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
181	2026-08-28	A transparent and generalizable deep-learning framework for genomic ancestry prediction 2026-Jul-02, American journal of human genetics IF:8.1Q1 DOI:10.1016/j.ajhg.2026.06.003 PMID:42392034	研究论文	本研究开发了一个透明且泛化的深度学习框架，用于从SNP数据预测基因组祖先，并验证其在多个生物库中的适用性和可解释性。	引入Diet Network架构处理高维SNP数据，强调跨人群泛化能力，并应用多种归因技术（如DeepLift）提升模型透明度，识别种族特异性信号。	训练数据缺乏北非人群，可能影响对该群体预测的准确性，尽管模型展示了泛化能力。	从遗传数据中预测祖先，重点在于泛化性和可解释性，以支持大规模生物库中的基因组研究公平性。	人类个体及其遗传数据（SNP）来自千基因组项目、CARTaGENE、蒙特利尔心脏研究所和All of Us生物库。	机器学习	NA	SNP基因分型（来自千基因组项目等）	深度学习（Diet Network）	基因型数据（SNP）	涉及多个生物库，具体样本数未提及，包括多个人群（如北非个体）	未指定	Diet Network	泛化性能、鲁棒性（针对缺失SNP）	NA
182	2026-08-28	Smartphone-Based Proactive Self-Screening for Ocular Surface Malignancies: A Nonrandomized Clinical Trial 2026-07-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2026.1609 PMID:42240998	临床试验	该研究开发并验证了一种基于智能手机的AI系统，用于一般人群眼表恶性肿瘤的主动自我筛查，通过非随机临床试验评估其性能	创新性地整合了智能手机成像、AI诊断和媒体推广，构建了可扩展的闭环移动健康模型，用于罕见眼表恶性肿瘤的人群筛查	研究为非随机设计，且实际参与筛查的样本量相对较小，可能影响结果的普遍性	开发并验证一种基于智能手机的AI系统，以促进一般人群对眼表恶性肿瘤的主动自我筛查，提高早期检测率	眼表恶性肿瘤患者及疑似病变的普通人群	计算机视觉, 数字病理学	眼表恶性肿瘤	智能手机摄影, AI图像分析	深度学习模型	裂隙灯图像, 智能手机图像	614名参与者完成自我筛查，其中20例经病理确诊为恶性肿瘤	NA	NA	AUC, 灵敏度, 特异度	NA
183	2026-08-28	Consensus-Based Minimum Requirements for the Adoption of a Computational Pathology Algorithm for Tumor Budding in Colorectal Cancer: An Early Health Technology Assessment 2026 Jul-Sep, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-26-00034 PMID:42536993	研究论文	通过国际德尔菲研究，建立结直肠癌肿瘤出芽计算病理算法验证和临床采用的最低共识要求	首次利用国际德尔菲过程为肿瘤出芽计算病理算法的临床采用制定共识性最低要求	部分要求未达成共识，且评估需考虑具体情境，可能限制通用性	确定计算病理算法用于结直肠癌肿瘤出芽评估的验证和临床采用的最低要求，以提高诊断准确性和患者护理	结直肠癌肿瘤出芽的计算病理算法	数字病理学	结直肠癌	NA	深度学习	专家意见	59名病理学家参与第一轮，第二轮回复率90%	NA	NA	共识率	NA
184	2026-08-28	Enhancing Outcome Measurement in Oncology Clinical Trials Through Artificial Intelligence: A Scoping Review 2026-07, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-26-00014 PMID:42430670	综述	本文通过范围综述，系统概述了人工智能在肿瘤临床试验中的应用，重点关注结局指标选择和替代终点评估，并探讨了患者选择、生物标志物识别和合成对照组等新兴领域。	首次以范围综述形式，结构化梳理AI在肿瘤试验结局测量中的应用，并强调替代终点评估和潜在即时应用领域。	AI应用仍处于研究阶段，缺乏标准化和监管认可，且综述未涵盖所有试验阶段。	评估AI在肿瘤临床试验结局测量中的当前应用、潜力及挑战，以提升试验效率和患者中心性。	肿瘤临床试验中的结局指标选择、替代终点评估及相关AI应用。	人工智能在医学中的应用	肿瘤	深度学习	深度学习模型	临床试验数据	NA	NA	NA	NA	NA
185	2026-08-28	ConLymphNet: A Generalizable Region-Constrained Deep Learning Architecture for Precise Abdominal Lymph Node Segmentation Across Cancer Types 2026 Jul-Sep, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-25-00299 PMID:42456080	研究论文	提出并验证了ConLymphNet，一种基于椎体标志物进行区域约束的深度学习架构，用于跨癌症类型的腹部淋巴结精确分割	引入椎体标志物作为解剖参考点来标准化感兴趣区域，并采用三维nnUNet分割模型，结合新预处理流程，实现了跨癌症类型和成像协议的通用性	性能随淋巴结位置和大小变化，较大淋巴结效果更好；外部验证数据集中性能有所下降	开发并验证一种自动化腹部淋巴结分割方法，以提高癌症分期和治疗规划的准确性和效率	腹部淋巴结CT影像	深度学习	多种癌症（胆囊癌、公共淋巴结数据集、多癌种数据集）	NA	深度学习模型	CT图像	481例胆囊癌CT增强扫描，外部验证包括胆囊癌54例、公共淋巴结81例、多癌种606例	NA	nnUNet	Dice系数、假阳性率、检测率、分割准确率	NA
186	2026-08-26	On the Prediction of pDNA Productivity Across Diverse Bioprocesses Using Ensemble Hybrid Models 2026-07, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.70207 PMID:42130220	研究论文	该文提出一种集成混合建模方法，用于预测不同生物工艺中质粒DNA的生产率，结合机理动态质量平衡与深度学习衍生的动力学速率。	采用集成混合模型，将每个速率项替换为全连接人工神经网络，并整合历史数据和分类变量；引入渐进式迁移学习框架以适应新的大肠杆菌菌株和培养模式。	未明确说明，但可能涉及对文献数据的依赖和模型泛化性的潜在限制。	通过混合建模和迁移学习加速pDNA生物工艺开发，减少模型重校准成本。	18个独特的大肠杆菌发酵过程，涵盖不同培养基、质粒和培养模式。	机器学习	NA	NA	全连接人工神经网络	发酵过程时间序列数据	18个大肠杆菌发酵数据集	NA	全连接人工神经网络	NA	NA
187	2026-08-24	Comparing the Performance of Foundation Model Derived Embeddings with Traditional Approaches for Distant Metastasis Prediction in Head and Neck Cancer 2026-Jul-28, ArXiv PMID:42619875	研究论文	本研究比较了基于基础模型提取的特征与传统方法在预测头颈癌远处转移风险中的性能，发现基础模型特征具有优越性并减少了对专业知识的依赖。	首次在头颈癌远处转移预测中评估医学影像基础模型作为特征提取器的效果，无需先验区域知识或分割标注，简化了预处理流程。	未提及具体局限性，但可能包括对基础模型特征可解释性的不足或依赖单一数据集。	评估使用基础模型从最小处理的CT图像中提取特征预测头颈癌远处转移风险的有效性，并与传统方法（如放射组学和深度学习特征）进行比较。	头颈癌患者的术前CT图像及其远处转移风险。	医学影像分析	头颈癌	CT成像	多层感知机（MLP）	医学影像（CT图像）	2327例患者（来自RADCURE数据集）	未提及	基础模型（CT Foundation）、放射组学特征提取、深度学习特征提取器	AUC	未提及
188	2026-08-24	A deep learning approach for predicting antimicrobial resistance in urinary tract infections 2026-Jul-28, BMC urology IF:1.7Q3 DOI:10.1186/s12894-026-02203-4 PMID:42625161	研究论文	本研究利用深度学习方法预测尿路感染中的抗生素耐药性，通过比较多种特征提取和分类方法，实现了对耐药尿路感染病例的早期预测	提出了基于分数阶离散余弦分解方法（FrdcDM）的新型特征提取技术，并结合双向长短期记忆网络（BILSTM）进行耐药性预测，该方法在多个独立数据库上表现出较高的准确率和AUC值	未明确提及研究的局限性	旨在通过合适的机器学习分类器早期预测尿路感染中的药物耐药性，以辅助医生选择正确的治疗方案并改善患者健康	尿路感染患者的耐药性状态，包括药物耐药（DR）和多药耐药（MDR）情况	机器学习	尿路感染	NA	BILSTM, 逻辑回归, 梯度提升分类器	结构化临床数据（来自三个数据库）	三个数据库：埃及亚历山大大学医院、菲律宾北棉兰老岛普通诊所、也门IBB大学Al-Rafa实验室的UTI患者数据	NA	BILSTM, 逻辑回归, 梯度提升（未指定具体架构）	准确率, AUC	NA
189	2026-08-24	Dynamic beat-to-beat blood pressure estimation using a multi-modal wearable deep learning approach 2026-Jul-27, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae85b4 PMID:42392163	研究论文	本研究提出一种结合浅表颞动脉张力测量、心电图和光电容积脉搏波的多模态深度学习框架，用于动态逐搏血压估计	创新性地融合了张力测量法获取的压力波形形态与血流动力学时序特征，克服传统PTT方法依赖血容量替代物导致的校准漂移问题	研究仅在10名健康志愿者中进行，样本量有限，未涉及患者群体或更广泛人群验证	开发一种无需袖带、校准稳健的连续血压估计方法	10名健康志愿者在等长握力运动中的血压及相关信号	可穿戴设备, 深度学习	不适用	张力测量法, 心电图, 光电容积脉搏波	时间卷积网络	生理信号（心电图、光电容积脉搏波、张力测量波形）	10名健康志愿者，29条记录	NA	TCN	平均绝对误差	NA
190	2026-08-24	A fine-grained defect-sensitive local-global multiscale vision transformer framework for urban visual pollution prediction 2026-Jul-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-63974-2 PMID:42624864	研究论文	提出一种基于Transformer的细粒度缺陷敏感局部-全局多尺度视觉转换器框架，用于街道图像中的城市视觉污染多类检测和严重程度量化	集成细粒度城市补丁编码、缺陷敏感特征增强、局部-全局双分支学习、层次化特征融合和可学习的视觉污染指数层，以量化退化严重程度	未在摘要中明确说明局限性	解决现有视觉污染评估方法对细节退化模式敏感性有限、上下文理解不足和连续环境严重程度评估能力差的问题，实现大规模城市视觉污染监测和智慧城市环境管理	街道级图像数据中的七类城市视觉污染类别，包括垃圾、涂鸦、坑洼、施工道路损坏和人行道杂乱	计算机视觉	不适用	NA	视觉Transformer	图像	未在摘要中明确说明样本数量	NA	多尺度视觉Transformer	准确率、精确率、召回率、F1分数、视觉污染指数得分	未在摘要中明确说明计算资源
191	2026-08-24	Single-cell multiomics connects 3D genome and transcriptome alterations in Alzheimer's disease 2026-Jul-23, Science (New York, N.Y.) DOI:10.1126/science.adz1652 PMID:42490473	研究论文	应用GAGE-seq技术联合分析阿尔茨海默病大脑单细胞中的基因表达和三维染色质结构，揭示与细胞类型特异性失调相关的染色质重组，并整合空间转录组和染色质可及性数据，及使用深度学习框架预测疾病相关的基因表达变化	首次将GAGE-seq技术应用于阿尔茨海默病研究，联合分析单细胞3D基因组和转录组，并引入深度学习框架Hicformer预测疾病相关基因表达，提供多尺度视角	未明确阐述，但可能受限于样本数量和组织异质性	探究三维基因组结构变化在阿尔茨海默病分子病理中的作用及其对细胞类型特异性基因表达的影响	阿尔茨海默病患者和年龄匹配的未患病个体的死后脑组织中的单细胞	数字病理学、机器学习	阿尔茨海默病	GAGE-seq、空间转录组测序、染色质可及性测序（如ATAC-seq）	深度学习框架	单细胞基因表达数据、3D染色质结构数据、空间转录组数据、染色质可及性数据	阿尔茨海默病患者和年龄匹配对照的死后脑组织样本（未明确具体数量）	NA	Hicformer	NA（可能包括预测准确性和相关性，但未提供具体指标）	NA（未提及具体资源）
192	2026-08-24	Human imprints on global riverfronts 2026-Jul-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-75777-0 PMID:42471340	研究论文	利用卫星影像和深度学习绘制全球河流前沿高分辨率地图，量化人类改造程度及其驱动因素	首次提供全球7.52百万公里河流前沿的高分辨率地图，区分侧向碎片化与大坝引起的纵向碎片化，并揭示其与水质恶化和生物多样性威胁的关联	未明确提及具体局限，但可能受限于卫星影像分辨率和分类精度	量化全球河流前沿的人类印记分布及其与水质和生物多样性的关系	全球河流前沿（水陆交界带）	计算机视觉, 深度学习	不适用	卫星影像, 深度学习	深度学习模型	卫星图像	7.52百万公里河流前沿	不明确	不明确	不明确	不明确
193	2026-08-24	Measuring cardiac stroke volume through in-ear audio sensing 2026-Jul-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-75642-0 PMID:42469245	研究论文	本文提出一种基于耳塞内耳音频传感的深度学习系统，用于估计心脏每搏输出量，并与临床验证设备进行比较。	首次仅使用商品化耳塞设备通过内耳音频估计每搏输出量，结合生成式自监督/迁移学习和基于Transformer的自动编码器。	样本量小（23名健康参与者），且仅与临床验证设备估计值比较，未与直接测量方法验证。	开发一种非侵入性、可扩展且低成本的每搏输出量测量方法，用于临床外的心血管健康监测。	健康参与者的内耳音频信号和相应的每搏输出量估计值。	机器学习	心血管疾病	音频传感	Transformer-based autoencoder	音频数据	23名健康参与者	NA	Transformer-based autoencoder	平均绝对误差, Pearson相关系数, 百分比误差	NA
194	2026-08-24	AI-driven neoantigen identification: a comprehensive review from somatic variant calling to T cell recognition 2026-07-06, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-026-08535-x PMID:42410432	综述	本文综述了人工智能如何重塑新抗原发现流程，从体细胞变异检测到T细胞识别，涵盖计算流程、临床应用及当前挑战	系统性整合了从体细胞变异检测、HLA分型、肽段处理到肽-MHC结合、呈递和T细胞识别的AI驱动新抗原发现全流程，并强调了免疫肽组学在验证和拓展非经典抗原来源中的关键作用	II类HLA预测准确性有限、罕见HLA等位基因覆盖不足、肿瘤异质性以及缺乏标准化基准测试和验证	总结AI在新抗原发现中的应用，并讨论从计算预测到临床转化的现状与挑战，以促进精准癌症免疫治疗的发展	新抗原（肿瘤特异性肽段）、体细胞突变、HLA等位基因、免疫肽组学数据、AI预测模型	人工智能、免疫信息学	癌症	高通量测序、免疫肽组学、人工智能	深度学习模型	测序数据、免疫肽组学数据、文本	NA	NA	NA	预测准确性、免疫原性保留率、基准测试指标	NA
195	2026-08-24	Unraveling cell-cell communication through spatial transcriptomics: a review of computational methods 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag446 PMID:42617152	综述	综述了空间转录组学中用于解码细胞间通讯的计算方法，将其分为基于空间模式和基于表达调控两大类，并讨论了挑战与未来方向	系统梳理了空间细胞间通讯推断的概念演化与方法格局，提出将现有方法分为空间模式基和表达调控基两大轨迹，并剖析其生物学假设、统计与深度学习框架、优势与局限	未具体指明单个方法的定量比较或统一基准，主要面临验证、基准测试、多模态整合和组织特异性建模方面的挑战	全面回顾空间转录组数据分析中细胞间通讯推断的计算方法，识别概念演化、方法分类、挑战和未来方向，以推动动态、多层重建细胞内外通讯及整合多组学建模	空间转录组学数据及其用于推断细胞间通讯的计算工具和方法	空间转录组学, 计算生物学	NA	空间转录组学（ST）	深度学习模型（如用于空间模式的深层模型）	空间转录组学数据	NA	NA	NA	NA	NA
196	2026-08-24	A comprehensive survey on graph neural networks for gene regulatory network inference 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag443 PMID:42632029	综述	本文是第一篇关于利用图神经网络进行基因调控网络推断的全面综述，分析了16种最先进方法，并对其架构、推理策略和计算框架进行分类评估	首次系统性地统一了图架构、学习范式和数据模式，在共同的基准框架下进行比较，不同于以往仅关注单细胞RNA测序或深度学习的综述	未提供具体实验，仅基于现有研究进行定性分析，且可能受限于所选方法的使用范围	指导生命科学家选择合适的计算模型，并帮助研究人员开发基于图学习的下一代基因调控网络推断技术	基因调控网络推断方法，具体包括16种基于图神经网络的方法	机器学习	不适用	不适用	图神经网络	不适用	16种方法	不适用	不适用	不适用	不适用
197	2026-08-24	An open-source pipeline for longitudinal single-cell tracking and cell-cycle/migration coupling analysis for neurotherapeutic screening 2026-Jul-02, Neuroprotection (Chichester, England) DOI:10.1002/nep3.70047 PMID:42499344	研究论文	开发了一个开源流程，用于纵向单细胞追踪和细胞周期/迁移耦合分析，以支持神经治疗筛选。	结合Fiji/ImageJ预处理、Cellpose深度学习分割和TrackMate追踪，并集成FUCCI报告基因，实现细胞周期与迁移行为的同步分析。	未提及具体限制。	建立开放工作流，用于追踪细胞周期和运动性，支持神经保护筛选。	表达FUCCI的HEK293细胞。	数字病理学	神经退行性疾病	FUCCI成像	Cellpose（深度学习分割模型）	图像	未明确样本量，涉及HEK293细胞系。	Fiji/ImageJ, TrackMate	Cellpose	第一类错误率、第二类错误率、轨迹连续性（χ²检验）	未提及
198	2026-08-24	Adaptive learning rate methodologies and clipping mechanisms based upon gradient entropy 2026-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-60537-3 PMID:42393251	研究论文	提出一种基于梯度熵的自适应学习率方法和裁剪机制，以提高深度学习的训练效率和稳定性。	引入熵感知学习率调度机制和多尺度熵感知裁剪机制，结合梯度扰动率和信息熵双重因素，增强优化器对训练动态和结构复杂性的响应能力。	摘要未提及具体局限性，可能包括计算开销增加或需验证不同网络结构的普适性。	改进深度学习优化器的学习率调节和梯度裁剪，以提升模型的鲁棒性和收敛稳定性。	深度学习优化器，包括学习率调度和梯度裁剪机制。	机器学习	NA	NA	优化器（基于熵的机制）	公共数据集（未具体说明）	多个公共数据集（未具体说明）	NA	NA	模型鲁棒性和收敛稳定性（未具体指标）	NA
199	2026-08-24	Deep Learning-Enhanced Biomarker Interpretation on Cytology Cell Blocks: Foundations and Emerging Opportunities in Spatial Pathobiology 2026-Jul, The American journal of pathology DOI:10.1016/j.ajpath.2026.02.004 PMID:41763533	综述	本文综述了深度学习在细胞学细胞块中生物标志物解释的应用，涵盖了PD-L1、HER2、ER/PR等标志物，并讨论了空间病理生物学的新机会	聚焦于细胞学细胞块这一特殊样本类型，提出深度学习可增强生物标志物解释的重复性和定量评估，并扩展至直接从形态学预测生物标志物状态	由于是迷你综述，未提供具体的实验验证或定量比较，可能缺乏对模型性能的详细评估	探讨深度学习辅助生物标志物解释在细胞学细胞块中的基础、新兴应用及未来方向，以推动精准肿瘤学	细胞学细胞块样本中的生物标志物，包括PD-L1、HER2、ER/PR、Ki-67、ALK/ROS1、BRAF V600E和p16	计算机病理学	肿瘤	免疫组织化学(IHC)和深度学习	深度学习模型	细胞学细胞块图像	不适用（综述）	不适用	不适用	不适用	不适用
200	2026-08-24	Popformer: Learning general signatures of positive selection with a self-supervised transformer 2026-Jul, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014492 PMID:42455870	研究论文	本文提出了一种基于自监督Transformer的模型Popformer，用于学习遗传变异的一般模式，以检测自然选择信号，并在多个场景下展现出优于现有方法的准确性。	Popformer创新性地结合了位点和单倍型注意力机制，学习相对位置嵌入以捕捉SNP间距离，并通过模仿掩码语言建模的预训练策略，实现了对一般选择模式的自监督学习。	本文未明确提及局限性，但可能包括对复杂真实数据泛化能力的潜在限制，以及计算资源需求等未详细说明的方面。	开发一种基于Transformer的通用方法，用于从大规模人类遗传变异数据中学习选择信号，提高检测的准确性和泛化能力。	人类基因组数据，包括来自1000 Genomes Project的样本以及模拟的进化场景数据。	自然语言处理, 机器学习	NA	NGS, 全基因组测序	Transformer	基因型数据, 文本（通过模拟标记语言建模）	未明确，但涉及1000 Genomes Project的人类数据及多种模拟数据。	PyTorch	Transformer	准确性, AUC, 鲁棒性分析	未明确，通常需GPU支持（如NVIDIA A100或V100）