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
121	2026-08-18	The Role of Artificial Intelligence in Diagnosing Acute Ischemic Stroke Using Diffusion MRI: A Multicenter External Validation Study 2026-Apr-21, Journal of integrative neuroscience IF:2.5Q3 DOI:10.31083/JIN48811 PMID:42052764	研究论文	本研究评估并外部验证了一种基于弥散加权MRI的深度学习模型用于自动检测急性缺血性卒中，并与专家放射科医生的诊断性能进行比较。	通过多中心外部验证，证明深度学习模型在急性缺血性卒中诊断中的泛化能力和临床应用潜力，并利用Grad-CAM可视化确认模型关注正确的病理区域。	未提及具体的局限性。	评估和外部验证基于DWI-MRI的深度学习模型在急性缺血性卒中检测中的性能，并与专家放射科医生比较，以确定其泛化性和临床实用性。	急性缺血性卒中患者和非卒中对照病例。	医学影像分析	急性缺血性卒中	弥散加权成像（DWI）	深度卷积神经网络（CNN）	磁共振成像（MRI）图像	共732例病例：中心1用于训练（n=452）和内部验证（n=80），中心2外部验证（n=100），中心3外部验证（n=100）。	NA	深度卷积神经网络（CNN）	敏感性、特异性、准确性、AUC	NA
122	2026-08-18	Cell-MICS: Detecting Immune Cells With Label-Free Two-Photon Autofluorescence and Deep Learning 2026-04, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70260 PMID:41923530	研究论文	本研究探讨利用无标记双光子自发荧光和深度学习实现免疫细胞的计算特异性检测	首次将深度学习与无标记双光子自发荧光结合，为免疫细胞分类提供计算特异性，无需传统抗体标记	分类任务为离体细胞，未在体内环境中验证，且多分类准确率有限	开发基于深度学习的无标记免疫细胞分类方法，以支持体内无标记成像	六种分离的免疫细胞类型，包括T细胞和中性粒细胞	计算机视觉	NA	双光子显微镜（2P-AF）、卷积神经网络	CNN	图像	六种免疫细胞类型，具体样本数量未提供	NA	SqueezeNet	ROC-AUC, PR-AUC, F1分数, 精确率, 召回率	NA
123	2026-08-18	Advancing air pollution forecasting: a review of physical, statistical, and machine learning methods 2026-Apr, Environmental science and pollution research international DOI:10.1007/s11356-026-37789-7 PMID:42070218	综述	本文回顾了用于空气污染预测的物理模型、统计方法和机器学习技术，并重点探讨了混合与集成模型及新兴方向。	强调物理驱动与数据驱动相结合的混合和集成模型，并讨论了物理信息机器学习和边缘计算模型等新兴方向。	未提及具体局限性。	综述空气污染预测的建模工具和方法，以提升预测精度和稳健性，促进全球空气质量公平管理。	空气污染物浓度数据及其预测模型。	机器学习	NA	NA	机器学习模型、深度学习模型、混合模型、集成模型、物理信息机器学习	空气污染浓度数据	NA	NA	NA	预测精度、稳健性	边缘计算
124	2026-08-17	Transformer-based Siamese multimodal imaging model for predicting pathological complete response after neoadjuvant chemoradiotherapy in locally advanced rectal cancer 2026-Apr-30, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-16049-4 PMID:42062990	研究论文	本研究提出并验证了一种基于Transformer的Siamese多模态成像框架，用于预测局部晚期直肠癌新辅助放化疗后的病理完全缓解	创新性地将Transformer架构与Siamese多模态特征融合相结合，整合治疗前后的MRI特征，显著提高了pCR预测性能	未在更广泛的外部队列中验证，且依赖回顾性多中心数据，可能受选择偏倚影响	开发可靠的预测模型以支持器官保留策略，避免不必要的手术	接受新辅助放化疗的局部晚期直肠癌患者	医学影像分析	直肠癌	多模态磁共振成像	Transformer	MRI图像	440例患者，1,197个手工提取的影像组学特征	PyRadiomics	ResNet101，Transformer	AUC，决策曲线分析，校准曲线	NA
125	2026-08-16	External validation of an explainable electrocardiogram-only deep learning algorithm for the prediction of response after cardiac resynchronization therapy 2026-04, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2026.01.014 PMID:41525968	研究论文	本文旨在外部验证一个基于心电图的深度学习算法，用于预测心脏再同步化治疗后的反应	该算法仅使用心电图数据，通过可解释的生成因素预测CRT反应，并首次在外部验证中评估其对不同医院低风险人群的泛化能力	外部验证仅针对容积性无反应，未评估临床结局，且样本量较小	验证可解释的深度学习算法（FactorECG）在不同医院患者中预测心脏再同步化治疗无反应的有效性	接受心脏再同步化治疗的患者	深度学习	心脏疾病	心电图（ECG）	深度学习算法	心电图数据	训练集：1306名患者；外部验证集：161名患者	NA	FactorECG	C-statistic	NA
126	2026-08-14	Current Status and Future Projections of Artificial Intelligence-Assisted Ultrasonography and Needle Visibility Methods in Regional Anesthesia 2026-Apr-24, The Eurasian journal of medicine DOI:10.5152/eurasianjmed.2026.261453 PMID:42364233	综述	本文综述了人工智能辅助超声和针显影方法在区域麻醉中的现状和未来展望	系统性地总结了人工智能在超声引导区域麻醉中的应用，包括实时解剖分割、自动针追踪和图像优化，并讨论了自动化偏见和临床监督需求	缺乏对算法性能的具体量化评估和对照研究，且对非典型解剖中的算法表现等担忧仅作定性讨论	评估人工智能辅助超声和针显影在区域麻醉中的当前应用和潜在发展方向，以提高安全性和标准化	区域麻醉中的超声引导技术及人工智能辅助系统	医学影像	不适用	超声成像	卷积神经网络，深度学习	超声图像	不适用	不适用	不适用	不适用	不适用
127	2026-08-13	AI-driven lateral flow immunoassay for point-of-care detection of cardiac biomarkers in acute myocardial infarction 2026-04-20, Mikrochimica acta DOI:10.1007/s00604-026-08054-y PMID:42008011	研究论文	本研究开发了一种结合深度学习机器视觉模型的功能化金纳米颗粒侧向流动免疫分析平台，用于急性心肌梗死中心肌生物标志物的快速定量检测。	创新性地将深度学习机器视觉与金纳米颗粒侧向流动免疫分析相结合，实现了心肌生物标志物的快速定量检测，检测时间缩短46.7%，并提高了检测效率。	摘要中未提及局限性。	旨在开发一种AI增强的侧向流动免疫分析平台，用于急性心肌梗死相关心肌生物标志物的灵敏、快速和便携式定量检测。	研究对象为心肌生物标志物肌红蛋白和心肌肌钙蛋白I，以及加标血清样本。	计算机视觉	急性心肌梗死	侧向流动免疫分析	深度学习	图像	加标血清样本（具体数量未提及）	NA	NA	检测限、相关系数（R²）	NA
128	2026-08-13	A vision-language foundation model improves preoperative diagnosis of follicular thyroid neoplasms using ultrasound images 2026-Apr-16, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01430-0 PMID:41991963	研究论文	开发了一种名为FTC-Net的视觉-语言基础模型，利用超声图像进行甲状腺滤泡性肿瘤的术前分类诊断	首次将视觉-语言基础模型应用于甲状腺滤泡性肿瘤的术前诊断，能够减少不必要的细针穿刺活检和手术	摘要中未明确提及局限性	实现甲状腺滤泡性癌和甲状腺滤泡性腺瘤的术前无创鉴别诊断，改善临床决策并减少不必要的手术	甲状腺滤泡性肿瘤（包括甲状腺滤泡性癌和甲状腺滤泡性腺瘤）	计算机视觉	甲状腺滤泡性肿瘤	超声成像	视觉-语言基础模型	超声图像	2421名患者（6477张图像），来自14个机构，其中1462名用于训练，578名和381名用于两个独立验证队列	NA	NA	AUC	NA
129	2026-08-13	Deep learning inference of cell type-specific gene expression from breast tumor histopathology 2026-Apr-16, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01419-9 PMID:41986599	研究论文	开发了SLIDE-EX，一个从乳腺癌组织病理学全切片图像直接推断细胞类型特异性基因表达的深度学习框架	首次利用深度学习从H&E染色的全切片图像直接推断细胞类型特异性基因表达，避免了单细胞RNA测序和批量RNA测序的高成本和耗时	训练和验证仅限于乳腺癌队列（TCGA-BRCA），独立验证队列规模相对较小（160例），最稳健的预测仅限于特定细胞类型（如癌症相关成纤维细胞、癌细胞和髓系细胞）	开发一种从常规组织病理学切片中快速、低成本推断细胞类型特异性基因表达的方法，以增强对肿瘤微环境的表征和化疗反应预测	乳腺癌肿瘤组织的全切片图像（WSIs）以及来自TCGA-BRCA和160例独立队列的推断细胞类型特异性基因表达	数字病理学	乳腺癌	H&E染色全切片成像	深度学习模型（具体类型未在摘要中明确）	图像、基因表达数据	TCGA-BRCA队列（样本量未明确）和160例独立队列	PyTorch	卷积神经网络（CNN）	表现最佳基因预测、细胞类型丰度预测性能（具体指标如相关性或误差未在摘要中明确）	未在摘要中提供具体信息
130	2026-08-13	Federated CT foundation models for multi-center detection of lymph node metastasis in pancreatic cancer 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47631-2 PMID:41957506	研究论文	提出了一种结合CT基础模型预训练和异构感知联邦优化的隐私保护深度学习框架，用于多中心胰腺癌淋巴结转移检测	将大规模CT基础模型预训练与标签分布差异和表征级别散度感知的联邦聚合相结合，以应对跨机构数据异质性，实现隐私保护下的多中心LNM检测性能提升	研究为回顾性多中心设计，样本数量相对有限（546例患者），且未提供外部验证或前瞻性临床验证	开发一种隐私保护的深度学习方法，利用CT影像数据提高胰腺导管腺癌术前淋巴结转移检测的准确性和泛化性，同时解决多中心数据异质性问题	来自三个医疗机构的546例胰腺导管腺癌患者的术前CT扫描数据	医学影像分析, 联邦学习, 深度学习	胰腺癌（胰腺导管腺癌）	CT成像, 对比自监督学习	CT视觉基础模型（3D表征）、联邦聚合算法	CT影像	546例患者（来自三个机构），预训练使用148,000个容积CT扫描	NA	CT视觉基础模型（基于对比自监督学习）	平衡准确率, 诊断优势比 (DOR)	NA
131	2026-08-13	Investigation of multimodal deep learning models for predicting ovarian tumor malignancy based on ultrasound images and clinical information - a comprehensive comparative study against readers and O-RADS 2026-04-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02312-4 PMID:41942868	研究论文	本研究全面比较了基于多模态超声图像和临床信息的深度学习模型与放射科医生及O-RADS在预测卵巢肿瘤恶性程度方面的性能	首次综合比较了融合灰度超声和彩色多普勒血流成像的双模态模型（DLM2F）以及进一步整合临床数据的三模态模型（DLM3F）与专家放射科医生和O-RADS的诊断性能，展示了多模态深度学习在卵巢肿瘤分类中的优越性	摘要未提及具体局限性	探究基于多模态超声图像和临床数据的深度学习模型在区分良性和恶性卵巢肿瘤中的有效性，并与传统方法进行比较	卵巢肿瘤患者，包括良性和恶性肿瘤	医学影像分析	卵巢肿瘤	超声成像（灰度超声和彩色多普勒血流成像）	深度学习模型（Dense Convolutional Network）	多模态数据（超声图像和临床信息）	508名卵巢肿瘤患者（平均年龄44.3±15.9岁），其中327例良性，181例恶性	NA	Dense Convolutional Network	AUC、敏感性、特异性	NA
132	2026-08-13	Artificial-Intelligence-Based Radiologic, Histopathologic, and Molecular Models for the Diagnosis and Classification of Malignant Salivary Gland Tumors: A Systematic Review and Functional Meta-Synthesis 2026-04-05, Medical sciences (Basel, Switzerland) DOI:10.3390/medsci14020183 PMID:42029607	系统综述	对基于人工智能的放射学、组织病理学和分子模型在恶性唾液腺肿瘤诊断和分类中的应用进行系统综述和功能元综合	首次通过功能元综合整合放射学、组织病理学和分子领域的人工智能模型在恶性唾液腺肿瘤诊断任务中的角色，并识别三个汇聚的诊断领域	研究间模型构建、结局定义和验证策略存在异质性，无法进行荟萃分析；多数研究存在高偏倚风险，且校准和实用性评估不足	识别并批判性评估基于放射学、组织病理学和分子数据的人工智能/机器学习模型在恶性唾液腺肿瘤中的诊断和分类性能，并通过功能元综合整合其诊断角色	恶性唾液腺肿瘤（MSGTs）患者队列及相应的人工智能/机器学习诊断或分类模型	数字病理学	恶性唾液腺肿瘤	放射组学、深度学习、DNA甲基化测序	深度学习模型（具体类型未指定）	影像（CT/MRI）、全切片组织病理图像、分子数据（DNA甲基化）	8项研究，共1922名参与者	NA	NA（具体架构未在标题和摘要中说明）	AUC（曲线下面积）	NA
133	2026-08-12	Risk prediction model of survival in patients with low-grade serous ovarian cancer: a multicenter Cohort study 2026-Apr-18, Journal of ovarian research IF:3.8Q1 DOI:10.1186/s13048-026-02108-8 PMID:42001128	研究论文	本研究旨在开发并验证一个用于预测低级别浆液性卵巢癌患者复发和生存结局的风险预测模型，并以列线图形式可视化。	首次整合Cox回归和深度学习模型，针对LGSOC这一罕见亚型，预测性能优于传统FIGO分期系统，提供个性化预后评估。	研究为回顾性设计，样本量相对较小，模型仅通过内部验证，缺乏外部验证。	开发并验证预测LGSOC患者复发和生存结局的预测模型，并评估其优于FIGO分期的潜力。	155例低级别浆液性卵巢癌患者。	临床预测模型	低级别浆液性卵巢癌	NA	Cox回归模型、深度学习模型	临床数据	155例患者	NA	NA	AUC、校准曲线、C-index、NRI、IDI、Kaplan-Meier分析	NA
134	2026-08-12	[Expert consensus on optimizing the multidisciplinary clinical pathways and management models for pulmonary function testing] 2026-Apr-12, Zhonghua jie he he hu xi za zhi = Zhonghua jiehe he huxi zazhi = Chinese journal of tuberculosis and respiratory diseases DOI:10.3760/cma.j.cn112147-20251114-00713 PMID:41912385	专家共识	本文旨在通过修改后的德尔菲法和系统文献综述，优化肺功能检查的多学科临床路径和管理模型，提出针对性的实施方案，以规范肺功能检查实践并加强全国范围内的多学科合作。	创新点在于利用信息技术（如HIS、AI辅助CT、云平台）和强化组织协调，提出了一套全面的优化路径，包括自动识别适用人群、标准化数据平台、AI质量控制与解读等。	未明确提及具体限制，但可能包括对资源和技术依赖较大，以及在不同医疗机构实施中的可行性挑战。	优化肺功能检查的多学科临床路径和管理模型，通过信息技术和组织协调，提高肺功能检查的利用率、标准化和效率。	肺功能检查的临床路径和管理，涉及目标人群识别、检查方式选择、部门职责、质量控制、数据共享等。	临床医学，多学科协作	慢性呼吸系统疾病（如COPD），肺功能异常	肺功能检查（包括肺量计、强迫振荡技术、肺弥散功能测试、6分钟步行试验等），AI辅助CT，修改后的德尔菲法，系统文献综述	AI深度学习模型（用于质量控制与解读）	临床数据、肺功能报告、影像数据（CT等），问卷数据	未指定具体样本量；涉及全国范围内的医疗机构和专家共识	未明确指定具体框架	未明确指定具体架构（提及AI深度学习模型）	未明确指定具体指标，但涉及准确性、效率、可重复性等	未明确描述，但涉及信息平台、云存储等
135	2026-08-12	Multimodal artificial intelligence predicts PIK3CA mutation in breast cancer from digital pathology and clinical data: a multicenter study 2026-Apr-07, Cancer biology & medicine IF:5.6Q1 DOI:10.20892/j.issn.2095-3941.2025.0771 PMID:41968976	研究论文	本研究开发了一个多模态深度学习框架，整合全切片图像和结构化临床数据，以预测乳腺癌中PIK3CA突变状态	通过融合组织病理学图像和临床数据的多模态方法，并利用transformer预训练编码器和聚类约束的多示例学习，提高了突变预测的准确性和泛化能力	外部验证队列的AUC值略低于训练集，多中心数据的异质性可能影响模型的稳定性	提高乳腺癌PIK3CA突变预测的准确性和可访问性，作为分子检测的替代方案	乳腺癌患者，包括TCGA队列（1047例）和3个外部中心的166例患者	数字病理学	乳腺癌	全切片成像（WSI）	Transformer、多示例学习（MIL）、XGBoost	病理图像和结构化临床数据	1213例患者（TCGA 1047例，外部中心166例）	PyTorch	H-optimus-0、CLAM-SB MIL	AUC	NA
136	2026-08-12	Structural instability in phenotype-oriented artificial intelligence: a conceptual perspective from a model system for primary care implementation 2026-Apr-03, Family practice IF:2.4Q2 DOI:10.1093/fampra/cmag026 PMID:42154988	社论	本文基于对35项多模态深度学习研究的系统综合，探讨了面向表型的人工智能在初级保健中的结构不稳定性问题，并提出了KNOW框架以指导更安全的实施。	提出了四个支柱的KNOW框架，强调从架构中心基准转向表型主导开发，以解决跨背景稳健性问题。	基于编辑观点和有限的综合研究数量，数值作为分散性指标而非权威性能基准。	探讨面向非疾病表型（如衰弱、抑郁风险）的人工智能系统在初级保健中的结构稳定性问题，并提议更可靠的实施框架。	非疾病表型（如衰弱状态、抑郁风险概况、心脏代谢亚型、多维健康构念）及初级保健人群。	机器学习	非疾病表型，包括衰弱、抑郁风险、心脏代谢亚型	多模态深度学习	深度学习模型（具体类型未指定）	多模态数据（具体类型未指定）	35项深度学习研究	NA	NA	敏感性、特异性、I²值、准确性（预测区间）	NA
137	2026-08-12	Predictive modeling of gene expression and localization of DNA binding site using deep convolutional neural networks 2026-Apr, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014092 PMID:41920894	研究论文	开发了深度卷积神经网络DARSI，利用大规模平行报告分析（MPRA）数据预测基因表达水平并定位DNA结合位点。	提出DARSI，一种基于卷积神经网络的框架，能够考虑调控序列中远距离碱基的相关性，直接预测基因表达水平并以单碱基分辨率识别转录因子结合位点，同时预测新型未映射的结合位点。	摘要中未提及明确的局限性。	利用深度学习提高MPRA数据的解读能力，实现调控序列的基因表达预测和转录因子结合位点定位。	调控DNA序列及其转录因子结合位点。	深度学习	NA	大规模平行报告分析（MPRA）	卷积神经网络（CNN）	DNA序列数据	未明确说明样本数量	NA	卷积神经网络（CNN）	准确性（通过基准数据库验证）	NA
138	2026-08-12	Glaucomatous Remodeling of the Lamina Cribrosa: Association With Visual Field Progression 2026-04-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.67.4.3 PMID:41920143	研究论文	本研究探讨原发性开角型青光眼患者筛板深度和曲率变化速率与视野进展速率之间的关系	利用深度学习自动分割筛板表面，并首次纵向分析筛板重塑（深度和曲率变化）与视野进展速率的关联，发现年龄、眼压和角膜厚度对重塑程度有修饰作用	未在摘要中明确提及局限性	确定POAG患者筛板深度和曲率变化速率是否与视野进展速率相关	原发性开角型青光眼（POAG）患者的眼睛	医学影像分析	青光眼	光学相干断层扫描（OCT）	深度学习模型（具体类型未指定）	OCT图像（径向B扫描）	未明确给出具体样本量	未提及	未提及	未提及	未提及
139	2026-08-12	Development and validation of a deep learning model to predict visual and anatomical prognosis of anti-VEGF therapy for neovascular age-related macular degeneration (KongMing Study): a prospective, nationwide, multicentre study 2026-Apr, The Lancet. Digital health DOI:10.1016/j.landig.2025.100971 PMID:41896127	研究论文	开发并验证了一个深度学习模型（KongMing模型），用于预测新生血管性年龄相关性黄斑变性患者接受抗VEGF治疗后的视觉和解剖预后	基于病灶感知、Transformer架构的多任务深度学习模型，首次实现同时预测抗VEGF治疗后多个时间点的视觉和解剖预后，并优于传统CNN模型和眼科医生	大部分患者来自中国三级转诊医院，可能影响普遍性；需要进一步外部验证	开发并验证一个能够预测nAMD患者抗VEGF治疗预后的深度学习模型	来自中国18家三级转诊医院的nAMD患者，共1226名参与者形成内部数据集，172名参与者形成外部数据集	深度学习	新生血管性年龄相关性黄斑变性	光学相干断层扫描（OCT）成像	Transformer	OCT图像	内部数据集：29,772张OCT图像来自1226名参与者；外部数据集：3,308张OCT图像来自172名参与者；共1398名参与者	NA	Structural-Attention Guided Therapeutic Response Predicting Model（基于Transformer的多任务架构）	AUC、准确率、敏感性、特异性、精确率、平均精确率、MAE、R²、SSIM	NA
140	2026-08-11	Masked pre-training and pseudo-vessel enhancement-based semi-supervised cerebral vascular segmentation 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70440 PMID:41988737	研究论文	提出一种基于掩码预训练和伪血管增强的半监督脑血管分割框架，用于CTA和CTP图像中的脑血管分割	结合双尺度掩码预训练、伪血管增强和多级一致性损失，在有限标注数据下实现高精度分割并增强小血管连续性	未提及具体局限性	开发一种仅使用有限标注数据即可实现高精度脑血管分割的半监督学习框架，同时提高对小血管连续性和鲁棒性的处理能力	脑血管（CTA和CTP图像中的脑血管）	计算机视觉	脑血管疾病	NA	半监督分割模型	图像（CTA和CTP扫描图像）	948例CTA和CTP扫描，使用5%、10%、20%、50%和100%五种标注比例	NA	NA	Dice系数	NA