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
321	2026-10-04	Deep Learning-Based Noncontrast CT Imaging Markers Enhance Posttransfer DWI Core Volume Prediction 2026-Oct-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9311 PMID:41916751	研究论文	本文探讨了基于深度学习的非增强CT（DLNCCT）成像标志物在预测急性缺血性卒中患者转运后DWI核心体积中的价值	首次验证了DLNCCT提取的总病灶体积和严重低密度体积可作为转运后核心体积的独立预测因子，并能提升基于CTP的预测性能	本文为事后分析，样本来自单一转运流程，未进行外部验证，且mNWU未显示预测价值	探究DLNCCT成像标志物能否预测从初级卒中中心转运至综合卒中中心患者的转运后DWI核心体积	前瞻性纳入的从初级卒中中心转运至综合卒中中心接受血管内治疗的急性缺血性卒中患者	医学影像分析、数字病理学	急性缺血性卒中	深度学习基于非增强CT（DLNCCT）分割、CT灌注成像（CTP）、DWI	CNN	医学影像（NCCT、CTA、CTP、DWI）	420例患者（239例男性，57%），中位年龄72岁	NA	NA	调整回归系数（95% CI）、R² ± SE、P值	NA
322	2026-10-04	The deep learning radiomics nomogram for risk stratification in multiple myeloma using automatic whole-body [18F]FDG PET/CT segmentation approach 2026-Oct, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-026-08095-8 PMID:42503527	研究论文	该研究开发了一种基于深度学习的自动全身[18F]FDG PET/CT分割方法，用于多发性骨髓瘤的风险分层	结合nnU-Net自动分割和深度学习影像组学特征，构建了DLRN列线图，用于MM的风险分层	回顾性研究设计，样本量相对有限，需要前瞻性验证	开发自动分割和准确风险分层方法，用于多发性骨髓瘤	多发性骨髓瘤患者	数字病理学	多发性骨髓瘤	18F-FDG PET/CT	CNN	图像	345名患者	PyRadiomics	nnU-Net, STU-Net	DSC, AUC, 校准曲线, ROC曲线, Kaplan-Meier曲线, 决策曲线分析	NA
323	2026-10-04	Deep learning-based dose prediction for stereotactic prostate cancer radiotherapy with CyberKnife 2026-Oct, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70784 PMID:42816139	研究论文	该研究开发了一种基于深度学习的框架，用于预测立体定向前列腺癌放射治疗（CyberKnife）的剂量分布	将深度学习（U-Net）应用于机器人立体定向放射治疗（CyberKnife）的剂量预测，填补了高精度立体定向放疗剂量预测研究不足的空白	未明确说明模型的泛化能力、外部验证情况以及在不同准直器或治疗计划系统上的适用性	扩展先前研究，开发基于深度学习的框架，预测机器人立体定向前列腺癌放射治疗的剂量分布	接受CyberKnife立体定向放射治疗的前列腺癌患者	医学图像分析	前列腺癌	CT成像、放射治疗计划	CNN	图像	462例接受CyberKnife治疗的患者（训练集323例，验证集46例，测试集93例）	NA	U-Net	平均绝对误差	NA
324	2026-10-04	Diagnostic accuracy of a DenseNet-121 deep learning algorithm for chest radiograph triage in health assessment applicants: a prospective shadow-mode validation study in Nepal 2026-Oct-01, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2026-124868 PMID:42823116	研究论文	本文前瞻性验证了DenseNet-121深度学习算法在尼泊尔健康评估申请者胸片分诊中的诊断准确性	首次在尼泊尔健康评估人群中前瞻性验证公开可用的DenseNet-121算法用于胸片分诊，并量化了中低收入国家分布偏移导致的评分压缩和校准失败现象	参考标准阳性样本量较小（n=41），未进行独立外部验证，算法校准失败（评分压缩），单中心研究	评估DenseNet-121卷积神经网络对尼泊尔健康评估申请者胸片进行分诊的诊断准确性	826名连续的健康评估申请者（外国就业出行前体检和留学移民）的胸片	计算机视觉	肺部疾病	胸部X线摄影	CNN	图像	826张胸片（824张纳入分析，2例因DICOM技术故障排除）	PyTorch	DenseNet-121	灵敏度, 特异度, AUC, 阴性预测值, 阳性预测值, Cohen's κ, Brier评分, 预期校准误差	NA
325	2026-10-04	Deep Learning Assessment of Intraretinal Microvascular Abnormalities in Diabetic Retinopathy on Swept-Source OCT Angiography 2026-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101356 PMID:42824207	研究论文	开发并评估一种深度学习算法，用于在扫频源OCT血管成像上自动分割和量化视网膜内微血管异常，并探索其作为糖尿病视网膜病变严重程度分层生物标志物的价值	提出了一种上下文增强U-Net（CE-U-Net），整合了非灌注区域先验和基于注意力的特征重校准，能够在多种视野（包括超广角）的SS-OCTA图像上自动分割IRMA，并首次系统评估了OCTA可检测的隐匿性IRMA作为DR严重程度分层生物标志物的潜力	样本量相对有限（254只眼），IRMA分割的F1分数中等（0.61-0.71），且研究为横断面设计，无法评估IRMA负担与DR进展的纵向关系	开发和评估深度学习算法在SS-OCTA上自动分割和量化IRMA，并探索IRMA负担作为DR严重程度分层和视网膜非灌注相关性的OCTA生物标志物	181名不同分期糖尿病视网膜病变患者的254只眼，包括非增殖性DR（NPDR）和增殖性DR（PDR）	数字病理学	糖尿病视网膜病变	扫频源OCT血管成像（SS-OCTA）	CNN	图像	254只眼（来自181名患者），包括NPDR（60.2%）和PDR（39.8%）	NA	U-Net	F1分数，组内相关系数（ICC），Bland-Altman分析	NA
326	2026-10-04	From Patient Selection to Surveillance: Artificial Intelligence Applications in Radioiodine Therapy - A Systematic Review 2026-Oct, Nuclear medicine and molecular imaging IF:1.3Q3 DOI:10.1007/s13139-026-01049-w PMID:42824258	系统综述	本文系统综述了人工智能在放射性碘治疗路径中的应用，涵盖患者选择、给药活动规划、影像评估和随访等环节，并评估了限制临床实施的障碍。	首次系统性地总结了人工智能在放射性碘治疗全流程中的应用，包括治疗前决策支持、碘亲和性疾病的检测与表征、剂量学和活动优化、辐射安全评估、治疗反应预测、左甲状腺素剂量估算以及复发风险分层等多个方面。	现有证据以回顾性、单中心研究为主，主要集中于分化型甲状腺癌，缺乏外部验证，方法学异质性大，临床实用性证据不足，限制了常规临床采用。	总结人工智能在放射性碘治疗路径中的当前应用，并评估限制其临床实施的障碍。	接受放射性碘治疗的分化型甲状腺癌或良性甲状腺疾病的人类患者。	医学人工智能	甲状腺癌	人工智能、深度学习、机器学习	NA	NA	24项符合纳入标准的研究（来自775条识别记录）	NA	NA	NA	NA
327	2026-10-04	Multi-Objective-Conditioned-Return-Blocks Decision Transformer: A Novel Approach for Multi-Objective De Novo Drug Design 2026-Oct-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag731 PMID:42826505	研究论文	提出一种基于条件返回块的多目标决策Transformer架构，用于多目标从头药物设计，无需探索或奖励加权即可高效优化多个目标	引入目标嵌入条件下的返回块决策Transformer，无需探索、奖励加权或在线微调即可训练，在多目标优化中保持结构多样性和新颖性	摘要中未明确提及	解决多目标从头药物设计中多个常冲突性质的同步优化难题	多目标从头药物设计中的分子生成，涉及生物靶点DRD2和JNK3	机器学习	NA	深度学习	Decision Transformer	NA	NA	NA	Decision Transformer	多目标成功率，结构多样性，新颖性	NA
328	2026-10-04	Information Leakage in Enzyme Substrate Prediction 2026-Oct-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag733 PMID:42826513	研究论文	本文批判性地检验了一个流行的酶-底物预测数据集及四个模型，发现相似性导致的信息泄漏会虚高模型性能	首次系统揭示酶-底物预测中相似性导致的信息泄漏问题，并通过控制不同泄漏源证明模型在配体化学空间上的泛化能力远差于酶序列空间	仅检验了一个数据集和四个模型，未提出解决信息泄漏的新方法	检验酶-小分子相互作用预测模型是否存在相似性导致的信息泄漏并评估其真实泛化能力	一个流行的酶-底物预测数据集及四个基于该数据集训练的深度学习模型	机器学习	NA	NA	深度学习	酶序列与小分子结构数据	一个数据集和四个模型	NA	NA	预测性能统计基线对比	NA
329	2026-10-04	A transfer learning-based hybrid deep- and machine-learning regression approach for predicting the postoperative pulmonary function 2026-Sep-30, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00821-z PMID:42814229	研究论文	本研究开发了一种基于迁移学习的混合深度学习和机器学习回归方法，利用术前CT图像预测肺结节患者术后肺功能	采用预训练的I3D模型进行微调迁移学习提取深度学习特征，结合弹性网络回归构建混合模型，并比较了临床特征、放射组学、端到端I3D迁移学习和从头训练的3D ResNet18模型	回顾性研究，样本量相对较小（136例），需要进一步外部验证	准确预测术后肺功能，以辅助肺结节患者的手术决策	接受术前胸部CT和术后肺功能检查的136例患者	医学影像分析	肺癌	CT影像	迁移学习	图像	136例患者的术前胸部CT和术后肺功能检查数据	NA	I3D, 3D ResNet18	一致性相关系数, 皮尔逊相关系数, R平方	NA
330	2026-10-04	From imaging enhancement to surgical autonomy: the evolutionary role of nanotechnology in AI-driven robotic surgery 2026-Sep-30, Discover nano DOI:10.1186/s11671-026-04951-6 PMID:42814225	综述	该综述评估了纳米技术赋能成像、柔性局部传感以及微纳米机器人干预如何在机器人辅助手术中扩展信号采集与局部操作，并沿信息流框架组织相关证据	提出了一个贯穿信号采集、计算解释、任务相关状态估计、决策变量或控制输入转换以及反馈引导机器人动作的信息流框架，用于系统评估纳米技术在AI驱动机器人手术中的作用，并明确指出从局部感知到临床相关手术自主性之间缺失的关键环节	最强的证据仅集中在局部信号采集和监督干预层面，生化、光谱、触觉和生理状态通常仅用于显示、离线分析或人类面向反馈，很少能在线修改手术控制器，闭环导航和受限自主仅代表部分控制能力，缺乏任务相关组织状态的稳健验证、不确定性感知的控制输入转换以及真实手术流程中的安全操作证据	评估纳米赋能成像、柔性和局部传感以及微纳米机器人干预如何扩展机器人辅助手术中的信号采集和局部化操作，并分析从成像增强到手术自主性的演进路径	机器人辅助微创手术中的纳米技术应用，包括纳米赋能成像、柔性局部传感、微纳米机器人干预、计算解释方法以及反馈控制机制	机器人手术，纳米医学，人工智能	NA	纳米赋能成像，柔性传感，微纳米机器人干预，信号处理，计算建模，机器学习，深度学习，人工智能	NA	NA	NA	NA	NA	NA	NA
331	2026-10-04	A genus-labeled dataset of individual trees outside forests in Baden-Württemberg, Germany 2026-Sep-30, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-08400-y PMID:42816537	研究论文	本文利用深度学习和高分辨率多光谱航空影像，生成了德国巴登-符腾堡州森林外单株树木的州级数据集，包含树木位置、树冠几何、高度和属级标签	首次提供德国巴登-符腾堡州全州范围的森林外单株树木数据集，包含属级分类标签，并提出了可扩展的树木清单构建蓝图	分类准确性有限（mAP@0.5仅为0.382，宏平均F1为0.627），部分树木只能分配到聚合类别（其他阔叶树和针叶树）	创建包含分类信息的森林外单株树木州级清单，支持林业、生物多样性评估和气候适应研究	德国巴登-符腾堡州非森林区域内的单株树木	计算机视觉	NA	深度学习、高分辨率多光谱航空影像、陆地激光雷达	CNN	图像	1630万棵预测树木（全州非森林区域）	NA	NA	mAP@0.5，宏平均F1分数	NA
332	2026-10-04	Unsupervised deep learning for inverse problems in computed tomography 2026-Sep-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02794-2 PMID:42816833	研究论文	本文提出一种无监督深度学习框架，用于计算机断层扫描（CT）中的逆问题，通过结合迭代重建、深度图像先验（DIP）和展开优化方案，实现无需真实图像数据的CT重建	提出一种用于摊销重建的训练框架，在无图像域真实数据的情况下训练后，对未见扫描的重建仅需单次网络前向传播，取代了昂贵的逐实例优化，速度提升约四个数量级	未来工作将解决多数据集适应性、过度平滑的应对措施、高级不确定性量化以及其他医学成像逆问题	解决在大量数据上求解逆问题但无真实数据可用的场景，具体以CT成像问题为案例，实现无监督的深度学习重建	计算机断层扫描（CT）的测量数据与重建图像	计算机视觉	NA	计算机断层扫描（CT）	CNN	图像	使用2DeteCT数据集，具体样本数量未提及	NA	NA	重建质量（与滤波反投影、最大似然重建和监督网络比较），加速比	NA
333	2026-10-04	The benefits and biases of artificial intelligence in microbiology 2026-Sep-30, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109457 PMID:42826571	综述	本文综述了人工智能在微生物学领域的应用，涵盖微生物分类、分离、检测、微生物组研究、抗菌素耐药性预测、诊断工具、药物疫苗开发等多个方面，并讨论了AI的偏见、可解释性等挑战及缓解策略	与以往仅关注单一微生物学领域（如医学微生物学）的综述不同，本文全面分析了AI在普通微生物学、工业微生物学、医学微生物学和环境微生物学中的应用，并系统阐述了缓解AI偏见的策略，如包容性数据集设计、算法警惕、TEHAI评估框架、联邦学习和可解释人工智能（XAI）等	AI模型缺乏透明度导致结果难以解释；存在过拟合和泛化能力有限的问题；在微生物组研究和临床应用中面临数据隐私等伦理和法律问题	全面分析和综述人工智能在普通、工业、医学和环境微生物学中的应用，并探讨如何通过缓解策略解决AI使用中的偏见和可解释性降低等风险	人工智能在微生物学中的应用，包括微生物分类、分离、检测、微生物组研究、抗菌素耐药性预测、诊断工具、药物和疫苗开发等	机器学习	NA	NA	深度学习	基因组序列, 生化谱, 图像, 文本	NA	NA	NA	NA	NA
334	2026-10-04	Echoes before collapse: Deep learning detection of flickering in complex systems 2026-Sep-29, Journal of theoretical biology IF:1.9Q3 DOI:10.1016/j.jtbi.2026.112599 PMID:42805584	研究论文	本文提出使用卷积长短期记忆网络（CNN-LSTM）模型，在合成时间序列上训练，以检测复杂系统中的闪烁现象（噪声驱动的稳定态切换），并成功泛化到多种随机系统和实际数据集	首次将深度学习应用于复杂系统中闪烁现象的检测，证明在简单多项式函数生成的合成时间序列上训练的CNN-LSTM模型能够泛化到多种随机系统，并在实际数据（睡鼠体温记录和非洲湿润期古气候代用数据）中检测到闪烁现象	模型训练仅基于简单的多项式函数合成数据，实际应用中的泛化能力可能受限于更复杂系统的动力学特征	探索深度学习在检测复杂系统中闪烁现象（即噪声驱动的稳定态间切换）的潜力，为识别跨多种动力系统的不稳定性提供灵活框架	气候系统、生态系统、金融市场等复杂系统中的闪烁现象；睡鼠体温记录和非洲湿润期古气候代用数据	机器学习	NA	NA	CNN-LSTM	时间序列	NA	NA	CNN-LSTM	NA	NA
335	2026-10-04	Machine learning methods and schizophrenia spectrum disorders: a scoping review 2026-Sep-29, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-112849 PMID:42810795	综述	本文是一篇范围综述，系统梳理了机器学习方法在精神分裂症谱系障碍研究中的应用，重点关注临床和功能结局轨迹	首次以范围综述的形式系统映射机器学习在精神分裂症谱系障碍中临床与功能结局轨迹的应用，涵盖临床、治疗、功能、行为和提供者五大结局领域，并采用APPRAISE-AI工具评估方法学与报告质量	纳入研究的方法学和报告质量仅为中等（平均APPRAISE-AI评分47.4/100），大多数研究为横断面设计，模型可解释性、公平性和临床验证仍然不足	梳理机器学习在精神分裂症谱系障碍研究中的应用方式，重点关注临床和功能结局轨迹	精神分裂症谱系障碍（SSD）患者	机器学习	精神分裂症谱系障碍	电子健康记录、临床评估、神经影像、移动感知、深度学习	深度学习、深度神经网络、监督学习	电子健康记录、临床评估数据、神经影像、移动感知数据、语音数据	88项研究符合纳入标准；其中62项为横断面研究，19项为队列研究，5项为病例对照研究，1项为评估研究，1项为随机对照试验数据的二次分析	NA	深度神经网络	NA	NA
336	2026-10-04	VIS-NIR-SWIR Proximal Spectroradiometry Coupled with Machine Learning and Deep Learning for Ornamental Plant Identification and Classification 2026-Sep-29, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c05120 PMID:42824667	研究论文	该研究利用近端VIS-NIR-SWIR光谱辐射测量技术结合机器学习和深度学习，对九类观赏植物进行无损识别与分类	首次将400-2400 nm宽谱段近端光谱辐射测量与机器学习和深度学习相结合，用于观赏植物叶片或苞片的无损分类，并系统比较了全光谱、边缘裁剪光谱和ReliefF选择绿色波段的光谱表示的分类性能	仅基于九个观赏植物类别的900个平衡样本，样本规模有限；仅使用绿色波段（547-562 nm）的16个特征波段无法替代宽谱段VIS-NIR-SWIR信息，对近缘叶类品种的分类效果显著下降；未在更广泛的品种和真实温室条件下验证	评估近端VIS-NIR-SWIR光谱辐射测量（400-2400 nm）在观赏植物无损识别与分类中的可行性，并比较不同光谱表示和机器学习/深度学习模型的分类性能	九类观赏植物（来自绿萝、一品红、天竺葵和木槿）的叶片或苞片光谱样本	机器学习	NA	近端VIS-NIR-SWIR光谱辐射测量（400-2400 nm）	机器学习, 深度学习, MLP	光谱数据	900个平衡的植物级叶片或苞片光谱样本，代表九个观赏植物类别	NA	MLP_Deep	macro-F1, F1	NA
337	2026-10-04	FKAN-MoCBDTI: Multimodal drug-target interaction prediction via collaborative bilinear attention and knowledge distillation 2026-Sep-29, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109450 PMID:42826573	研究论文	提出FKAN-MoCBDTI多模态框架，通过协同双线性注意力、Fourier Kolmogorov-Arnold网络、教师-学生知识蒸馏与条件域对抗学习预测药物-靶点相互作用	统一异质特征提取、协同双线性注意力、FKAN预测器、教师-学生知识蒸馏与条件域对抗学习；设计协同双线性注意力显式刻画药物分子与蛋白质残基特征间局部成对关联，提升特征融合与注意力可视化；FKAN增强高阶非线性建模；知识蒸馏结合CDAN桥接跨域差异	在未见靶点蛋白（cold-target）场景下存在性能权衡，跨域迁移仍受域差异影响，未明确说明计算资源与模型可扩展性限制	克服当前深度学习在药物-靶点相互作用预测中多模态融合、细粒度跨模态交互建模、非线性表示学习和归纳泛化方面的局限	药物-靶点相互作用，包括药物SMILES序列与分子拓扑、靶点蛋白M-gram嵌入与序列衍生拓扑信息	机器学习	NA	SMILES序列编码，分子拓扑图建模，M-gram嵌入，图卷积网络，知识蒸馏，条件域对抗学习	Transformer，图神经网络，Fourier Kolmogorov-Arnold网络，多层图卷积网络，教师-学生知识蒸馏	分子序列与图结构数据	六个基准数据集	NA	Transformer，FKAN-based图神经网络，多层图卷积网络，协同双线性注意力模块，FKAN预测器，CDAN模块	NA	NA
338	2026-10-04	AI-driven transcriptomics for neurodegenerative disease research: A systematic review 2026-Sep-29, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109448 PMID:42826575	系统综述	本文系统综述了人工智能、机器学习和深度学习在转录组学中应用于神经退行性疾病研究的进展，涵盖生物标志物识别、疾病诊断、患者分型和药物重定位	系统性地将AI/ML/DL在批量RNA测序、单细胞RNA测序和空间转录组学三个层次上的应用进行基准比较，并总结了空间深度学习模型在定位疾病相关小胶质细胞和追踪轴突退化通路方面的新应用	罕见神经退行性疾病亚型的数据稀缺、缺乏跨平台空间转录组学基准、深度神经网络的"黑箱"性质限制了临床转化	综合评估AI、机器学习和深度学习在不同转录组学层次上用于神经退行性疾病生物标志物发现、诊断、分型和药物重定位的计算模型	神经退行性疾病，包括阿尔茨海默病、帕金森病和肌萎缩侧索硬化症，以及相关转录组学数据	机器学习	神经退行性疾病	批量RNA测序，单细胞RNA测序（scRNA-seq），空间转录组学	SVM，随机森林，弹性网络，自编码器，LSTM，图神经网络	转录组数据（文本/数值）	1058条记录中筛选出19项核心实证研究	NA	SVM，随机森林，弹性网络，自编码器，LSTM，图神经网络，STAGATE，SpaGCN，cell2location	AUC	NA
339	2026-10-04	Artificial intelligence in perioperative pain: a scoping review protocol 2026-Sep-25, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2026-124432 PMID:42790900	综述	本文是一项范围综述方案，旨在系统梳理人工智能在围手术期疼痛领域应用的相关证据	首次针对围手术期疼痛领域AI应用的范围综述方案，涵盖围手术期各阶段、多种临床结局、数据模态和AI方法，并关注模型验证、可解释性、不确定性和临床实施等关键方法学特征	作为范围综述方案，尚未开展正式文献检索和数据提取，尚无实际研究结果；不进行定量合并分析；仅纳入人类研究	描述AI在围手术期疼痛中应用的现有证据，识别影响其临床可信度和实施的方法学特征	评估AI方法用于围手术期疼痛相关结局的人类研究，包括观察性研究、干预性研究和预测建模研究	机器学习	疼痛	机器学习, 深度学习, 自然语言处理, 计算机视觉, 大语言模型, 混合或集成方法	NA	文本	NA	NA	NA	NA	NA
340	2026-10-04	The 'UPIC' cohort: a nationwide prospective study of mental health among adolescents and young adults in Sweden - a study protocol 2026-Sep-21, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2026-120432 PMID:42767737	研究论文	本文是一项在瑞典全国范围内开展的前瞻性队列研究方案，旨在结合多来源数据评估青少年和青年人的心理健康状况并构建预测模型	整合问卷调查、行为测试、国家健康登记数据和智能手机传感器数据等多来源数据，采用三种不同的随访方案，并引入机器学习方法进行心理健康轨迹预测	目前仅为研究方案，尚未报告实际数据收集和分析结果，样本量相对有限（2000人），可能不足以覆盖所有心理健康亚型	建立综合数据集以评估青少年和青年人的心理健康（包括心理疾病和幸福感），分析患病率、风险和保护因素，并对心理健康轨迹进行预测建模，同时评估此类纵向数据收集的可行性	瑞典普通人群中15-29岁的青少年和青年人	机器学习	精神疾病	问卷调查、数字行为测试、智能手机传感器数据采集、国家健康登记数据链接、血液生物标志物分析	机器学习, 深度学习	文本, 图像, 传感器数据, 生物标志物数据	2000名15-29岁的青少年和青年人	NA	NA	NA	NA