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
21	2026-09-28	A multimodal AI biomarker PATH-ORACLE improves prediction of recurrence in stage I lung adenocarcinoma 2026-Dec, Immuno-oncology technology DOI:10.1016/j.iotech.2026.101614 PMID:42787516	研究论文	该研究开发了一种名为PATH-ORACLE的多模态AI生物标志物，结合转录组学ORACLE评分与常规组织学切片，用于预测I期肺腺癌的复发。	将基于转录组学的ORACLE评分与预训练基础模型处理的组织学切片相结合，构建多模态深度学习生物标志物，性能优于单一模态及自动化IASLC分级。	需要广泛验证才能将PATH-ORACLE从预后生物标志物转化为预测性生物标志物，以用于指导I期肺腺癌患者的辅助治疗决策。	开发并验证一种多模态AI生物标志物，以提高I期肺腺癌复发预测的准确性，从而指导辅助治疗。	I期肺腺癌患者	数字病理学	肺癌	转录组学测序、组织学切片分析	多模态深度学习模型	图像、文本（转录组数据）	两个独立队列（具体样本量未在摘要中提供）	NA	预训练基础模型	AUC	NA
22	2026-09-28	Enhancing weakly supervised 3D medical image segmentation through probabilistic-aware learning 2026-Dec, Pattern recognition IF:7.5Q1 DOI:10.1016/j.patcog.2026.113973 PMID:42787768	研究论文	提出一种用于三维医学图像分割的概率感知弱监督学习流程，包含伪标签生成、概率多头自注意力网络和概率感知分割损失函数	提出三个创新组件：基于概率的伪标签生成技术从稀疏标注合成密集分割掩码、概率多头自注意力网络用于鲁棒特征提取、概率感知分割损失函数利用标注置信度增强训练	未明确说明	克服全监督三维医学图像分割对耗时费力的完全标注真值标签的依赖，提升弱监督三维医学图像分割性能	CT和MRI三维医学图像数据集	计算机视觉, 医学图像分割	未明确说明	弱监督学习, 概率感知学习	Transformer	图像	未明确说明	未明确说明	概率Transformer网络, 概率多头自注意力网络	Dice分数	未明确说明
23	2026-09-25	HyLnc: a hybrid deep learning and feature-based approach for long non-coding RNA prediction 2026-Dec-31, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2026.2731913 PMID:42716909	研究论文	该研究提出了HyLnc框架，通过整合基于Transformer的上下文嵌入与手工序列特征，用于长非编码RNA（lncRNA）预测	创新性地将预训练的BERT模型提取的深度上下文嵌入与348个手工特征相结合，并采用多阶段特征选择策略优化混合特征集	未明确提及	提高从转录组数据中准确识别lncRNA的计算方法性能	后生动物RNA序列（用于预训练）、lncRNA和蛋白编码转录本（用于微调与评估）	自然语言处理, 机器学习	NA	RNA测序（转录组数据）, 掩码语言建模预训练	BERT, 随机森林（RF）	序列文本	NA	NA	BERT, 随机森林	准确率, F1分数, MCC	NA
24	2026-09-25	Artificial intelligence for anticancer drug discovery from natural products of macroalgae and sponges: A systematic review 2026-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109280 PMID:42556018	系统综述	本文系统综述了人工智能方法在大型海藻和海绵来源海洋天然产物抗癌药物发现中的应用，涵盖机器学习与深度学习在生物活性预测、靶点识别、ADMET筛选、生成式类似物设计和临床前候选物选择等方面的进展	系统区分了经典机器学习和现代深度学习在海洋天然产物抗癌发现中的不同角色，将AI方法置于大型海藻和海绵来源肿瘤先导化合物的化学背景中进行审视，并提出了优先发展开放MNP专属基准、共生体感知建模以及结合可合成性和ADMET约束的主动学习循环的路线图	海洋天然产物的生物活性记录稀疏、异质且存在分类学偏差，限制了当前模型的学习能力，降低了AI优先候选物进入临床前管线的可靠性，医学转化的主要瓶颈已从算法能力部分转向数据基础设施和实验验证	系统梳理AI方法在海洋天然产物抗癌药物发现中的应用现状，评估已发表的案例研究及其验证水平（计算、体外、体内、临床），并提出推动该领域发展的路线图	大型海藻和海绵来源的海洋天然产物及其抗癌药物发现过程，包括已进入临床的海洋来源抗癌药物（如阿糖胞苷、艾日布林）和抗体药物偶联物（如布伦妥昔单抗维多汀）	机器学习, 药物发现, 海洋天然产物化学	癌症	经典机器学习, 深度学习, 图神经网络, 基于Transformer的分子生成器, 扩散模型, 卷积神经网络, 分子网络去重复化	图神经网络, Transformer, 扩散模型, 卷积神经网络, 经典机器学习模型（基于分子指纹）	分子结构数据, 生物活性数据, 质谱数据, 文本	NA	NA	图神经网络, Transformer, 扩散模型, 卷积神经网络	NA	NA
25	2026-09-25	Deep learning-based detection of focal cortical dysplasia in children: External validation of the MELD Graph and 3D-nnUNet pipelines 2026-Dec, Neuroimage. Reports DOI:10.1016/j.ynirp.2026.100410 PMID:42774684	研究论文	该研究在儿童队列中外部验证了两种深度学习局灶性皮质发育不良（FCD）检测方法：MELD Graph和3D-nnUNet	首次在儿童癫痫队列中对MELD Graph和3D-nnUNet进行外部验证，并比较了二者在病灶级和患者级的检测性能	两种模型的敏感度均中等，均未能检测出临床相关比例的FCD病灶，且易产生假阳性，因此只能作为专家神经影像学判读的辅助工具	在儿童队列中外部验证两种近期开发的深度学习FCD检测方法MELD Graph和3D-nnUNet的性能	70名接受癫痫评估的儿童脑MRI扫描，包括34名MRI阳性疑似FCD患者和36名MRI阴性患者	医学图像分析	癫痫	脑MRI（3D T1加权和3D FLAIR）	深度学习	图像	70名儿童脑MRI扫描（34名MRI阳性疑似FCD患者和36名MRI阴性患者）	NA	MELD Graph, 3D-nnUNet	精确率, 召回率, 敏感度, 特异度	NA
26	2026-09-25	Impact of MRI modality selection on glioma sub-region segmentation using 3D U-Net and Attention U-Net: A comparative evaluation across ten MRI sequences 2026-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100817 PMID:42774812	研究论文	本研究基于UCSF-PDGM数据集的468名受试者，比较了十种MRI序列对胶质瘤亚区分割的影响，使用3D U-Net和3D Attention U-Net模型进行训练和评估。	首次系统比较十种MRI序列对胶质瘤亚区分割的影响，并使用TOPSIS多准则排序确定每个亚区的最佳模型-模态组合，同时识别了无对比剂替代方案（ASL和MD）。	研究仅基于UCSF-PDGM数据集，可能需要外部验证；未详细讨论计算资源；仅评估了U-Net和Attention U-Net架构。	评估MRI模态选择对胶质瘤亚区分割性能的影响，并确定最佳的模型-模态组合。	胶质瘤亚区，包括活动性肿瘤、坏死核心和瘤周水肿。	数字病理学	脑癌	MRI	3D U-Net, 3D Attention U-Net	图像	468名受试者	NA	U-Net, Attention U-Net	NA	NA
27	2026-09-23	Integrating multimodality CT-MRI deep learning with clinical-radiological features for preoperative hepatocellular carcinoma grading: a multicenter study 2026-12, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110773 PMID:42637179	研究论文	该研究开发并外部验证了一种整合多模态CT-MRI深度学习与临床-放射学特征的模型，用于术前无创性肝细胞癌组织学分级	提出了整合多模态CT-MRI深度学习特征与临床-放射学特征的混合融合模型（TL-HFM），并通过分阶段迁移学习利用单模态队列进行预训练，在多中心队列中验证其优于单模态影像、多模态影像模型及临床-放射学模型	回顾性研究设计，样本量相对有限，且仅纳入三个机构的数据	开发并外部验证整合多模态CT-MRI深度学习与临床-放射学特征的模型，用于术前无创性肝细胞癌组织学分级，并评估其是否优于单模态影像、多模态影像模型及临床-放射学模型	经病理确诊的肝细胞癌患者	数字病理学	肝癌	多模态CT-MRI深度学习，分阶段迁移学习	深度学习模型	图像	668例来自三个机构的病理确诊肝细胞癌患者（2010年1月至2023年12月），其中250例有配对术前CT和MRI	NA	NA	AUC，综合判别改善指数，决策曲线分析	NA
28	2026-09-18	Revealing the link between critical thinking disposition and learning approaches: a cross-sectional study among Chinese medical students 2026-Dec-01, Advances in physiology education IF:1.7Q4 DOI:10.1152/advan.00151.2024 PMID:42661559	研究论文	该研究通过横断面调查探讨了中国医学生批判性思维倾向与学习方式之间的关联，并建立回归模型分析深度学习与浅层学习对批判性思维的预测作用	首次在中国医学生中整合R-SPQ-2F和CTDI-CV量表，分析批判性思维倾向与学习方式的关联，并开发了能解释39%批判性思维方差的回归模型；发现创新活动和学业成绩对批判性思维-学习方式关系具有调节作用	样本仅来自一所院校的152名二年级医学生，样本量较小且代表性有限；横断面设计无法确立因果关系	探索医学生批判性思维倾向与学习方式之间的关联，为医学教育中培养批判性思维提供新见解	中国某医学院校的152名二年级医学生	医学教育	NA	在线问卷调查	NA	问卷数据	152名二年级医学生	NA	NA	R²（解释方差39.0%）、Pearson相关系数（r值）	NA
29	2026-09-07	Data diversity vs. model complexity in the prediction of pediatric bipolar disorder: Evidence from academic and community clinical samples 2026-Dec-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.122378 PMID:42600789	研究论文	本研究评估了多种统计与机器学习方法在预测儿童双相障碍中的性能，并比较了三种建模策略，发现训练数据多样性比增加模型复杂度更能提升模型鲁棒性	对比跨数据集验证、带交互项跨数据集验证和合并数据集三种建模策略，系统评估数据多样性与模型复杂度对预测性能的影响	研究主要局限于学术和社区两个数据集，可能限制结论的普遍性；增加模型复杂度未能提升外部性能，但可能受限于数据规模	通过比较不同建模策略和模型复杂度，探索提高儿童双相障碍预测模型泛化能力的方法，强调训练数据多样性对于开发稳健精神科预测模型的重要性	儿童双相障碍患者及其预测模型，涉及学术（N=550）和社区（N=511）临床样本	机器学习	儿童双相障碍	NA	多层感知机、支持向量机、随机森林、K近邻、极端梯度提升、逻辑回归、LASSO	表格数据	学术数据集550例，社区数据集511例，共1061例样本	NA	多层感知机、支持向量机、随机森林、K近邻、极端梯度提升、逻辑回归、LASSO	区分度、校准度、预测因子重要性排序	NA
30	2026-09-07	Multimodal deep learning for detecting current depressive symptom status using wearable time-series data and structural brain MRI in high-risk occupational groups 2026-Dec-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.122270 PMID:42501836	研究论文	本研究评估了结合可穿戴时间序列数据和结构脑MRI的多模态深度学习方法，用于识别高风险职业群体（消防员和检察调查员）中当前抑郁症状状态	首次将可穿戴动态行为信号与结构脑MRI的神经解剖信息相结合，通过多模态深度学习识别当前抑郁症状，并应用于高风险职业群体	未明确提及局限性	评估多模态深度学习方法（结合可穿戴数据和结构脑MRI）是否能更客观地识别高风险职业群体的当前抑郁症状状态	消防员和检察调查员等高危职业群体中的抑郁症状检测	深度学习，多模态学习	抑郁症	可穿戴传感器、结构脑MRI	LSTM	时间序列数据（来自可穿戴设备）和图像（结构脑MRI）	291名参与者（184名消防员和107名检察调查员），平均监测时长4.8周	NA	LSTM	AUROC	NA
31	2026-09-07	Performance of MRI-based deep learning models in differentiation of triple negative breast cancer from other breast cancer subtypes: A systematic review and meta-analysis 2026-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100808 PMID:42699276	系统综述与荟萃分析	该系统综述与荟萃分析综合评估了基于MRI的深度学习模型在鉴别三阴性乳腺癌与其他乳腺癌亚型中的诊断性能	首次对MRI深度学习模型鉴别三阴性乳腺癌的诊断性能进行系统综述和荟萃分析，并采用METRICS工具评估研究质量	纳入研究存在异质性、外部验证有限、方法学质量参差不齐、证据确定性评级为低	综合评估基于MRI的深度学习模型在鉴别三阴性乳腺癌与其他乳腺癌亚型中的诊断性能	组织学确诊的乳腺癌患者，共2985例	医学影像分析, 深度学习	三阴性乳腺癌, 乳腺癌	磁共振成像（MRI）	深度学习模型	MRI图像	9项研究共包含2985例患者	不明确	不明确	曲线下面积（AUC）、敏感性、特异性、阳性似然比、阴性似然比、诊断比值比，异质性I²	不明确
32	2026-09-07	LocaliType: Development of locality-based social determinants of health archetypes using census tract data from the UCSF Health Atlas 2026-Dec, Wellbeing, space and society DOI:10.1016/j.wss.2026.100440 PMID:42699821	研究论文	利用UCSF健康图谱的普查区数据开发基于地区的健康社会决定因素原型（LocaliTypes），并验证其能反映地区健康不平等。	提出了基于地区的健康社会决定因素原型概念，并结合大语言模型文本嵌入、主成分分析和无监督深度学习识别原型，以保护数据机密性。	未在摘要中明确说明局限性，但可能包括依赖普查区数据的空间结构、原型标签随机分配、验证基于历史数据等。	开发并验证一种全新的地方原型（LocaliTypes）框架，用于捕捉多维健康社会决定因素及其空间结构，从而研究地区健康不平等并支持政策相关研究。	美国普查区及其居民，涵盖健康社会决定因素指标和健康结果。	机器学习	非特定（多种慢性疾病负担）	NA（基于公开普查数据和文本嵌入技术，非实验技术）	无监督深度学习模型（例如自编码器或聚类网络，具体未指定）	表格数据（社会人口、社会经济、环境暴露、灾害风险）及文本数据（用于变量描述的嵌入）	77,054个普查区，代表美国92.6%的人口	NA（未指定具体框架）	大语言模型（用于文本嵌入）、无监督深度学习模型（具体架构未指定）	全局检验p值、成对比较（涉及差异显著性）、历史红线和健康结局的比例差异	NA（未提及具体资源）
33	2026-09-06	ImplantPlanNet: A deep learning framework for automatic implant planning from preoperative CBCT images 2026-Dec, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106925 PMID:42508797	研究论文	开发并评估了ImplantPlanNet，一种基于术前CBCT图像自动进行单颗牙缺失种植规划的深度学习框架	提出了一个结合候选定位、局部补丁提取、姿态估计和几何参数恢复的自动初始种植规划框架，无需手动标注即可估计种植体位置、长轴方向、长度和直径	数据集仅包含单颗牙缺失场景，未覆盖多颗牙缺失或复杂解剖情况；外部测试中长度分类准确率较低且颊侧骨板厚度略有减少，可能限制泛化性	开发并验证一种自动初始种植规划框架，以支持基于CBCT的临床前种植规划，减少时间消耗和经验依赖性	144例单颗牙缺失患者的术前CBCT图像，分为训练集（n=104）、内部测试集（n=20）和外部测试集（n=20）	计算机视觉	牙齿缺失	CBCT成像	深度学习框架	三维图像	144例CBCT图像（104训练，20内部测试，20外部测试）	PyTorch	候选定位网络、姿态估计网络（具体架构未指定，可能包括CNN）	三维冠状偏差、三维根尖偏差、角度偏差、尺寸分类准确率、安全相关距离测量	未明确提供，但深度学习框架训练通常需要GPU支持
34	2026-09-06	Artificial intelligence for dental caries detection: An umbrella review 2026-Dec, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106944 PMID:42537896	综述	该文为伞状综述，旨在综合评估人工智能在龋齿检测和诊断方面的系统评价，并分析其证据可靠性和临床价值	首次采用伞状综述方法批判性评价AI用于龋齿检测的系统评价，量化原始研究重叠度，并识别证据中的方法学局限	原始研究高度重叠、方法学不足（依赖回顾性数据、缺乏外部验证、报告不一致）严重削弱证据可靠性，且临床适用性有限	评估AI用于龋齿检测和诊断的系统评价证据质量及其临床价值	17项系统评价，包含5项采用双变量或HSROC模型的分析测试准确性的meta分析，涉及咬合翼片和口内照片	医学影像分析	龋齿	深度学习	深度学习模型	医学图像（咬合翼片和口内照片）	17项系统评价	NA	NA	灵敏度、特异度	NA
35	2026-08-22	Deep learning based on CD3 histological slides for prediction of colon cancer outcome: analysis of three international stage III colon cancer cohorts 2026-Dec-31, Oncoimmunology IF:6.5Q1 DOI:10.1080/2162402X.2026.2668797 PMID:42100890	研究论文	该研究开发了一种基于CD3组织学切片的深度学习模型，用于预测III期结肠癌患者的预后，并在三个国际队列中验证了其有效性	首次将深度学习模型应用于CD3染色切片的自动化分析，以改善III期结肠癌的预后预测，且不依赖于染色和扫描差异，具有鲁棒性和可重复性	未明确提及具体限制，但可能包括跨队列的性能变异性（如TC分析中外部队列p值不显著）以及模型依赖高质量CD3染色切片	开发并验证一个深度学习模型，用于自动化分析CD3组织学切片，以提升III期结肠癌的预后分层准确性	来自三个国际队列（PETACC08、PRODIGE-13和HARMONY）的1737例III期结肠癌患者的CD3染色组织学切片	数字病理学	结肠癌	组织学切片CD3免疫组化染色	卷积神经网络（CNN）	组织学图像（CD3染色切片）	1737例患者（来自PETACC08、PRODIGE-13和HARMONY三个国际队列）	NA	VGG19, UNI	无病生存期（DFS），p值	NA
36	2026-08-19	Discrete Wavelet Convolution for Learnable Time-Frequency Representation with Application to Seizure Prediction 2026-Dec-30, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500498 PMID:42333671	研究论文	提出一种自适应的离散小波卷积（ADWConv）作为可训练的多级小波分解前端，用于端到端的癫痫发作预测，通过联合优化策略确保滤波器的判别性和可解释性，并在CHB-MIT和SH-SDU数据库上验证了其有效性。	提出可参数化的小波滤波器，解耦核形状与尺度因子，并引入正则化损失以保持小波先验，提高特征级可解释性。	摘要未提及明显的局限性，可能包括对特定数据集的依赖或计算开销，但具体未说明。	开发一种可学习的时频表示方法，以提升癫痫发作预测的准确性和模型可解释性。	脑电图（EEG）信号，用于癫痫发作预测。	机器学习	癫痫	离散小波变换	卷积神经网络	EEG信号	CHB-MIT数据库和SH-SDU数据库，具体样本数量未在摘要中提及。	NA	ADWConv前端，结合端到端预测框架（具体架构未详述）。	事件敏感性、误报率（FPR）	NA
37	2026-08-19	Latent Space Projections and Atlases, a Cautionary Tale in Deep Neuroimaging using Autoencoders 2026-Dec-30, International journal of neural systems IF:6.6Q1 DOI:10.1142/S012906572650053X PMID:42376832	研究论文	本研究提出一个深度学习框架，利用简单卷积自编码器对3D脑MRI的潜在表示进行推断性探索，并在ADNI数据集上训练以保留神经解剖结构并反映临床变异性。	提出了Latent-Regional Correlation Profiling (LRCP)框架，结合统计关联和监督判别性来识别编码临床相关潜在信息的脑区。	未明确提及研究的局限性。	探索自编码器在临床神经科学中作为生物标志物发现和假设生成的工具，通过潜在表示分析阿尔茨海默病进展。	3D脑MRI图像，来自ADNI数据集的灰质分割图像。	深度学习、神经影像学	阿尔茨海默病	NA	卷积自编码器	3D脑MRI图像	NA	NA	卷积自编码器（具有层级编码器）	NA	NA
38	2026-08-19	MedFusion-gP-AKI: development and multicenter validation of a machine learning fusion model for early prediction of KDIGO stage 3 acute kidney injury in critically ill traumatic cervicothoracic spinal cord injury patients 2026-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2026.2640690 PMID:41803650	研究论文	开发并多中心验证了一种针对危重创伤性颈胸脊髓损伤患者早期预测KDIGO 3期急性肾损伤的机器学习融合模型MedFusion-gP-AKI	采用多模态深度学习框架，结合GAN进行缺失数据填补和SMOTified-GAN平衡数据集，以及利用NOTEARS、变分瓶颈和对抗分析进行特征选择，并集成了多个最优基线模型构建集成模型，以提高预测性能	未在摘要中明确说明局限性	早期预测危重创伤性颈胸脊髓损伤患者的KDIGO 3期急性肾损伤，以改善临床管理	危重创伤性颈胸脊髓损伤患者	机器学习	急性肾损伤	NA	深度学习集成模型	临床数据	开发和验证队列包括MIMIC-IV/eICU联合队列，以及来自四个中国三级中心的188名患者的外部验证	NA	集成模型	AUC, AP, 校准性, 临床净收益, 总体分类性能	NA
39	2026-08-19	Transformer-based nonlinear modeling in dynamic spectrum for noninvasive human blood component analysis 2026-Dec-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130058 PMID:42247740	研究论文	本研究利用基于Transformer的神经网络对动态光谱数据进行非线性建模，以提高人体血液成分（红细胞、尿素和葡萄糖）的无创检测精度。	首次将Transformer神经网络应用于动态光谱的非线性建模，以捕捉光谱数据中的非线性映射关系，从而提升血液成分预测的准确性。	需要进一步的临床验证以确认其在实际应用中的可靠性。	利用Transformer神经网络拟合动态光谱与血液成分浓度之间的非线性关系，提高无创血液成分分析的预测精度。	动态光谱数据，来源于1400名参与者的光电容积脉搏波（PPG）信号。	机器学习	血液成分分析（无特定疾病）	动态光谱（DS）	Transformer	光谱数据	1400名参与者的动态光谱数据	NA	Transformer	R²系数、平均绝对误差（MAE）、均方误差（MSE）	NA
40	2026-08-17	Artificial intelligence and extracellular vesicles in oncology: towards tumor diagnosis, prediction, and therapy 2026-Dec-31, Drug delivery IF:6.5Q1 DOI:10.1080/10717544.2026.2713415 PMID:42590833	综述	本文综述了人工智能在细胞外囊泡研究中的应用进展，重点关注其在肿瘤诊断、预测和治疗中的潜力	强调AI在整合多模态特征、表征EV异质性、支持诊断分类和建模体内行为中的作用，并探讨了AI与微流控、SERS、荧光成像及多组学分析的集成	AI辅助治疗性EV设计策略仍处于探索阶段，缺乏临床验证	总结AI在EV分离、表征、诊断和药物递送中的最新应用，并评估其临床转化前景	细胞外囊泡及其在肿瘤诊疗中的应用	机器学习	肿瘤	NA	机器学习、深度学习	多模态数据（包括患者来源样本、图像、组学数据）	NA	NA	NA	NA	NA