深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 11996 篇文献，本页显示第 281 - 300 篇。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2026-10-05 |
Dual-stage anatomical perception and reasoning framework for automated cobb angle estimation
2026-Sep, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-026-03659-0
PMID:42629459
|
研究论文 | 提出一种基于关键点检测的双阶段解剖感知与推理框架，用于自动测量Cobb角，以诊断和管理青少年特发性脊柱侧弯 | 结合CNN和Transformer的局部到全局聚合主干网络（LGAB）与语义引导模块（SGM）进行解剖感知；利用解剖推理网络（ARN）建模椎体中心关键点为结构化图，嵌入解剖先验并应用动态关系推理，确保解剖一致性并纠正定位误差 | 论文摘要中未明确提及 | 实现准确、自动化的Cobb角测量，以辅助青少年特发性脊柱侧弯的诊断和管理 | 青少年特发性脊柱侧弯（AIS）患者的脊柱X光图像 | 计算机视觉 | 青少年特发性脊柱侧弯 | 关键点检测 | CNN, Transformer, 图神经网络 | 图像 | 公开AASCE 2019挑战数据集和独立临床数据集，具体样本量未在摘要中说明 | NA | LGAB, SGM, ARN | SMAPE, CMAE, 中心误差 | NA |
| 282 | 2026-10-05 |
KSTITCH links cellular morphology and gene expression in spatial transcriptomics
2026-Aug-26, bioRxiv : the preprint server for biology
DOI:10.64898/2026.06.07.730714
PMID:42327255
|
研究论文 | 本文提出了一种基于Kendall形状流形上切空间主成分分析（TPCA）的可解释细胞边界轮廓表示方法，并开发了KSTITCH工具，用于揭示空间转录组数据中细胞形态与基因表达的协变关系 | 首次将Kendall形状流形上的切空间主成分分析（TPCA）应用于细胞形态的数学表示，能够捕捉与大小无关的轮廓形状特征；开发了KSTITCH方法，可在原位空间测序（ISS）数据中揭示细胞形态与基因表达之间的协变关系 | 摘要中未明确提及研究局限性 | 建立细胞形态的可解释数学表示，并揭示空间转录组数据中细胞形态与基因表达之间的协变关系 | 角质形成细胞、巨噬细胞、内皮细胞、成纤维细胞、黑色素瘤细胞 | 空间转录组学 | 黑色素瘤 | 原位空间测序（ISS）、Xenium、CosMx、RNAi筛选 | NA | 图像、文本 | NA | NA | NA | NA | NA |
| 283 | 2026-10-05 |
Use of Artificial Intelligence for Duodenal Biopsy for Celiac Disease: Developing a Prediction Model for Histopathology Diagnosis
2026-Aug-07, Clinical gastroenterology and hepatology : the official clinical practice journal of the American Gastroenterological Association
IF:11.6Q1
DOI:10.1016/j.cgh.2026.07.021
PMID:42567461
|
研究论文 | 该研究利用深度学习图像分析对十二指肠活检组织进行乳糜泻的准确诊断，并开发了一个五分类预测模型 | 首次将聚类约束注意力多实例学习应用于十二指肠活检全切片图像，实现乳糜泻与正常组织的高精度区分，并能将患者分为五个类别 | 模型在区分乳糜泻与血清阴性绒毛萎缩时的准确率仅为76%，整体五分类准确率为74%，需要进一步优化以提高诊断准确性 | 确定基于深度学习的图像分析能否用于十二指肠活检以准确诊断乳糜泻 | 2008年至2021年间接受十二指肠活检和tTG-IgA抗体检测的成年患者（≥18岁），排除遵循无麸质饮食者，共纳入超过2100名患者的2406张全切片图像 | 数字病理学 | 乳糜泻 | 全切片图像获取、组织病理学诊断、tTG-IgA抗体检测 | 聚类约束注意力多实例学习 | 图像 | 2406张全切片图像来自超过2100名患者，包括1290例正常、414例乳糜泻、450例仅上皮内淋巴细胞增多、89例上皮内淋巴细胞增多伴tTG-IgA阳性、163例血清阴性绒毛萎缩 | NA | 聚类约束注意力多实例学习 | AUC、准确率 | NA |
| 284 | 2026-10-05 |
Industrial LiFePO₄ battery management system dataset for early degradation analysis and remaining useful life prediction
2026-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2026.113252
PMID:42828247
|
数据论文 | 本文介绍了一个工业级磷酸铁锂电池组数据集，包含3000个充放电循环记录，用于电池早期退化分析和剩余使用寿命预测 | 提供了一个结合容量退化轨迹、电池组级运行变量和八个单体电压的工业级磷酸铁锂电池数据集，采用确定性退化轨迹校准与制造商老化测试终点对齐，并公开了完整的数据生成方程 | 数据集不是原始连续BMS日志，也不是直接从物理测试台采样获得，电池组级运行变量和单体电压为结构化模拟值 | 为电池退化分析、健康状态估计、剩余使用寿命预测、单体电压不平衡评估、特征分析以及机器学习和深度学习模型的开发与评估提供可复用的数据集 | 工业级磷酸铁锂电池组，标称电压25.6V，额定容量40Ah | 机器学习 | NA | NA | NA | 表格数据（CSV格式） | 3000个连续充放电循环记录，每个记录包含17个变量 | NA | NA | NA | NA |
| 285 | 2026-10-05 |
Epigenetic editing approaches maturity: AI-driven precision design, delivery innovation, and the road to clinical translation
2026-Jul-09, Clinical epigenetics
IF:4.8Q1
DOI:10.1186/s13148-026-02194-x
PMID:42421085
|
综述 | 本文综述了表观遗传编辑技术在2024-2025年达到的关键转折点，涵盖AI驱动的精准设计、递送创新及临床转化进展，并评估了其技术成熟度、AI贡献和未解决的挑战 | 提出了三个可量化的技术成熟标准（机制持久性、递送能力、临床验证），并对AI在表观遗传编辑中的贡献进行了分层评估，包括深度学习加速LNP配方筛选和AAV衣壳预测、AlphaFold3优化蛋白-DNA相互作用验证以及2025年从头设计小于65个氨基酸的DNA结合蛋白 | 非分裂细胞中的长期稳定性未知，临床实践中缺乏监测系统和干预方案来实现可逆性，存在制造准入障碍，长期人体验证仍是核心未解问题 | 全面分析表观遗传编辑的技术成熟度，评估AI的实际和预期贡献，批判性评估新兴临床格局，并识别决定性的未解决挑战 | 表观遗传编辑技术、AI驱动的精准设计工具、递送平台（LNP和AAV）、临床试验（OTX-2002、TUNE-401、EPI-321） | 机器学习 | 肺癌 | 表观遗传编辑，DNA甲基化修饰，染色质靶向修饰，脂质纳米颗粒递送，AAV递送 | 深度学习，AlphaFold3 | 文本 | NA | NA | NA | 沉默维持≥450次细胞分裂（体外）和≥12个月（体内），组织选择性转导效率>50%（肝、肌肉、全脑） | NA |
| 286 | 2026-10-05 |
Intensity-modulated radiotherapy alone versus concurrent chemoradiotherapy ± induction chemotherapy in older patients with low-risk stage II or T3N0M0 nasopharyngeal carcinoma
2026-Jul-04, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-026-16457-6
PMID:42401810
|
研究论文 | 这项多中心回顾性研究比较了单纯调强放疗与同步放化疗联合或不联合诱导化疗在低危II期或T3N0M0鼻咽癌老年患者中的长期疗效和毒性，并探索了肿瘤微环境特征 | 首次在低危II期或T3N0M0鼻咽癌老年患者中系统比较单纯IMRT与CCRT±IC的长期疗效和毒性，并利用深度学习Hover-Net模型分析肿瘤微环境中免疫细胞浸润，为单纯IMRT作为毒性降级策略提供了生物学依据 | 作为回顾性研究，可能存在选择偏倚；尽管使用了倾向性评分匹配，仍无法完全消除混杂因素；Hover-Net分析仅在部分患者的组织切片上进行，样本量有限；未进行前瞻性随机对照验证 | 比较单纯调强放疗与同步放化疗联合或不联合诱导化疗在低危II期或T3N0M0鼻咽癌老年患者中的长期生存结局和毒性，并探索肿瘤微环境差异 | 1265名年龄≥60岁的低危II期或T3N0M0鼻咽癌老年患者，来自三个中心，纳入时间为2010年至2022年 | 数字病理学 | 鼻咽癌 | 调强放疗、同步放化疗、诱导化疗、苏木精-伊红染色、EBV DNA检测 | CNN | 图像、文本 | 1265名老年鼻咽癌患者，其中部分患者的HE染色切片用于深度学习分析 | NA | Hover-Net | 癌症特异性生存率、无进展生存率、无局部区域复发生存率、无远处转移生存率、风险比、P值、急性3/4级毒性 | NA |
| 287 | 2026-10-05 |
Automated Identification of Surgical Site Infections From Electronic Medical Records: Retrospective Observational Predictive Modeling Study
2026-06-26, JMIR perioperative medicine
DOI:10.2196/87896
PMID:42361314
|
研究论文 | 本研究利用电子健康记录中的多模态数据，通过机器学习和深度学习方法自动化识别手术部位感染 | 结合大型语言模型进行文本摘要与深度学习方法处理临床文本和时间数据，采用多模态电子健康记录信息（包括临床文本的上下文信息和实验室值的时间信息）进行手术部位感染预测 | 未明确提及 | 评估使用新型自然语言处理方法和深度学习构建的自动化手术部位感染监测系统是否能优于先前方法，以及能否实现更高效的感染监测 | 手术病例 | 自然语言处理 | 手术部位感染 | 电子健康记录数据挖掘 | 深度学习 | 文本, 结构化数据 | 5996个手术病例 | NA | 大型语言模型 | F1-score, 精确率, 召回率, 精确率-召回率曲线下面积, 召回率0.9时的精确率 | NA |
| 288 | 2026-10-05 |
Deep learning analysis of breast cancer histology predicts ATM pathogenic variant carrier status
2026-Jun-15, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02895-w
PMID:42298170
|
研究论文 | 本文利用深度学习分析乳腺癌组织病理全切片图像，预测ATM致病或可能致病变异携带状态，并识别其特异性组织学模式 | 首次通过深度学习分析乳腺癌全切片图像预测ATM致病或可能致病变异携带状态，并发现ATM变异携带者肿瘤常表现为浸润性小叶癌样失黏附细胞和密集淋巴细胞浸润 | 发现集和复制集样本量较小，复制集中平衡准确率仅为0.67，需要更大规模的验证研究 | 利用深度学习分析乳腺癌组织病理图像预测ATM致病或可能致病变异携带状态，并识别特定组织学模式 | 乳腺癌女性患者的肿瘤组织病理全切片图像 | 数字病理学 | 乳腺癌 | 全切片图像分析（WSI） | 深度学习 | 图像 | 发现集：58张携带者WSI和129张非携带者WSI；复制集：29张携带者WSI和22张非携带者WSI | NA | NA | AUC, 平衡准确率 | NA |
| 289 | 2026-10-05 |
Bone morphology as a significant risk factor for anterior cruciate ligament injury
2026-Jun-15, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02903-z
PMID:42298177
|
研究论文 | 该研究利用多中心MRI数据集开发了一个深度学习模型ACL-P，基于3D骨形态点云分类前交叉韧带（ACL）损伤，并验证了骨形态与ACL损伤易感性之间的关联 | 首次利用3D骨形态点云通过深度学习模型量化骨形态与ACL损伤易感性之间的关联，并在外部平民和职业运动员测试集上验证了模型的稳健性 | 摘要中未明确提及研究局限性 | 探究3D骨形态与ACL损伤易感性之间的关联 | ACL损伤患者和正常对照的膝关节MRI数据 | 计算机视觉 | 前交叉韧带损伤 | 3D骨形态点云分析 | 深度学习 | 3D点云 | 训练集5000例MRI，外部平民测试集7797例，职业运动员测试集269例 | NA | NA | AUC | NA |
| 290 | 2026-10-05 |
DeepRank-Ab: a scoring function for antibody-antigen complexes based on geometric deep learning
2026-06-02, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-026-10408-4
PMID:42230751
|
研究论文 | 本文提出了一种基于几何深度学习的抗体-抗原复合物评分函数DeepRank-Ab，并构建了大规模基准数据集，系统评估了图表示、特征和采样策略，显著提升了近天然构象的识别能力 | 针对抗体-抗原界面定制的几何深度学习评分函数，结合原子级表示、Voronoi表面分解和抗体特异性特征，并提供了包含约230万个诱饵结构的大规模精选基准数据集 | 未明确提及 | 准确建模和评分抗体-抗原复合物结构，以理解免疫识别并助力治疗设计 | 抗体-抗原复合物 | 机器学习 | NA | NA | 几何深度学习 | 结构数据 | 1,442个复合物，约230万个诱饵结构 | NA | NA | Top1成功率, Top1 DockQ, Top5成功率 | NA |
| 291 | 2026-10-05 |
Hepatic and abdominal adiposity in type 2 diabetes as assessed with machine learning on computed tomography scans
2026-05, Diabetes, obesity & metabolism
DOI:10.1111/dom.70557
PMID:41705581
|
研究论文 | 该研究利用深度学习算法在腹部CT扫描上量化肝脏和腹部肥胖的表型，并分析其与2型糖尿病的关联 | 在大规模、种族多样化的医学生物库中，结合多种腹部影像特征（如脾肝衰减差、肝脾体积、内脏和皮下脂肪组织、内脏与皮下脂肪比）评估其与2型糖尿病的关系，并发现内脏与皮下脂肪比可作为传统肥胖指标的替代 | 研究为横断面设计，无法确定因果关系；样本主要来自单一医疗中心，可能限制普遍性；未详细说明深度学习算法的具体架构和验证过程 | 探讨腹部CT影像特征与2型糖尿病之间的关联，并评估这些特征在糖尿病风险评估中的潜在价值 | 接受腹部CT扫描的患者，包括950名非糖尿病患者和644名糖尿病患者 | 医学影像分析 | 2型糖尿病 | 计算机断层扫描（CT） | 深度学习 | 图像 | 1594名患者（平均年龄62岁，49.4%男性，59.3%白人） | NA | NA | 比值比（OR）、95%置信区间、p值 | NA |
| 292 | 2026-10-05 |
Autonomous skeletal landmark localization toward agentic C-arm control
2026-May, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-026-03632-0
PMID:42008049
|
研究论文 | 该研究探索了微调多模态大语言模型（MLLMs）用于C臂自主控制中的骨骼标志点定位，并与传统深度学习方法进行了对比 | 首次将多模态大语言模型应用于骨骼标志点定位，并提出基于MLLMs的智能体化C臂控制框架，能够融入临床医生反馈并利用推理能力进行调整 | 使用了合成X射线数据集，真实数据集规模有限；未在实际临床环境中验证智能体化C臂控制框架的完整流程 | 研究微调MLLMs在自主骨骼标志点定位中的可行性，以推动智能体化自主C臂控制的发展 | X射线图像中的骨骼标志点 | 计算机视觉, 数字病理学 | NA | 多模态大语言模型微调, X射线成像 | 多模态大语言模型（MLLM） | 图像 | 一个标注的合成X射线数据集和一个真实X射线数据集，每张X射线图像配有若干骨骼标志点 | NA | 多模态大语言模型（MLLM） | 定位准确率 | NA |
| 293 | 2026-10-05 |
Sex-Based Differences in Imaging-Derived Body Composition and Their Association with Clinical Malnutrition in Abdominal Surgery Patients
2026-Mar-05, Nutrients
IF:4.8Q1
DOI:10.3390/nu18050839
PMID:41830009
|
研究论文 | 本研究评估了腹部手术患者术前影像衍生的身体成分特征与营养不良之间的性别特异性关联 | 使用深度学习算法从CT扫描中量化五个肌肉群和两个脂肪库，并分别评估男性和女性中身体成分与临床营养不良的关联 | 横断面研究设计，样本来自单一机构，无法确定因果关系 | 评估术前影像衍生的身体成分特征与腹部手术患者营养不良之间的性别特异性关联 | 接受择期腹部手术的患者 | 数字病理学 | 营养不良 | 深度学习算法 | CNN | 图像 | 1143名患者 | NA | NA | NA | NA |
| 294 | 2026-10-05 |
Computational redesign of a thermostable T7 RNA polymerase
2026-Jan-09, Protein engineering, design & selection : PEDS
DOI:10.1093/protein/gzag008
PMID:41804789
|
研究论文 | 该研究通过基于结构的计算设计，结合已知稳定变异的突变和PROSS预测的新突变，开发了一种高热稳定性的T7 RNA聚合酶变体T7T+ | 通过整合先前稳定变体（M5、M8、V7abcd）的突变与PROSS预测的新突变，并利用数据驱动的启发式方法过滤，成功设计出T7T+，其功能稳定性（T50）达到54.9°C，比已公开的最稳定开源变体高2.4°C | T7T+在37°C下仅保留野生型活性的59%，且未与商业专有序列变体进行直接比较；研究未涉及深度学习计算方法 | 利用计算设计方法提高T7 RNA聚合酶的热稳定性，同时保持其功能活性 | T7 RNA聚合酶（T7 RNAP）及其工程化变体 | 计算蛋白质设计 | NA | 基于结构的计算设计、PROSS算法、定点突变 | NA | 蛋白质序列和结构数据、实验测量数据 | 18个测试的蛋白质设计变体 | NA | NA | 功能稳定性（T50）、表观熔解温度（Tm）、相对活性（%野生型） | NA |
| 295 | 2026-10-05 |
Automated assessment of breast arterial calcification: a new frontier in cardiovascular risk prediction
2026, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2026.1860391
PMID:42827608
|
综述 | 本文综述了乳腺动脉钙化（BAC）作为心血管风险预测新前沿的相关证据，重点讨论了其与冠状动脉疾病（CAD）的关联、潜在机制、人工智能评估方法及未来研究方向 | 提出将乳腺动脉钙化（BAC）作为高血压女性心血管风险预测的新型标志物，并强调深度学习人工智能算法在BAC自动评估中的应用潜力，为无创、低成本、广泛可及的心血管筛查提供新思路 | 目前AI算法尚未在不同设备和人群中进行广泛验证，BAC与血压变异性、微炎症及心肌灌注的关系尚不明确，针对中膜钙化的干预措施仍需进一步评估 | 探讨乳腺动脉钙化（BAC）与冠状动脉疾病（CAD）的关联，评估人工智能自动评估BAC在心血管风险预测中的价值，并指出未来研究方向 | 乳腺动脉钙化（BAC）、高血压女性、冠状动脉疾病（CAD）患者 | 数字病理学 | 心血管疾病 | 乳腺X线摄影（mammography）、深度学习 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 296 | 2026-10-05 |
Artificial intelligence for sleep-disordered breathing: a taxonomy of methods, data modalities, and clinical applications
2026, Frontiers in sleep
DOI:10.3389/frsle.2026.1927453
PMID:42827656
|
综述 | 本文综述了人工智能在睡眠呼吸障碍（SDB）诊疗中的应用进展，涵盖方法分类、数据模态及临床应用 | 系统性地提出了睡眠呼吸障碍人工智能方法的分类体系，整合了多模态数据分析、大语言模型及可解释AI等新兴技术 | 数据异质性、外部验证不足、可解释性、隐私、公平性、可重复性、监管及真实世界整合等挑战 | 为研究者和临床医生提供循证框架，以理解当前AI应用并确定SDB精准诊断和管理的未来方向 | 睡眠呼吸障碍（SDB），特别是阻塞性睡眠呼吸暂停（OSA） | 机器学习 | 睡眠呼吸障碍 | 数据挖掘、机器学习、深度学习、可穿戴传感、移动健康、多模态分析、大语言模型 | NA | 多模态数据（包括多导睡眠图、家庭睡眠呼吸暂停测试、音频、生理信号、影像等） | NA | NA | NA | NA | NA |
| 297 | 2026-10-05 |
ARGUE-TIRA: attention-based trait interaction reasoning for holistic and analytic automated essay scoring
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1895359
PMID:42827810
|
研究论文 | 提出ARGUE-TIRA多任务框架，联合进行整体和分项自动作文评分，通过注意力机制建模评分维度间的依赖关系。 | 首次显式建模评分维度间依赖关系的Trait Interaction Reasoning Attention（TIRA）机制，用于多任务作文评分，提升评分一致性和可解释性。 | 未明确说明，可能包括实验数据集有限、模型泛化能力未充分验证等。 | 提升自动作文评分的多维分析评分准确性，并增强评分过程的解释性。 | 英文作文（来自ASAP和ASAP++数据集） | 自然语言处理 | NA | 深度学习，Transformer，注意力机制 | Transformer | 文本 | ASAP和ASAP++数据集（具体样本数未提及） | NA | Transformer（基于自注意力机制） | QWK（二次加权Kappa） | NA |
| 298 | 2026-10-05 |
Noninvasive immune-inflammatory profiling by ultrasound radiomics for preoperative prediction of central lymph node metastasis in papillary thyroid carcinoma
2026, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2026.1912827
PMID:42827816
|
研究论文 | 该研究整合BRAF V600E突变状态、外周血免疫炎症指标与超声影像组学深度学习评分构建三尺度LightGBM模型，用于术前预测临床淋巴结阴性甲状腺乳头状癌的中央区淋巴结转移 | 首次将分子、全身免疫与局部影像三尺度无创免疫信号进行跨尺度关联分析并整合建模，揭示了BRAF分层下影像-免疫耦合强度的差异，并在TCGA甲状腺癌免疫浸润分析中验证方向一致性 | 回顾性单中心设计，跨尺度关联仅停留在统计学相关层面，潜在的生物学机制仍需纳入直接组织水平免疫谱分析的前瞻性研究加以确认 | 通过无创免疫炎症谱分析实现临床淋巴结阴性甲状腺乳头状癌中央区淋巴结转移的术前预测，并探索分子、免疫与影像信号间的跨尺度关联 | 临床淋巴结阴性（cN0）甲状腺乳头状癌患者 | 数字病理学, 医学影像组学 | 甲状腺癌 | 超声影像组学, BRAF V600E突变检测, 外周血免疫炎症指标检测, TCGA免疫解卷积分析 | LightGBM, 深度学习 | 超声影像, 基因组数据, 血液检验数据 | 1,000例cN0甲状腺乳头状癌患者回顾性队列 | NA | LightGBM, 深度学习影像组学评分模型 | AUC, DeLong检验, Spearman相关系数, Fisher z转换检验, Bonferroni校正, 校准度, 决策曲线分析净获益 | NA |
| 299 | 2026-10-05 |
Mechanism-aware and safety-validated AI for drug repurposing: a critical review and translational pharmacology framework
2026, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2026.1915973
PMID:42828068
|
综述 | 本文对人工智能辅助药物重定位的现有方法进行了批判性综述，识别其机制、安全性和转化障碍，并提出一个机制驱动且经安全性验证的转化药理学框架 | 将现有AI药物重定位研究中的机制验证不足、因果证据薄弱、剂量与安全性评估不完整、药物警戒整合欠缺及过度依赖内部验证等证据缺口，整合为一个包含候选预测、机制映射、因果合理性判定、安全性与毒性评估、药物警戒、真实世界验证、专家药理学审查和循证候选优先排序的序列化转化药理学框架 | 本文为批判性综述而非原始实验研究，未提供新的实验数据或临床验证结果；所提出的框架仍需未来研究进行实证检验和临床验证 | 总结现有AI药物重定位方法，识别其机制、安全性和转化障碍，并构建机制驱动且经安全性验证的转化药理学模型 | AI辅助药物重定位的相关文献、方法（机器学习、深度学习、网络医学、知识图谱、图神经网络、基础模型）及候选药物 | 机器学习 | NA | 机器学习、深度学习、网络医学、知识图谱、图神经网络、基础模型 | 机器学习、深度学习、图神经网络、基础模型 | 文本 | NA | NA | NA | NA | NA |
| 300 | 2026-10-05 |
Deep learning-based radiomics and pathomics for decoding tumor microenvironment and predicting immunotherapy outcomes in gastric cancer
2026, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2026.1970256
PMID:42828177
|
综述 | 本文综述了基于深度学习的影像组学、病理组学和多模态框架在解码胃癌免疫微环境和预测免疫治疗结局方面的最新进展 | 系统整合了深度学习驱动的影像组学、病理组学及多模态框架，用于在宏观和微观尺度上刻画肿瘤微环境，并将多模态影像特征与免疫相关生物学过程相关联，以弥补单一模态仅能提供部分视角的不足 | 数据可得性有限、机构间变异性、外部验证不足、可解释性差以及临床实施存在障碍 | 总结基于深度学习的影像组学、病理组学和多模态框架在解码免疫微环境及预测胃癌免疫治疗结局中的应用，并探讨其补充现有生物标志物、支持个体化治疗决策的潜力 | 胃癌及其肿瘤微环境（特别是免疫细胞组成和空间组织） | 数字病理学 | 胃癌 | 深度学习影像组学、深度学习病理组学、多模态影像融合 | 深度学习模型、多模态模型 | 图像 | NA | NA | NA | NA | NA |