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
741	2026-09-28	Artificial Intelligence-Guided Prioritization and Experimental Evaluation of Synergistic Target Combinations for Breast Cancer Therapy 2026-Aug-28, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph19091363 PMID:42797409	研究论文	该研究利用深度学习模型DeepMDS预测并实验验证了针对乳腺癌的协同高阶靶点组合BIRC5-NAMPT-TOP1	首次将DeepMDS用于高阶靶点组合的优先排序，并通过siRNA和小分子抑制剂实验验证了BIRC5-NAMPT-TOP1三靶点组合的协同抗增殖效果	含拓扑替康的治疗组出现血液学改变，且研究主要基于细胞系和一种小鼠模型，尚未进行临床验证	识别并验证针对异质性乳腺癌的有效高阶靶点组合	ER阳性管腔样MCF-7细胞、三阴性MDA-MB-231细胞、4T1细胞及4T1同源小鼠模型	机器学习	乳腺癌	siRNA扰动、小分子抑制剂处理	深度学习	基因表达数据	两种乳腺癌细胞系（MCF-7和MDA-MB-231）、4T1细胞及4T1同源小鼠模型	NA	DeepMDS	抑制率、联合指数	NA
742	2026-09-28	Improving the Performance of Models Trained on Small EHR-Derived Samples by Leveraging External Data with Continual Learning Methods 2026-Aug-10, medRxiv : the preprint server for health sciences DOI:10.64898/2026.08.08.26360010 PMID:42800923	研究论文	该研究利用持续学习方法（EWC和VCL）将外部电子健康记录数据整合到小型目标数据集的模型训练中，以提升模型性能。	创新性地将持续学习中的正则化方法（EWC损失函数和VCL）应用于电子健康记录的小样本学习，允许在不直接合并数据集的情况下利用外部数据，避免了数据使用协议的冲突。	研究仅涉及两个二分类任务，且外部数据来源特定，方法的泛化性需进一步验证；未详细讨论计算资源需求。	研究目标是在目标数据集样本量较小时，通过借用外部数据来提升电子健康记录深度学习模型的性能。	研究对象包括儿童自闭症谱系障碍（ASD）预测和终末期肾病（ESRD）患者30天内再住院预测。	机器学习	自闭症谱系障碍, 终末期肾病	电子健康记录分析	深度学习模型	文本	目标数据集来自杜克大学EHR仓库，外部数据集来自北卡罗来纳州医疗补助索赔（ASD任务）和美国肾脏数据系统（USRDS，再住院任务），具体样本量未在摘要中说明	NA	NA	NA	NA
743	2026-09-28	Pocket restraints guided by B-cell epitope prediction improve Chai-1 antibody-antigen structure modeling 2026-08, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70730 PMID:42489170	研究论文	本文提出了BepiPocket和DiscoPocket两种方法，通过整合B细胞表位预测工具来指导Chai-1抗体-抗原结构预测中的抗体-表位约束，从而改进抗体-抗原复合物的结构建模	将B细胞表位预测工具（基于序列的BepiPred-3.0和基于结构的DiscoTope-3.0）整合到Chai-1结构预测中，通过表位约束指导抗体-抗原复合物建模，显著提高了预测的准确性和多样性	未明确说明	解决抗体-抗原复合物准确预测的挑战，改善当前深度学习方法中抗体错误放置和重复预测相同冗余结合模式的问题	抗体-抗原复合物	计算免疫学、结构生物学	NA	B细胞表位预测、深度学习结构预测	Chai-1、BepiPred-3.0、DiscoTope-3.0	蛋白质序列和结构数据	1628个抗体-抗原复合物	NA	Chai-1	预测准确性和多样性	NA
744	2026-09-28	Deep learning prediction of left atrial structure and function from 12-lead electrocardiograms 2026-07-31, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-76155-6 PMID:42669665	研究论文	本研究利用深度学习模型从12导联心电图预测左心房结构和功能，并评估其与心房颤动、心力衰竭和缺血性卒中的关联	首次使用深度学习从12导联心电图预测左心房结构和功能，并证明模型衍生的心房病变测量与心血管并发症的关联强度可与直接影像测量相媲美	研究为回顾性设计，可能存在选择偏倚；模型泛化能力需在更多样化的人群中验证；未明确说明计算资源需求	开发一种基于12导联心电图的深度学习模型，用于预测左心房结构和功能，并评估其与心房颤动及相关心血管并发症的关联	英国生物银行（UK Biobank）参与者的12导联心电图和心脏磁共振扫描数据	机器学习	心血管疾病	深度学习	CNN	心电图信号, 医学影像	21,749例心脏磁共振扫描及配对的12导联心电图	NA	NA	NA	NA
745	2026-09-28	Evaluating large language models for assessment of psychosis risk 2026-Jul-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02928-4 PMID:42493532	研究论文	评估大语言模型从精神病访谈记录中提取临床有意义信息以支持精神病风险评估的能力	首次系统评估多种开源大语言模型在精神病临床高危状态识别和症状评分中的应用，并验证其与研究者评分的相关性	模型存在对非临床体验的过度病理化错误，特异性较低（0.58），且性能在不同站点间存在差异	评估大语言模型能否从精神病访谈记录中提取临床有意义的信息以支持精神病风险评估	678份部分PSYCHS访谈记录，来自373名参与者（77.7%为临床高危状态）	自然语言处理	精神疾病	大语言模型	大语言模型	文本	678份访谈记录，来自373名参与者	NA	Llama-3.3-70B等11种开源大语言模型	准确率, 灵敏度, 特异性, 组内相关系数	NA
746	2026-09-28	clinTALL: machine learning-driven multimodal subtype classification and treatment outcome prediction in pediatric T-ALL 2026-Jul-22, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-026-01733-8 PMID:42487139	研究论文	该文章提出了 clinTALL，一个基于深度学习的多任务流水线，用于儿童 T-ALL 的分子亚型分类和治疗结局预测	整合临床、基因组和转录组多模态数据，采用多任务神经网络架构共享潜在嵌入，结合竞争风险模型预测事件特异性结局，并作为 Docker 应用提供用户友好访问	摘要中未明确提及	解决儿童 T-ALL 缺乏有效风险分层策略的问题，实现基于多组学数据的自动化亚型分类和治疗结局推断	儿童 T 系急性淋巴细胞白血病（T-ALL）样本	机器学习, 数字病理学	儿童 T 系急性淋巴细胞白血病	全基因组测序, 全转录组测序	深度学习神经网络, 竞争风险模型	临床数据, 基因组数据, 转录组数据	1309 个儿童 T-ALL 样本用于训练，120 个内部样本用于验证	NA	多任务神经网络	准确率, 一致性指数 (C-index)	NA
747	2026-09-28	Transformer-DAPT: AI-based dynamic assessment of ischemic and bleeding risks in patients on DAPT following PCI 2026-Jul-14, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02977-9 PMID:42448824	研究论文	该研究开发了 Transformer-DAPT，一个基于 Transformer 的深度学习生存分析框架，用于预测 PCI 术后患者接受双联抗血小板治疗（DAPT）期间缺血和出血事件的动态风险	采用基于 Transformer 的深度学习生存分析框架，实现了跨多个临床相关时间间隔的患者个体化缺血与出血风险动态评估，优于传统基于规则的静态评分以及 DeepSurv 和 DeepHit 模型	摘要中未明确说明该研究的局限性，仅提及外部验证队列中 C-index 有所下降（缺血事件 0.74-0.84，出血事件 0.75-0.83），提示模型在外部数据上的泛化性能仍有提升空间	开发并验证一个基于人工智能的动态风险评估框架，以支持 PCI 术后患者个体化的 DAPT 时长决策	PCI 术后接受双联抗血小板治疗（DAPT）的患者	机器学习	心血管疾病	电子健康记录（EHR）分析	Transformer	文本（电子健康记录）	内部队列 29,032 名患者（Mayo Clinic），外部验证队列 19,173 名患者（OneFlorida+ Clinical Research Consortium）	NA	Transformer	时间依赖一致性指数（C-index）、校准性能	NA
748	2026-09-28	A vision transformer deep learning model for assessing pediatric ileocolic intussusception severity using ultrasound images 2026-Jul-10, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02941-7 PMID:42432112	研究论文	该研究开发并前瞻性验证了一种基于Vision Transformer的深度学习系统，利用静态B型超声图像预测儿童回结肠肠套叠的空气灌肠复位失败	创新性地将Vision Transformer应用于儿童回结肠肠套叠严重程度的评估，提供客观、准确的临床决策支持工具	摘要中未提及	及时识别可能空气灌肠复位失败的儿童回结肠肠套叠患者，以避免延误和肠穿孔	4-60月龄的儿童回结肠肠套叠患者	医学影像分析	儿童回结肠肠套叠	超声成像	Vision Transformer	图像	回顾性队列5602名儿童，数据增强后10151张图像（8122训练，2029验证）；前瞻性队列190名患者	NA	Vision Transformer	准确率, 精确率	NA
749	2026-09-28	Machine Learning-Empowered Electromagnetic Wave Absorbing Materials: From Forward Prediction to Generative Inverse Design 2026-Jul-08, Molecules (Basel, Switzerland) DOI:10.3390/molecules31142408 PMID:42513093	综述	本文综述了机器学习在电磁波吸收材料设计中的应用，涵盖正向性能预测、高通量筛选、逆向设计、物理信息建模等方面	系统总结了从正向预测到生成式逆向设计的机器学习方法在电磁波吸收材料中的应用，并讨论了数据标准化、物理引导学习、基础模型、自主实验室等未来方向	未提及具体实验验证的局限性，但指出工程尺度验证、数据标准化等挑战	总结机器学习在电磁波吸收材料设计中的最新进展，推动从经验驱动的试错设计向数据驱动和知识驱动的设计转变	电磁波吸收材料	机器学习	NA	机器学习、深度学习、生成模型、物理信息模型、大语言模型、AI智能体	经典机器学习、深度学习、生成模型、物理信息模型、大语言模型、AI智能体	NA	NA	NA	NA	NA	NA
750	2026-09-28	Conserved 3' stem-loop structures enable comprehensive analysis of bacterial transcription termination in metagenomes 2026-Jul-06, Microbiome IF:13.8Q1 DOI:10.1186/s40168-026-02454-1 PMID:42402588	研究论文	该研究开发了基于深度学习的BATTER框架，通过保守的3'茎环结构预测细菌转录终止位点，并对42,905个代表性细菌基因组进行了大规模比较基因组分析	首次利用保守茎环结构与3'末端的关系同时预测Rho依赖性和Rho非依赖性终止子产生的转录3'末端，突破了现有工具仅针对少数模式物种中RIT的局限；发现了蓝细菌中缺乏rho同源物但存在RUT样序列的现象，并揭示了AMR基因中普遍存在的提前终止事件	蓝细菌中RUT样序列的功能验证仅在E. coli中进行了初步实验，尚未在蓝细菌中直接验证；对RDT机制的预测准确性可能受训练数据限制	开发一个可扩展的深度学习框架，用于在宏基因组水平全面预测和分析细菌转录终止产生的3'末端	42,905个代表性细菌基因组及其转录3'末端	机器学习	NA	宏基因组分析，深度学习预测，比较基因组学	深度学习	基因组序列	42,905个代表性细菌基因组	NA	NA	NA	NA
751	2026-09-28	Deep learning-based super-resolution ultrashort echo time MRI for pulmonary nodule detection and longitudinal assessment in emphysema 2026-Jul-04, BMC pulmonary medicine IF:2.6Q2 DOI:10.1186/s12890-026-04468-9 PMID:42401825	研究论文	本研究评估了基于深度学习的超分辨率超短回波时间磁共振成像（SR-UTE MRI）在肺气肿患者中检测肺结节及纵向评估结节大小的性能，并与传统UTE进行了比较	首次将基于深度学习的超分辨率技术应用于超短回波时间MRI，以提高肺气肿患者中肺结节的检测率和纵向大小评估的可靠性	样本量有限（127例），仅针对肺气肿患者，未与其他MRI技术或更大规模人群进行验证	评估SR-UTE MRI在肺气肿患者中检测肺结节和纵向评估结节大小的性能	127例同时患有肺气肿和肺结节的患者	医学影像分析	肺癌, 肺气肿	超短回波时间磁共振成像（UTE MRI），低剂量计算机断层扫描（LDCT）	深度学习	医学图像（MRI和CT）	127例患者	NA	NA	信噪比（SNR），对比噪声比（CNR），拉普拉斯方差，检测率，灵敏度，组内相关系数（ICC），测量偏差	NA
752	2026-09-28	Inflammatory marker-driven deep learning model for postoperative gastric cancer prognosis 2026-Jul-04, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03661-4 PMID:42401875	研究论文	本研究提出了一种结合梯度提升决策树、树驱动编码器和一维卷积神经网络的深度学习框架，用于胃癌术后预后预测	提出了一种新型混合深度学习框架，将梯度提升决策树与树驱动编码器和一维卷积神经网络相结合，能够捕捉炎症、临床和人口统计学变量之间的复杂非线性交互关系，克服了传统统计方法的局限性	缺乏独立队列的外部验证，尚未实现实时临床应用，模型可解释性有待进一步增强	开发一种数据驱动且可解释的深度学习框架，用于胃癌术后预后预测，支持个性化治疗规划和循证临床决策	胃癌术后患者	机器学习	胃癌	NA	梯度提升决策树, 一维卷积神经网络	表格数据	NA	NA	梯度提升决策树, 树驱动编码器, 一维卷积神经网络	预测准确率, 鲁棒性, 泛化能力	NA
753	2026-09-28	Deep Learning-Based Auto-Navigation for Free-Breathing Golden-Angle Radial MRI 2026-Jul, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70313 PMID:41708522	研究论文	开发了一种基于深度学习的自动导航技术RANGR，用于自由呼吸黄金角径向MRI，从k空间数据中提取呼吸运动信号，用于回顾性排序和动态重建。	提出RANGR，一种基于深度学习的自动导航技术，直接从黄金角径向k空间数据中计算1D呼吸运动信号，无需额外导航器，并在PCA失败的情况下表现出鲁棒性。	摘要中未明确提及。	开发并评估一种用于自由呼吸黄金角径向MRI的深度学习自动导航技术。	动态体模和腹部肿瘤患者。	医学影像	腹部肿瘤	黄金角径向MRI	深度学习	图像	动态体模和自由呼吸成像的患者（具体数量未提供）	NA	Movienet	运动跟踪误差、定性图像质量评分（5点Likert量表）、运动估计时间、总重建时间	GPU
754	2026-09-28	Deep learning for time-series segmentation of mechanical ventilator waveforms 2026-Jun-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58565-0 PMID:42366236	研究论文	开发并验证了一种基于一维注意力门控U-Net的深度学习模型，用于机械通气波形的时间序列分割，以检测吸气和呼气起始点。	首次将一维注意力门控U-Net架构应用于机械通气波形分割，实现了高精度的吸气和呼气起始点检测，并在异步呼吸中保持稳健性能。	样本量相对有限（33名患者），且未在更大规模的多中心数据集上验证。	提高机械通气波形分割的准确性，以检测患者-呼吸机异步。	机械通气波形数据，来自33名患者的9719次呼吸。	机器学习	NA	深度学习	CNN	时间序列	9719次呼吸，来自33名患者	NA	U-Net	F1分数	NA
755	2026-09-28	Hyperspectral scrap characterisation for scrap composition optimisation in steel recycling 2026-Jun-17, Waste management & research : the journal of the International Solid Wastes and Public Cleansing Association, ISWA IF:3.7Q2 DOI:10.1177/0734242X261451604 PMID:42311089	研究论文	本文提出一个三部分处理流程，利用高光谱成像和深度学习识别废钢中的材料类别，并通过混合整数优化选择最佳废钢混合以优化钢铁回收过程	将高光谱成像与深度学习相结合用于废钢成分表征，并集成混合整数优化以优化炼钢过程参数	材料分类准确率约为76%，对于某些类别的识别精度可能不足，且未详细讨论计算资源需求	确定废钢成分并优化钢铁回收过程参数	废钢样品	计算机视觉	NA	高光谱成像	多层感知机, 2D CNN, 3D CNN	高光谱图像	NA	NA	多层感知机, 2D CNN, 3D CNN	准确率	NA
756	2026-09-28	Oral Cancer Numerical Index (OCNI): Development and Validation of a Cytology-Based Risk Assessment for Oral Lesions 2026-Jun-17, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15124692 PMID:42355860	研究论文	该研究开发并内部验证了一种基于细胞学的口腔癌症数值指数（OCNI），用于口腔潜在恶性疾病的风险分层，结合临床特征和深度学习细胞学测量	创新性地将临床特征与深度学习基于刷检细胞学的测量相结合，构建了可量化、临床可解释的口腔癌症风险评分，并设定了明确的排除和纳入阈值	仅进行了内部验证，缺乏外部验证，样本来自特定多中心研究，可能限制泛化性	开发并验证一种客观、临床可解释的口腔病变风险分层工具，以识别高风险严重口腔上皮异型增生或口腔鳞状细胞癌患者	口腔潜在恶性疾病患者	数字病理学	口腔癌	深度学习基于刷检细胞学	深度学习	图像	训练集384例，保留测试集164例，共548例口腔潜在恶性疾病患者	NA	NA	灵敏度, 特异性, 阴性预测值, 阳性预测值, Hosmer-Lemeshow检验	NA
757	2026-09-28	Daily activity patterns from wearable accelerometry predict physical frailty and concern about falling 2026-Jun-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02863-4 PMID:42277314	研究论文	该研究提出了一种基于可穿戴传感器的客观框架，通过分析真实世界活动模式，同时预测身体衰弱和对跌倒的担忧。	首次使用长期真实世界加速度计数据联合建模身体衰弱和对跌倒的担忧，并引入条形码转换、全局复杂度指标和双向LSTM与注意力机制的多任务深度学习模型。	样本量较小（146人），数据采集周期较短（48小时），未提及外部验证或长期随访。	同时预测身体衰弱状态和对跌倒的担忧水平。	146名参与者的连续胸部加速度数据。	机器学习	老年疾病	可穿戴加速度计	双向LSTM	时间序列（加速度）	146名参与者，48小时连续胸部加速度数据	NA	双向LSTM, 注意力机制	F1分数	NA
758	2026-09-28	Development and prospective evaluation of a real-time deep learning model for inpatient hypoglycemia prediction 2026-Jun-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02874-1 PMID:42277312	研究论文	该研究开发并前瞻性评估了一种基于LSTM的实时深度学习模型，利用电子健康记录数据预测住院患者24小时内的低血糖事件	开发了可实时部署的LSTM模型，利用5天回溯窗口的时序EHR数据进行住院低血糖预测，并进行了前瞻性验证，同时使用SHAP提供临床可解释性	最佳模型F1分数仅为0.30，精确率为0.23，精确度较低，可能导致较多假阳性预警	开发、验证和前瞻性评估一种实时LSTM模型，用于预测住院患者24小时内低血糖事件，以支持主动血糖管理	三家医院2014年至2025年间143,124例成人住院患者，纳入标准为年龄≥18岁、住院时间≥24小时且至少接受一种降糖药物治疗	机器学习	低血糖	电子健康记录分析	LSTM	文本（电子健康记录时序数据）	143,124例成人住院患者	NA	LSTM	F1分数, 精确率, 召回率, 精确率-召回率曲线下面积(AUPRC), 校准指标	NA
759	2026-09-28	AI-Driven Design of High Affinity Biomolecule-Drug Conjugates for Gynecological Cancer Therapy: An Up-to-Date Narrative Review 2026-Jun-05, Cancers IF:4.5Q1 DOI:10.3390/cancers18111856 PMID:42279437	综述	本文批判性地分析了如何利用人工智能（AI）进行高亲和力生物分子-药物偶联物（BDCs）的理性设计与优化，以用于妇科癌症治疗	系统总结了基于机器学习和深度学习的方法在预测生物分子-靶标结合亲和力、结构兼容性、连接子稳定性、载荷选择、细胞内转运及生物分子耐药机制等方面的最新进展，并探讨了整合结构、化学、生物学和多组学数据以提高偶联物特异性、疗效和安全性的可能性，同时涵盖了基于抗体、多肽、适配体及混合生物分子系统的AI辅助设计方法	数据质量、模型可解释性、监管方面等参数及实验/数值验证限制	批判性地分析如何利用AI进行高亲和力BDCs的理性设计与优化，以用于妇科癌症治疗	妇科癌症治疗中的高亲和力生物分子-药物偶联物（BDCs），特别是抗体-药物偶联物（ADCs）	机器学习	妇科癌症	NA	NA	NA	NA	NA	NA	NA	NA
760	2026-09-28	Leveraging Artificial Intelligence and Large Language Models for Cancer Immunotherapy 2026-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202521936 PMID:41736575	综述	本文综述了人工智能和机器学习在癌症免疫治疗中的应用现状和未来方向，重点关注患者分层、生物标志物发现、治疗策略优化及大语言模型等四个关键领域。	系统全面地总结了AI/ML在癌症免疫治疗中的进展，并批判性评估了其转化潜力，填补了现有综述的空白。	文章为综述，未进行原创实验，可能缺乏对具体技术细节的深入分析，且转化潜力评估基于现有文献。	综述AI/ML在癌症免疫治疗中的应用现状，并探讨未来发展方向，以加速精准癌症免疫治疗的整合。	癌症免疫治疗相关的AI/ML研究，包括患者分层、生物标志物发现、治疗策略优化和基础模型/大语言模型。	机器学习	癌症	NA	深度学习框架，大语言模型	多组学生物医学数据	NA	NA	NA	NA	NA