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
921	2026-04-21	AI-FLEET: Phase I-Multimodal Deep Learning Model for Phyllodes Tumor Classification 2026-May, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-026-19179-y PMID:41649783	研究论文	本研究开发了一个多模态深度学习模型AI-FLEET，用于区分乳腺叶状肿瘤的良性与交界性/恶性类型	首次将超声图像与临床变量结合，通过多模态深度学习模型提高叶状肿瘤分类的准确性	样本量较小（81例患者），且交界性和恶性叶状肿瘤被合并为一组，可能影响分类的精细度	提高乳腺纤维上皮性病变的诊断准确性，减少术前评估的不确定性	经组织学确认的乳腺叶状肿瘤患者	数字病理学	乳腺癌	超声成像	CNN	图像, 临床数据	81例患者（65例良性，16例交界性/恶性），共1638张超声图像	NA	ConvNeXt, ResNet18	准确率, AUC	NA
922	2026-04-21	Explainable multimodal deep learning models for variable-length sequences in critically ill patients 2026-May, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105001 PMID:41747919	研究论文	本研究开发了一种可解释的多模态深度学习框架，用于处理重症监护患者可变长度的电子健康记录数据，以预测临床事件	提出了两种多模态循环神经网络融合架构（Pre-RNN和Post-RNN），结合了结构化数据和非结构化临床笔记，并利用集成梯度方法实现时间步级别的特征重要性解释	性能提升对于短期事件较为有限（ΔAUPRC < 0.01），且研究依赖于公开数据集，可能受数据质量和通用性限制	开发一个可解释的多模态深度学习框架，以处理重症监护中可变长度的时序数据，并提升临床事件预测的准确性和可解释性	重症监护患者的电子健康记录数据，包括结构化变量和非结构化临床笔记	自然语言处理, 机器学习	危重病	电子健康记录分析, 多模态数据融合	RNN	结构化数据, 文本	使用公开的电子健康记录数据集，具体样本数量未明确说明	未明确指定，可能基于TensorFlow或PyTorch	Time2Vec, RNN	AUPRC	未明确说明
923	2026-04-21	Improved sub-visible particle classification in flow imaging microscopy via generative AI-based image synthesis 2026-May, Journal of pharmaceutical sciences IF:3.7Q2 DOI:10.1016/j.xphs.2026.104225 PMID:41763492	研究论文	本文开发了一种基于生成式AI的图像合成方法，用于改善流式成像显微镜中的亚可见颗粒分类，通过生成高保真图像解决数据不平衡问题	利用最先进的扩散模型生成高保真颗粒图像，以增强训练数据集，从而有效训练多类别深度神经网络，并公开了模型和接口以促进开放研究	未明确提及具体局限性，但可能涉及生成图像的真实性验证范围或模型在更广泛颗粒类型上的泛化能力	解决流式成像显微镜中因数据稀缺和类别不平衡导致的亚可见颗粒分类问题	亚可见颗粒，包括硅油、气泡和蛋白质颗粒	计算机视觉	NA	流式成像显微镜	扩散模型, 深度神经网络	图像	验证数据集包含500,000张蛋白质颗粒图像	NA	NA	分类性能	NA
924	2026-04-20	Enhancing vertebral fracture prediction using multitask deep learning computed tomography imaging of bone and muscle 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12049-3 PMID:41326828	研究论文	本研究开发并外部验证了一种基于CT的多任务深度学习模型，用于预测椎体骨折风险	采用多任务学习框架，整合骨骼和肌肉的CT图像特征，相比仅使用骨骼图像或传统临床模型，显著提升了椎体骨折的预测性能	研究样本主要来自特定年龄范围（50-80岁）的患者，可能限制了模型的泛化能力；外部验证集虽来自两家独立医院，但地域和人群多样性可能不足	开发并验证一种基于CT图像的椎体骨折风险预测模型	50-80岁患者的腹部CT扫描图像	数字病理学	骨质疏松性骨折	CT扫描	深度学习	图像	开发集2553名患者，外部测试集1506名患者	NA	多任务深度学习模型	AUROC, c-index	NA
925	2026-04-20	A deep learning framework to stratify Nottingham histologic grade 2 breast tumors based on dynamic contrast-enhanced MRI 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12208-6 PMID:41405689	研究论文	本研究开发了一个基于动态对比增强MRI的深度学习框架，用于对诺丁汉组织学分级2级乳腺癌进行风险分层	首次利用深度学习模型将诺丁汉组织学分级2级肿瘤重新分类为1级样和3级样子群，并证明其与复发风险独立相关	研究依赖于特定的MRI数据集，外部验证样本量较小，需要进一步的多中心验证	开发一种基于影像的深度学习工具，对诺丁汉组织学分级2级乳腺癌进行风险分层，以指导个体化治疗决策	乳腺癌患者，特别是诺丁汉组织学分级2级的肿瘤	数字病理学	乳腺癌	动态对比增强MRI	CNN	医学影像	训练集877例，测试集37例，外部验证集456例NHG2肿瘤	NA	卷积神经网络	AUC, C-index, 风险比	NA
926	2026-04-20	eCAPRI: a novel tool combining clinical and imaging data for post-TAVI mortality prediction 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12184-x PMID:41420708	研究论文	本研究介绍了一种结合临床和影像数据的增强版CAPRI评分（eCAPRI），用于预测经导管主动脉瓣植入术（TAVI）后一年死亡率	eCAPRI评分通过深度学习模型自动测量胸主动脉钙化体积，并整合了从术前CT扫描中自动提取的额外影像生物标志物，实现了全自动化的风险预测	研究仅在特定患者队列（192例CT扫描）上进行了评估，可能需要进行更大规模、多中心的验证以确认其普适性	开发并验证一种结合自动影像生物标志物和临床因素的评分工具，以改进TAVI术后一年死亡率的预测	接受经导管主动脉瓣植入术（TAVI）的钙化主动脉瓣狭窄（CAS）患者	数字病理学	心血管疾病	CT扫描	深度学习模型	图像	训练集：66名患者用于深度学习模型训练，765例术前CT扫描用于eCAPRI评分训练；评估集：1111例CT扫描用于TAC分割评估，192例CT扫描用于评分比较	NA	NA	AUC, Dice系数, 校准曲线	NA
927	2026-04-19	Deep learning ensemble strategies in Outcome-Based Education (OBE): The influence of ideology and politics on vocational training 2026-May, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.106748 PMID:41921481	研究论文	本研究探讨了深度学习集成策略在成果导向教育中的应用，并分析了意识形态和政治因素对职业培训结果的影响	首次将深度学习集成策略与职业培训的政治意识形态量化指标相结合，用于预测培训成果	未详细说明数据集的具体来源和规模，可能影响结果的泛化能力	评估深度学习集成策略在预测职业培训成果中的应用，并探究政治意识形态对培训效果的影响	职业培训项目及其相关政治背景数据	机器学习	NA	深度学习集成策略	集成学习	结构化数据	NA	NA	Bagging, Boosting, Stacking	准确率	NA
928	2026-04-19	Assessment of Pain Intensity Using Deep Learning Models in Non-Communicative Intensive Care Patients 2026-May, Nursing in critical care IF:3.0Q1 DOI:10.1111/nicc.70478 PMID:41983382	研究论文	本研究评估了使用深度学习模型通过面部图像对非沟通重症监护患者进行疼痛强度分类的可行性和诊断准确性	创建了多专家标注的数据集，并系统比较了不同分类器在多种临床视角下的表现	专家间一致性较低（k=0.16），突显了人工疼痛评估的主观性和变异性	评估深度学习模型在非沟通重症监护患者中分类疼痛严重程度的可行性和诊断准确性	非沟通成人重症监护患者	计算机视觉	NA	深度学习面部分析	CNN, SVM, 随机森林, K近邻	图像	来自120名成人重症监护患者的636张面部图像	NA	DenseNet-169	准确率, 精确率, 灵敏度, F1分数, 受试者工作特征曲线下面积, Fleiss' kappa系数	NA
929	2026-04-19	AlphaFold-driven discovery of oxysterol-binding protein-related protein-phosphoinositide 3-, 4-, and 5-phosphatase interactions using new generation confidence scores 2026-May, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70572 PMID:41983709	研究论文	本文利用AlphaFold驱动的蛋白质相互作用预测方法，系统筛选了OSBP相关蛋白与磷酸肌醇磷酸酶之间的相互作用，并开发了一种结合多种计算工具的综合协议	结合AlphaFold2-Multimer、AlphaFold3和AlphaPulldown2进行大规模蛋白质相互作用筛选，并引入新一代置信度评分（如ipSAE）和FoldSeek-Multimer聚类分析，以评估界面一致性	研究主要基于计算预测，缺乏实验验证，且样本规模相对有限（约200个蛋白质对）	系统定义OSBP相关蛋白与磷酸肌醇磷酸酶的相互作用网络，以理解非囊泡脂质运输在膜接触位点的调控机制	OSBP相关蛋白家族和磷酸肌醇3-、4-、5-磷酸酶	计算生物学	NA	AlphaFold2-Multimer、AlphaFold3、AlphaPulldown2、ConSurf、PeSTo	深度学习模型	蛋白质序列和结构数据	约200个蛋白质对	AlphaFold, AlphaPulldown, FoldSeek, PeSTo	AlphaFold2-Multimer, AlphaFold3	加权ipTM + pTM, actifpTM, ipSAE评分	NA
930	2025-12-19	Deep learning's false positive burden may threaten the MRI harm reduction mandate in screening 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12228-2 PMID:41410706	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
931	2026-04-18	Regulatory risk loci link disrupted androgen response to the pathophysiology of polycystic ovary syndrome 2026-May, Journal of the Endocrine Society IF:3.0Q2 DOI:10.1210/jendso/bvag083 PMID:41994484	研究论文	本研究通过整合分子和表观基因组注释，并应用深度学习框架，预测了多囊卵巢综合征风险变异在细胞类型特异性调控中的作用，揭示了其与雄激素信号通路及疾病病理生理学的关联	首次将深度学习模型与表观基因组数据整合，以预测PCOS风险变异在特定细胞类型中的调控效应，并揭示了这些变异如何通过破坏雄激素介导的信号通路影响疾病表型	研究主要基于计算预测和体外实验数据，缺乏体内功能验证；样本类型和数量可能限制了对所有相关细胞类型的全面覆盖	解析多囊卵巢综合征遗传易感位点如何通过调控机制驱动疾病表型，特别是与雄激素信号相关的病理生理过程	多囊卵巢综合征的风险遗传变异及其在脑和内分泌细胞类型中的调控效应	机器学习	多囊卵巢综合征	表观基因组注释、深度学习框架、报告基因检测	深度学习模型	分子和表观基因组数据	NA	NA	NA	与报告基因检测数据的一致性	NA
932	2026-04-14	A Systematic Review on Applications of Artificial Intelligence for Obesity Prevention 2026-May, Obesity reviews : an official journal of the International Association for the Study of Obesity IF:8.0Q1 DOI:10.1111/obr.70062 PMID:41436079	系统综述	本文系统综述了人工智能在肥胖预防中的应用，综合分析了2008年至2024年间发表的46项研究	首次系统性地综述了AI在肥胖预防领域的应用，并识别了研究空白，如预防、管理和治疗方面的探索不足	缺乏将AI整合到现实世界环境的综合框架，且预防策略的针对性研究不足	探讨人工智能技术在肥胖预防中的应用潜力，以应对这一关键公共卫生问题	肥胖预防相关的AI研究文献	机器学习	肥胖	机器学习、深度学习	支持向量机、长短期记忆网络	NA	46项研究	NA	NA	准确率、灵敏度	NA
933	2026-04-14	Hepatic and abdominal adiposity in type 2 diabetes as assessed with machine learning on computed tomography scans 2026-May, Diabetes, obesity & metabolism DOI:10.1111/dom.70557 PMID:41705581	研究论文	本研究利用机器学习分析CT扫描，评估了2型糖尿病患者肝脏和腹部脂肪的关联	首次在大规模、种族多样化的医学生物库中，结合深度学习量化多个腹部影像特征，并揭示肝脏变化可能影响脾脏大小对糖尿病的作用	研究基于单中心数据，且糖尿病状态仅通过血红蛋白A1c阈值确定，可能未涵盖所有糖尿病亚型	探究2型糖尿病与腹部影像特征（如肝脏脂肪变性、内脏脂肪）之间的关系	1594名患者（包括950名非糖尿病患者和644名2型糖尿病患者）	医学影像分析	2型糖尿病	计算机断层扫描（CT）	深度学习	CT图像	1594名患者	NA	NA	比值比（OR）、置信区间、p值	NA
934	2026-04-14	Artificial intelligence risk stratification from dynamic digital subtraction angiography radiomics predicts pulmonary embolism and associates with clinical outcomes in deep vein thrombosis: A retrospective cohort study 2026-May, Journal of vascular surgery. Venous and lymphatic disorders DOI:10.1016/j.jvsv.2026.102450 PMID:41638306	研究论文	本研究开发并验证了一种基于动态数字减影血管造影影像组学的人工智能风险分层系统，用于预测下肢深静脉血栓患者的肺栓塞风险	首次提出结合Transformer-UNet和LSTM网络的混合深度学习模型，从动态DSA序列中提取血栓运动学和血流动力学新参数，实现实时风险分层	回顾性单中心研究，样本量有限（168例患者），需要前瞻性多中心验证	开发人工智能系统以改进下肢深静脉血栓的风险分层，指导精准治疗决策	下肢深静脉血栓患者	数字病理	心血管疾病	动态数字减影血管造影	深度学习, Transformer, LSTM	动态影像序列	168例患者（来自单一血管外科中心，2019-2023年）	NA	Transformer-UNet, LSTM	AUC, 相对风险, 置信区间	NA
935	2026-04-14	Deep Learning Reconstruction Enables Diagnostic-Quality 0.4T Knee and Spine MRI in One-Third of the Time 2026-May, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70274 PMID:41866229	研究论文	本研究利用深度学习模型加速低场强0.4T膝关节和脊柱MRI扫描，在三分之一的时间内获得诊断质量的图像	首次在低场强0.4T MRI中应用级联独立循环推理机模型进行图像重建，并系统评估了最大加速倍数	放射科医生对较高加速倍数的评分存在差异，表明最佳加速因子具有情境依赖性，且观察者间一致性较低	通过深度学习加速低场强MRI扫描，提高其临床可用性	膝关节和脊柱的MRI图像	医学影像分析	肌肉骨骼系统疾病	MRI, k-space欠采样	深度学习	医学图像	包含多种对比度、方向和矩阵尺寸的异质性膝关节和脊柱2D多切片扫描数据集	NA	CIRIM	L1损失, SSIM, 感知损失, Kendall's Tau, Cohen's Kappa	NA
936	2026-04-14	Using deep learning to assess the toxicological effects of sublethal exposure of a novel green pesticide in a stored-product beetle 2026-May, Pest management science IF:3.8Q1 DOI:10.1002/ps.70545 PMID:41635154	研究论文	本研究利用深度学习评估一种新型绿色农药对仓储害虫的亚致死毒性效应	开发了全自动计算机视觉方法标注昆虫身体部位，无需人工干预生成标注数据集，并训练CNN进行姿态估计，结合机器学习分类器分析行为变化	LC10和LC30类别的个体区分度较低，亚致死浓度效应区分有限	评估绿色农药对仓储害虫的亚致死毒性效应，支持害虫综合治理	仓储害虫Prostephanus truncatus（大谷蠹）	计算机视觉	NA	计算机视觉，深度学习	CNN	图像	NA	NA	卷积神经网络	平均精度，召回率，F1分数	NA
937	2026-04-12	Tumor burden in metastatic colorectal cancer quantified using deep learning models: Prognostic value and maintenance treatment benefit in the CAIRO3 trial 2026-May-02, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2026.116668 PMID:41819026	研究论文	本研究利用深度学习模型量化转移性结直肠癌的肿瘤负荷，探讨其在预后评估和维持治疗获益中的价值	首次在CAIRO3试验中应用自动化深度学习分割模型量化肿瘤负荷，并发现低肿瘤体积患者从维持治疗中获益更显著	探索性分析，样本量较小（104例患者），需进一步验证	评估转移性结直肠癌中肿瘤负荷的预后和预测价值	CAIRO3试验中伴有肝和/或肺转移的转移性结直肠癌患者	数字病理学	结直肠癌	深度学习分割模型	深度学习模型	医学影像	104例患者，共3989个转移性病灶	NA	NA	p值	NA
938	2026-04-12	MuTriM: A multiscale deep learning model integrating longitudinal radiomics and pathomic features for predicting recurrence and adjuvant radiation benefit in breast cancer 2026-May-02, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2026.116679 PMID:41850009	研究论文	本文提出了一种名为MuTriM的多模态深度学习模型，通过整合动态对比增强磁共振成像的放射组学特征和全切片病理图像的病理组学特征，用于预测乳腺癌的复发和辅助放疗获益	开发了一个基于注意力的跨模态和跨时间融合框架，首次同时整合了纵向DCE-MRI放射组学特征和WSI上的细胞形态病理组学特征，以多尺度方式预测乳腺癌预后	研究样本量相对有限（训练集335例，外部测试集126例），且仅使用了FUSCC和TCGA两个队列的数据，可能缺乏更广泛人群的验证	预测乳腺癌患者的无复发生存期和辅助放疗获益，为个体化治疗提供指导	乳腺癌患者，包括HER2+和ER+亚型人群	数字病理学	乳腺癌	DCE-MRI, 全切片病理成像	深度学习模型	图像（DCE-MRI和WSI）	训练集：FUSCC队列335例；外部测试集：TCGA队列126例	NA	基于注意力的跨模态和跨时间融合框架	风险比, 95%置信区间, p值, C指数	NA
939	2026-04-12	18F-FDG PET-based ensemble deep learning model for the prediction of lymphovascular invasion in colorectal cancer patients 2026-May, Abdominal radiology (New York) DOI:10.1007/s00261-025-05282-3 PMID:41217477	研究论文	本研究开发了一种基于18F-FDG PET图像的2.5维集成深度学习模型，用于预测结直肠癌患者的淋巴血管侵犯	提出了一种结合不同肿瘤区域（原发灶、近端及远端瘤周）的2.5D集成深度学习模型，并利用支持向量机融合多个深度学习模型的预测结果，以提高淋巴血管侵犯的预测性能	研究为回顾性设计，样本量相对较小（177例患者），且仅进行了内部测试，缺乏外部验证	评估基于18F-FDG PET图像的深度学习模型在预测结直肠癌患者淋巴血管侵犯方面的诊断性能	结直肠癌患者	数字病理学	结直肠癌	18F-FDG PET/CT成像	集成深度学习模型	PET图像	177名结直肠癌患者	NA	VGG16, Googlenet, ResNet50, DenseNet201, Vision Transformer	AUC, 准确率, F1分数	NA
940	2026-04-12	Poincaré feature-based classification of electroencephalography signals for multiple sclerosis diagnosis 2026-May, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2026.107092 PMID:41747647	研究论文	本研究探索使用基于Poincaré图的EEG信号特征来区分多发性硬化症患者与健康个体	首次将Poincaré图特征应用于EEG信号以辅助多发性硬化症的诊断，并结合传统机器学习与深度学习模型进行比较分析	样本量有限（仅50名受试者），结果需视为初步发现，需要更大规模的数据集进行验证	开发一种基于EEG的低成本、无创方法来辅助多发性硬化症的诊断	多发性硬化症患者和健康对照个体的EEG信号	机器学习	多发性硬化症	EEG信号处理	KNN, DT, RF, MLP, CNN, LSTM, GRU	EEG信号	50名受试者（25名多发性硬化症患者，25名健康对照）	NA	CNN+LSTM, LSTM+GRU	准确率, 灵敏度, 特异性	NA