进行混合特征提取，通过自适应门控循环单元（AGRU）进行特征融合	需要在多样化的真实世界数据集上进一步验证模型的泛化能力	开发高效的深度学习模型，实现肺炎、COVID-19和正常病例的准确分类	胸部X光和CT图像	计算机视觉	肺炎	胸部X光和CT图像分析	Swin Transformer, ResNet, Vision Transformer	图像	NA	NA	Swin Transformer, ResNet, Vision Transformer, 卷积块注意力模块（CBAM）, 自适应门控循环单元（AGRU）	准确率, AUC	NA
232	2026-10-08	Data-Driven Toxicity Prediction: Advances in Machine Learning, Deep Learning, and Predictive Tools - A Systematic Review 2026, Current reviews in clinical and experimental pharmacology IF:1.3Q4 DOI:10.2174/0127724328441651260211220550 PMID:41926296	系统综述	本文系统综述了机器学习和深度学习在药物毒性预测中的应用进展，涵盖2015至2025年间的研究，并对预测工具和平台进行了总结	系统性整合了机器学习、深度学习及后深度学习策略在毒性预测中的应用，并综述了多种在线预测平台（如ADMETlab 3.0、admetSAR 3.0、ProTox 3.0）的最新进展	数据集的有限性、数据质量参差不齐以及缺乏机制可解释性	总结机器学习、深度学习及新兴后深度学习策略在药物发现和环境安全领域中毒性预测的应用	药物毒性预测相关的机器学习与深度学习研究文献	机器学习	NA	NA	CNN, 图神经网络	文本	50篇文献	NA	卷积神经网络, 图神经网络	准确率, AUC, F1-score	NA
233	2026-10-08	Research Progress of MRI-based Radiomics in Rectal Cancer 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056450198260207200013 PMID:41716061	综述	本文综述了基于MRI的影像组学在直肠癌中的研究进展，涵盖特征提取方法、机器学习或深度学习算法的应用，以及在肿瘤分期、病理高风险因素监测、遗传标记预测、新辅助治疗反应评估和预后生存分析等方面的最新成果	系统性地对比了现有的特征提取方法，并对当前存在的问题和未来可能的研究方向进行了批判性讨论	未涉及具体实验验证，仅提供文献综述和理论探讨	概述基于MRI的影像组学在直肠癌中的最新研究进展，比较现有特征提取方法，并讨论当前问题与未来发展方向	直肠癌患者及其MRI影像数据	数字病理学	直肠癌	多参数磁共振成像、影像组学	机器学习、深度学习	图像	NA	NA	NA	NA	NA
234	2026-10-08	Machine Learning Application in Enhancing HIV Management and Treatment Outcomes: Revolutionizing HIV Infection 2026, Current HIV research IF:0.8Q4 DOI:10.2174/011570162X434867260224081329 PMID:41936102	综述	本文综述了人工智能、机器学习和深度学习在艾滋病预防、诊断和治疗中的应用前景，重点讨论了早期检测、个性化治疗优化和药物发现	整合了多种机器学习方法（监督、无监督和强化学习）及深度学习框架（卷积和循环神经网络），并探讨了药物基因组学驱动建模、数字孪生技术和AI驱动虚拟筛选平台等新兴创新	NA	探讨AI、ML和DL在HIV/AIDS预防、诊断和治疗中的变革性前景，以促进早期检测、优化个性化治疗策略并加速药物发现或重定位	HIV/AIDS管理及治疗	机器学习	艾滋病	NA	卷积神经网络, 循环神经网络, 强化学习模型	NA	NA	NA	NA	诊断准确率	NA
235	2026-10-08	Sustainable hemocompatibility prediction of electrospun nanomaterials using SEM-driven CNN ensemble learning aligned with ISO 10993 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0359594 PMID:42832535	研究论文	该研究提出了一种基于SEM图像的深度学习框架，利用预训练卷积神经网络（VGG19、ResNet50、InceptionV3）及其集成模型预测电纺纳米纤维的血液相容性，以替代传统的血液学检测方法	首次将SEM图像驱动的CNN集成学习应用于电纺纳米材料血液相容性的可持续预测，结合Albumentations数据增强和多数投票集成策略，并利用LIME和Integrated Gradients等可解释AI技术验证预测依据的生理相关性	摘要中未明确提及研究的局限性	开发一种可持续的、基于SEM图像的深度学习方法，用于预筛选电纺纳米纤维的血液相容性，减少对血液学实验和实验室耗材的依赖，并与ISO 10993标准对齐	电纺纳米复合生物材料的SEM图像	计算机视觉, 数字病理学	NA	扫描电子显微镜（SEM）成像, 深度学习, 可解释AI（LIME, Integrated Gradients）	CNN	图像	NA	NA	VGG19, ResNet50, InceptionV3	精确率, 召回率, F1分数, 准确率	NA
236	2026-10-08	EffAtt-LungNet: An attention-guided EfficientNet framework for three-class lung histopathology classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0359302 PMID:42832554	研究论文	本研究提出了EffAtt-LungNet，一种注意力引导的深度学习框架，用于三分类肺组织病理学分类	将EfficientNetB3骨干网络与卷积块注意力模块（CBAM）相结合，以细化特征并提高对良性肺组织、肺腺癌和肺鳞状细胞癌的区分能力	由于已发布的LC25000图像的增强前源标识符不可用，无法确认最早源图像级别的独立性，因此结果仅代表内部切片级基准性能，需要在独立的、非增强的多中心数据集上进行验证，才能做出任何转化或临床声明	对良性肺组织、肺腺癌和肺鳞状细胞癌进行三分类肺组织病理学分类	肺组织病理学图像	数字病理学	肺癌	组织病理学图像分析	CNN	图像	使用了公开的LC25000肺子集，包含三个类别共15,000张图像，并额外生成10,500张固定变体，构建了25,500张图像的平衡工作语料库，其中训练集15,300张、验证集2,550张、测试集7,650张	NA	EfficientNetB3, CBAM	准确率, 精确率, 召回率, F1分数, AUC	NA
237	2026-10-08	Automated quantification of central corneal epithelial thickness for the diagnosis of limbal stem cell deficiency 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0358258 PMID:42832607	研究论文	本研究开发了一种基于多尺度U-Net的深度学习模型AI-CE，用于自动测量AS-OCT图像中的中央角膜上皮厚度，以诊断角膜缘干细胞缺乏症	提出了基于多尺度U-Net的AI-CE模型，能够准确分割角膜上皮层，克服了现有商业软件在严重病例中不可靠以及标准机器学习方法难以区分角膜上皮与瘢痕组织的局限	样本量相对有限（主要数据集134只眼），且仅基于AS-OCT图像，未涉及其他模态数据	开发深度学习流程，自动测量LSCD患者AS-OCT图像中的中央上皮厚度，以辅助诊断	LSCD患者的AS-OCT图像，包括健康正常眼和不同阶段的LSCD眼	医学图像分析	角膜缘干细胞缺乏症	前段光学相干断层扫描（AS-OCT）	深度学习	图像	主要数据集134只眼（47只健康正常眼，34只Stage 1，34只Stage 2，19只Stage 3），以及一个回顾性验证数据集	NA	多尺度U-Net（MSU-Net）	平均绝对误差（MAE）	NA
238	2026-10-08	SSLVNet: an explainable multi-modal hybrid framework integrating self-supervised learning and vision transformers for multi-label classification of retinal diseases 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1937520 PMID:42834895	研究论文	本文提出了一种可解释的多模态混合框架SSLVNet，集成自监督学习、视觉Transformer和简化病变图，用于视网膜疾病的多标签分类	结合自监督学习编码器、病变注意力、CNN、ViT和简化病变图，并利用Grad-CAM提供视觉解释，实现多模态混合分类	未明确说明	从视网膜眼底图像中分类视网膜疾病，提供可靠且可解释的诊断支持	视网膜眼底图像	计算机视觉	视网膜疾病	自监督学习、视觉Transformer、CNN、病变注意力、简化病变图、Grad-CAM	CNN, ViT, 自监督学习编码器	图像	ODIR-5K数据集，包含多个眼病类别，具体样本数未提供	未说明	CNN, ViT, 自监督学习编码器, 病变注意力, 简化病变图	Exact Accuracy, Hamming accuracy, Macro F1-Score	未说明
239	2026-10-08	Development and external validation of an interpretable deep learning model for early immune-related adverse events in hepatocellular carcinoma 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1886946 PMID:42835027	研究论文	开发并外部验证一个可解释的深度学习模型，用于肝细胞癌患者接受免疫检查点抑制剂治疗前预测早期临床显著免疫相关不良事件	开发了基于治疗前临床和循环免疫变量的可解释深度学习模型TabNet，用于预测肝细胞癌患者早期免疫相关不良事件，并进行了外部验证和特征归因分析	摘要中未明确提及研究局限性	开发和外部验证一个可解释的深度学习模型，用于肝细胞癌患者接受免疫检查点抑制剂治疗前预测早期临床显著免疫相关不良事件	接受免疫检查点抑制剂治疗的肝细胞癌患者，以阿替利珠单抗联合贝伐珠单抗为代表方案	机器学习	肝癌	NA	TabNet、逻辑回归、随机森林、极端梯度提升、支持向量机	临床和循环免疫变量数据	多中心回顾性队列，分为训练队列和独立外部验证队列，具体样本量未在摘要中说明	NA	TabNet、逻辑回归、随机森林、极端梯度提升、支持向量机	区分度、校准度、临床实用性	NA
240	2026-10-08	Explainable AI-based prognostication of patients with resectable colorectal liver metastases using preoperative clinical parameters: is it comparable to traditional clinical scoring systems? 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1890766 PMID:42835046	研究论文	该研究使用350例可切除结直肠癌肝转移患者的术前临床变量，开发并比较了经典机器学习和深度学习生存模型，并与传统临床评分系统进行了对比	首次在仅使用术前临床变量的条件下，系统比较了多种机器学习和深度学习生存模型（CoxPH、RSF、SVM、XGBoost Survival、DeepSurv、DeepHit）对可切除结直肠癌肝转移患者的预后预测能力，并引入SHAP分析进行模型可解释性评估，同时与成熟的Basingstoke预测指数进行对比	模型仅基于术前临床变量，未纳入影像学等其他数据模态；样本量相对有限；深度学习模型未能在测试集和验证集上超越传统CoxPH模型；需要在更大数据集上进一步验证	开发和比较基于术前临床变量的机器学习和深度学习生存模型，用于可切除结直肠癌肝转移患者的预后预测，并评估其与传统临床评分系统的可比性	350例接受首次肝切除术的可切除结直肠癌肝转移患者	机器学习	结直肠癌肝转移	NA	CoxPH, RSF, SVM, XGBoost Survival, DeepSurv, DeepHit	结构化临床数据	350例患者（训练集245例，测试集105例，独立内部验证集88例来自OSLO-COMET试验）	NA	Cox比例风险模型, 随机生存森林, 支持向量机, XGBoost, DeepSurv, DeepHit	一致性指数（C-index）, 积分布里尔分数（IBS）	NA