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
61	2026-09-13	DeepDegradome: A structure-aware deep learning framework for PROTAC and ligand generation against protein targets 2026-Mar-17, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2518248123 PMID:41818153	研究论文	本文提出DeepDegradome，一种结构感知的深度学习框架，用于自动化设计小分子配体和PROTAC分子，并在WDR5和CDK9两个蛋白靶点上进行实验验证	首次实现从零开始同时自动化设计配体和PROTAC，不依赖预定义的弹头或E3连接酶配体；采用基于大片段库的片段组装策略，结合自研iFitDock对接方法，基于靶蛋白口袋的形状和理化特征构建配体，进而构建PROTAC，突破了传统方法仅修饰固定配体间连接子的局限	摘要中未明确提及研究的局限性	解决PROTAC设计中缺乏明确结合位点的蛋白难以设计有效降解剂的挑战，实现结构感知的配体和PROTAC自动化生成	WDR5蛋白和CDK9蛋白	药物发现	癌症	深度学习分子生成、分子对接（iFitDock）、X射线晶体学	深度学习生成模型	分子结构数据（蛋白质结构、化合物结构）	NA	NA	NA	预测结合亲和力、分子有效性、类药性、X射线晶体学验证的结合构象一致性	NA
62	2026-09-13	Automated Classification of Mitral and Tricuspid Regurgitation With Explainability and Real-World Practice Experience 2026-03-17, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.125.045851 PMID:41804879	研究论文	该研究开发了一个可解释的、考虑血流的端到端深度学习流水线，用于从常规超声心动图DICOM文件中自动选择相关视图，评估瓣膜形态，并结合收缩期相位信息对二尖瓣反流和三尖瓣反流进行联合分级。	提出了一个可解释且具有生理约束的统一人工智能框架，能够自动选择视图、通过瓣叶姿态估计进行瓣膜形态评估、结合收缩期相位感知进行多普勒解读，并联合分级二尖瓣和三尖瓣反流；模型在多个外部机构验证，并保持较强的排除诊断能力。	在房颤或左心室射血分数降低的患者中性能有所下降；外部验证中曲线下面积略低，尤其是在重度反流方面。	开发并验证一个可解释、统一的人工智能框架，用于在真实临床工作流程中自动筛查和分级二尖瓣反流与三尖瓣反流。	接受常规经胸超声心动图检查的患者，包括来自三级中心的门诊研究以及来自另外两个独立机构的外部验证队列。	医学图像分析，数字病理学（心血管影像）	心血管疾病（瓣膜性心脏病，二尖瓣反流和三尖瓣反流）	深度学习，超声心动图，DICOM文件处理，多普勒解读	深度学习（CNN）	图像（超声心动图DICOM文件）	训练和内部测试使用来自三级中心的5086例门诊研究，并在来自另外两个机构的独立队列中进行外部验证。	NA	NA	接收者操作特征曲线下面积，灵敏度，特异度，阳性预测值，阴性预测值	NA
63	2026-09-13	Improving multi-variable weather forecasting with spatiotemporal feature interaction and large-kernel modeling 2026-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42553-5 PMID:41813744	研究论文	该论文提出了一种新颖的多变量耦合天气预报模型，结合分支交叉注意力融合策略和大核卷积，以提高多变量天气预报的准确性	引入了分支交叉注意力融合策略以增强特征整合，设计了新的大核卷积模块替代循环网络中的传统卷积，并开发了基于NLK-LSTM单元的NLKRNN时空预测网络	实验仅在自定义的气象数据集上进行，未在大规模标准数据集或实际业务系统中验证	改进多变量天气预报，通过捕捉非线性交互和时空动态来提升预测性能	气象数据，包括温度、露点和U/V风分量	机器学习	NA	NA	LSTM	时间序列	NA	NA	NLK-LSTM	NA	NA
64	2026-09-13	Mitochondrial apoptosis gene-based pathomics for ovarian cancer prognosis 2026-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40121-5 PMID:41820464	研究论文	该研究开发并验证了一种基于线粒体凋亡相关基因和数字病理特征的迁移学习模型（MAR-PTL），用于卵巢癌预后预测	将线粒体凋亡基因表达与H&E切片深度学习特征相结合，构建迁移学习框架，并发现BCL2L2为核心预后基因及其与特定ResNet特征的相关性	未明确提及	开发并验证卵巢癌预后预测模型，探索线粒体凋亡与病理特征的相互作用机制	卵巢癌患者	数字病理学	卵巢癌	H&E染色、转录组测序、单细胞RNA测序	迁移学习、ResNet50	病理图像、转录组数据、单细胞RNA测序数据	未明确提及	NA	ResNet50	C-index	NA
65	2026-09-13	A meta learning and task adaptive approach for drug target affinity prediction 2026-Mar-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70554-5 PMID:41807414	研究论文	本文提出了AdaMBind，一种基于元学习框架和自适应任务模块的DTA预测模型，用于低数据场景下的药物-靶点亲和力预测	采用动态的“从易到难”任务调度机制，增强训练效率和鲁棒性；结合元学习与自适应任务模块，针对低数据场景设计	未明确提及	实现准确且鲁棒的药物-靶点亲和力预测，特别是在训练数据有限和泛化能力差的情况下	药物-靶点亲和力预测，涉及未见靶点的亲和力预测、虚拟筛选以及针对急性髓系白血病FLT3的抑制剂发现	机器学习	急性髓系白血病	NA	元学习	NA	NA	NA	NA	NA	NA
66	2026-09-13	A multimodal retinal image dataset for diabetic retinopathy detection using foundation models 2026-Mar-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07005-9 PMID:41807442	研究论文	该论文介绍了一个用于糖尿病视网膜病变检测的多模态视网膜图像数据集，并使用基础模型进行了基准测试	构建了一个大规模多模态视网膜图像数据集，包含彩色眼底摄影、光学相干断层扫描和超广角眼底成像三种模态，并提供详细的病变级注释和糖尿病视网膜病变及糖尿病黄斑水肿的严重程度分级；首次在该数据集上对多种眼底基础模型和大型视觉语言模型进行基准测试	摘要中未明确提及局限性	解决现有公共视网膜图像数据集规模有限、注释不够精细的问题，为人工智能驱动的糖尿病视网膜病变诊断提供可靠的评估基准	糖尿病视网膜病变和糖尿病黄斑水肿的视网膜图像	医学图像分析	糖尿病视网膜病变, 糖尿病黄斑水肿	彩色眼底摄影, 光学相干断层扫描, 超广角眼底成像	基础模型, 大型视觉语言模型	图像	NA	NA	NA	NA	NA
67	2026-09-13	A foundation model for multi-task cross-distribution restoration of fluorescence microscopy images 2026-Mar-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70307-4 PMID:41807447	研究论文	本文提出了一种用于多任务和跨分布荧光显微镜图像恢复的基础模型FluoResFM，利用文本先验信息适应特定任务和数据分布	FluoResFM是首个统一的多任务和跨分布荧光显微镜图像恢复基础模型，利用文本先验信息适应特定任务和数据分布，并通过单样本微调提升性能	摘要中未明确提及限制	开发一个能够处理多任务和跨分布荧光显微镜图像恢复的统一基础模型，提高恢复性能和泛化能力	荧光显微镜图像，涵盖超过20种生物结构	计算机视觉	NA	深度学习	基础模型	图像	训练数据集涵盖三个任务和超过20种生物结构；微调时仅需单个样本	NA	NA	NA	NA
68	2026-09-13	SYN-OCT:A synthetic dataset of ocular optical coherence tomography images from healthy and glaucoma eyes 2026-Mar-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06946-5 PMID:41807485	研究论文	本文介绍了一个包含20万张合成眼科OCT图像的公开数据集SYN-OCT，分别来自健康眼和青光眼的生成模型	构建并公开了大规模合成OCT图像数据集，包含健康和青光眼两类，并利用自动分割验证了合成数据的结构特征与真实数据可比	合成数据基于真实数据生成，可能无法完全覆盖真实世界的多样性；未提及对下游任务的直接评估	提供用于青光眼分析和检测的深度学习应用开发或验证的数据集，并研究医学图像合成生成及其可用性	来自健康眼和青光眼的合成环视盘OCT图像	数字病理学	青光眼	光学相干断层扫描（OCT）	生成图像模型	图像	200,000张合成OCT图像（100,000张青光眼，100,000张健康眼）	NA	NA	NA	NA
69	2026-09-13	Gene driven analytical learning model for accurate breast cancer diagnosis 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39430-6 PMID:41776259	研究论文	该研究开发了一种结合CNN和BiLSTM的集成深度学习方法，基于基因表达数据提高乳腺癌预后预测的准确性	提出了一种全混合CNN-BiLSTM模型，通过Pearson相关分析筛选出236个基因集，并在METABRIC数据集上验证了泛化能力，在噪声扰动下表现出极低的方差	未明确提及	基于基因表达数据增强乳腺癌预后预测，为精准医学提供通用计算工具	乳腺癌样本的基因表达数据	机器学习	乳腺癌	基因表达分析	CNN, BiLSTM	基因表达数据	TCGA-BRCA和METABRIC数据集	NA	CNN, BiLSTM	Recall, ROC AUC, F1 score, 方差	双NVIDIA Tesla T4阵列
70	2026-09-13	Computational nanobody design using graph neural networks and Metropolis Monte Carlo sampling 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag180 PMID:42015415	研究论文	该文章开发了一种结合图神经网络和Metropolis Monte Carlo采样的计算方法，用于纳米抗体的设计，并以TL1A抗原为例生成了两个高亲和力纳米抗体	提出了一种物理信息深度学习方法来设计纳米抗体，构建了无需复杂结构即可预测蛋白质-蛋白质结合自由能的GNN模型AiPPA，并将其与Metropolis重要性采样结合，从非亲和性模板出发设计低结合自由能的纳米抗体	AiPPA在基准测试上的Pearson相关系数为0.62，预测精度仍有提升空间；仅针对TL1A抗原进行了验证，方法的通用性有待进一步验证	开发一种计算纳米抗体设计方法，以降低实验筛选高亲和力纳米抗体的成本和时间	纳米抗体、抗原TL1A、蛋白质-蛋白质结合自由能	机器学习	NA	图神经网络、Metropolis Monte Carlo采样	GNN	蛋白质序列及结构数据	NA	NA	AiPPA（基于图神经网络架构）	Pearson相关系数	NA
71	2026-09-10	A Bilayer Feature Fusion Framework for Pan-Cancer Survival Prediction Based on Multihead Attention and Adaptive Differential Privacy: Model Development and Validation Study 2026-03-30, JMIR medical informatics IF:3.1Q2 DOI:10.2196/83743 PMID:41911549	研究论文	提出一种基于多头注意力和自适应差分隐私的双层特征融合框架，用于泛癌生存预测，平衡特征提取精确性与数据隐私保护	首次将多头注意力机制与自适应差分隐私相结合，通过分层相关性分析指导拉普拉斯噪声的自适应添加，实现精确特征提取与敏感数据保护的协同优化	未涉及病理图像和蛋白质组学数据，模型应用范围有待扩展	提出一种在保护医疗数据隐私的同时提高泛癌生存预测准确性的融合框架	泛癌和单一癌症的生存预测数据，包括临床数据、mRNA表达数据和miRNA表达数据	机器学习, 数字病理学	癌症（泛癌）	NA	多头注意力机制	多模态数据（临床数据、mRNA表达数据、miRNA表达数据）	涉及20种癌症类型的数据集，具体样本量未提供	NA	多头注意力（基于Transformer）	一致性指数（C-index）	NA
72	2026-09-10	Approval of AI-Based Medical Devices in China From 2020 to 2025: Retrospective Analysis 2026-03-18, JMIR medical informatics IF:3.1Q2 DOI:10.2196/85538 PMID:41849560	研究论文	该研究回顾性分析了2020年至2025年6月中国批准的基于人工智能的医疗器械的批准趋势和特征	提供了截至2025年6月中国批准的基于AI的医疗器械的最新全面概述，包括风险等级、临床评价途径等多个维度的统计分析	仅使用Drugdataexpy数据库，可能遗漏其他来源的批准信息	评估中国批准的基于AI的医疗器械的趋势和特征	中国批准的基于AI的医疗器械共154种	数字医学	NA	NA	深度学习	文本数据和元数据	154种基于AI的医疗器械	NA	NA	使用Fisher精确检验和Pearson卡方检验评估风险等级与分类变量之间的关联	NA
73	2026-09-10	Rectal Cancer Radiotherapy Response Prediction: Retrospective Study of Development of a Deep Learning-Based Radiomics Model 2026-03-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/77313 PMID:41843889	研究论文	本研究开发并比较了多种基于深度学习的放射组学模型，用于预测直肠癌放疗反应，其中Transformer架构表现最佳	首次在大规模直肠癌放疗前影像队列中系统比较Transformer、卷积神经网络和图卷积网络的预测性能，强调Transformer架构的临床效用	单中心回顾性研究，需多中心外部验证	开发并评估深度学习放射组学模型以预测直肠癌放疗反应，支持个性化治疗决策	直肠癌患者放疗前的计算机断层扫描和动态对比增强磁共振图像及临床变量	医学影像分析	直肠癌	放射组学	卷积神经网络、图卷积网络、Transformer	医学影像（CT和MRI）	2000例病理确诊的直肠癌患者	未明确指定	Transformer, U-Net, CNN, 图卷积网络	AUROC, 准确率, 灵敏度, 特异性, Dice系数, 交并比	未明确指定
74	2026-09-10	Bridging Population Patterns and Individual Prediction: Framework for Prospective Multimorbidity Study 2026-03-10, JMIR medical informatics IF:3.1Q2 DOI:10.2196/84261 PMID:41806366	研究论文	提出一个整合群体水平多发病模式识别与个体水平预测建模的新框架，推动多发病研究从描述性分析向预测性发展	首次将潜在转变分析（LTA）扩展到预测领域，并引入双向时间定向交叉注意力机制的CLA-Net模型，以桥接群体模式与个体预测	文中未明确提及研究局限性	提出一个将群体水平多发病模式识别与个体预测建模相结合的新型框架，以实现前瞻性的多发病模式预测	纵向健康随访数据中的个体未来多发病模式归属	机器学习	多发病（多病共存）	纵向健康随访数据分析	CLA-Net（结合GRU和Transformer）	纵向健康随访数据	未在标题和摘要中明确说明样本数量	未在标题和摘要中明确说明	CLA-Net（包括GRU和Transformer，以及双向定向交叉注意力机制）	准确率、精确率、召回率、F1分数、AUC	未在标题和摘要中明确说明
75	2026-09-10	Leveraging Naturalistic Driving Digital Biomarkers for Early Mild Cognitive Impairment Detection: Deep Learning Strategies 2026-03-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/83622 PMID:41791118	研究论文	本研究开发了利用自然驾驶数据的深度学习策略，用于早期轻度认知障碍检测	首次使用自然驾驶条件下收集的传感器数据进行深度学习建模，结合多视角和三层次融合策略，并提出频率相关的风险评分	样本量小，且部分参与者退出，可能限制结果的普适性	利用自然驾驶数据作为数字生物标志物，实现早期轻度认知障碍的稳健检测	轻度认知障碍患者和认知正常老年人	机器学习、数字生物标志物	轻度认知障碍、阿尔茨海默病	GPS、加速度计、陀螺仪传感器	深度学习模型	传感器数据	22名参与者，其中14名认知正常、8名轻度认知障碍；3名参与者退出	NA	NA	准确率、AUC	NA
76	2026-09-10	Enhanced Magnetic Resonance Imaging-Based Knee Cartilage Segmentation Using a Swin-UNet Conditional Generative Adversarial Network: Development and Validation Study 2026-03-02, JMIR medical informatics IF:3.1Q2 DOI:10.2196/86155 PMID:41771536	研究论文	本研究开发并验证了一种基于Swin-UNet条件生成对抗网络（cGAN）的深度学习框架，用于膝关节MRI中股骨和胫骨软骨的自动分割，并对比了其与UNet、UNet cGAN和Swin-UNet基线模型的性能	首次将Swin-UNet与条件生成对抗网络结合用于膝关节MRI软骨分割，提高了边界分割精度，并解决了传统CT手术系统无法可视化软骨的问题	未在摘要中明确提及局限性	开发临床适用的深度学习框架，实现膝关节MRI中股骨和胫骨软骨的自动分割，以提高手术规划和全膝关节置换术的精度	膝关节MRI图像中的股骨和胫骨软骨	计算机视觉	膝骨关节炎	MRI	生成对抗网络（GAN）	图像（MRI）	232份膝关节MRI扫描，另设有外部验证数据集	NA	Swin-UNet, UNet	Dice相似系数，平均交并比，95百分位Hausdorff距离，平均对称表面距离	NA
77	2026-09-10	Bone Cancer Cell Prediction Using an Enhanced Deep Learning Algorithm with an Optimization Technique 2026-Mar-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2026.27.3.839 PMID:41793662	研究论文	本文提出一种结合Cuckoo Search优化和ResNet的深度学习算法，用于骨癌细胞的自动检测与分类，以提高诊断准确性。	将Cuckoo Search Modified Hill Climbing (CS-MHC)优化与ResNet集成，以改进特征选择和加快收敛，提升骨癌图像分类性能。	研究基于有限数据集，未来需更大规模多中心数据以增强鲁棒性。	开发一种基于深度学习和优化技术的自动化骨癌检测工具，以实现早期诊断。	骨癌图像分类，区分恶性肿瘤和健康骨组织。	计算机视觉	骨癌	NA	CNN	图像	NA	NA	ResNet, VGG-16, Inception, Xception	准确率, 敏感性, 精确率, F-measure	NA
78	2026-09-07	A Deep Learning Prognostic Model for Diabetes Patients Using Bilateral Fundus Imaging 2026-Mar-29, Journal of diabetes science and technology IF:4.1Q2 DOI:10.1177/19322968261434035 PMID:41905764	研究论文	开发了一种利用双侧眼底图像预测糖尿病患者死亡风险的深度学习预后模型	将深度学习架构与Cox比例风险模型相结合，而非简单分类，直接预测死亡率风险	未明确指出	利用常规眼底摄影识别高死亡风险患者，以便及时干预并提高生存率	糖尿病患者	深度学习	糖尿病	眼底摄影	深度学习模型	图像	19029名糖尿病患者	NA	NA	风险比、五年生存率	NA
79	2026-09-07	Subway door fault prediction employing stacking ensemble learning 2026-Mar-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43371-5 PMID:41872356	研究论文	本研究提出一种基于堆叠集成学习的地铁车门故障预测方法，针对低频、类别不平衡和特征冗余问题，提高预测性能。	结合物理约束数据增强、特征筛选、堆叠集成和动态阈值优化，并在预测性能上优于传统机器学习与深度学习方法。	文中未提及明显的局限性。	开发高精度的地铁车门故障预测工具，支持智能运维和预测性维护，提升列车运行可靠性和效率。	地铁车门系统的故障预测问题。	机器学习	NA	NA	堆叠集成学习模型，包括改进的随机森林、XGBoost和逻辑回归。	数值型数据	未明确说明样本数量。	NA	堆叠集成结构，一级分类器采用随机森林和XGBoost，二级分类器采用逻辑回归。	AUC、PR AUC、准确率、精确率、召回率、F1分数	未提及具体计算资源。
80	2026-09-07	The evolution of real-world evidence in lung cancer: a bibliometric analysis from 2009 to 2024 2026-Mar-11, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-026-04794-8 PMID:41811536	研究论文	通过文献计量分析，绘制2009至2024年肺癌真实世界研究的知识结构、识别研究趋势并突出未来方向	首次对肺癌真实世界研究进行全面的文献计量分析，覆盖2009至2024年，识别出组合疗法、KRAS突变和深度学习为当前研究前沿	仅基于Web of Science Core Collection数据库，可能遗漏其他重要来源；未提供具体局限性说明	绘制肺癌真实世界研究的知识结构，识别研究趋势，并指出未来方向	2009至2024年间发表的肺癌真实世界研究文献	文献计量学	肺癌	文献计量分析	NA	文献数据	2,137篇文献	CiteSpace, VOSviewer, R包Bibliometrix	NA	NA	NA