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
1	2026-04-02	A prognostic and predictive model based on deep learning to identify optimal candidates for intensity-modulated radiotherapy alone in patients with stage II nasopharyngeal carcinoma: A retrospective multicenter study 2025-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110660 PMID:39645201	研究论文	本研究开发并验证了一个结合深度学习MRI特征和临床信息的预后预测模型，用于识别II期鼻咽癌患者中仅需调强放疗的低风险人群	首次将深度学习MRI特征与临床信息整合，构建了针对II期鼻咽癌患者的预后预测模型，能够有效识别仅需调强放疗的低风险患者	研究为回顾性多中心设计，可能存在选择偏倚；模型尚未在前瞻性队列中进行验证	开发一个预后预测模型，以识别II期鼻咽癌患者中仅需调强放疗即可获得良好预后的低风险人群	II期鼻咽癌患者	数字病理学	鼻咽癌	MRI成像	CNN, XGBoost	MRI图像, 临床数据	999名来自两个中心的II期鼻咽癌患者	NA	3DResNet	C-index, AUC, 校准测试	NA
2	2026-04-02	Deep learning dose prediction to approach Erasmus-iCycle dosimetric plan quality within seconds for instantaneous treatment planning 2025-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110662 PMID:39647528	研究论文	本研究探讨了深度学习模型在预测前列腺癌患者三维剂量分布方面的应用，旨在实现即时治疗计划	通过分析训练数据集大小和模型规模对剂量预测精度的影响，为即时治疗计划提供快速且高质量的剂量预测方法	即使使用1000名患者进行训练，预测精度尚未达到收敛，可能需要更大数据集或进一步优化	评估深度学习模型在预测Erasmus-iCycle剂量计划质量方面的准确性，以支持即时治疗计划	1250名前列腺癌患者的自动生成剂量分布数据	医学影像分析	前列腺癌	深度学习剂量预测	U-Net	三维剂量分布图像	1250名前列腺癌患者（训练集：50/100/250/500/1000，验证集：100，测试集：150）	NA	分层密集连接U-Net（具有2/3/4/5/6个池化层）	PTV V95%误差、直肠V75Gy误差、膀胱V65Gy误差	NA
3	2026-04-02	Incorporating patient-specific prior clinical knowledge to improve clinical target volume auto-segmentation generalisability for online adaptive radiotherapy of rectal cancer: A multicenter validation 2025-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110667 PMID:39675574	研究论文	本研究探讨了在直肠癌在线自适应放疗中，通过整合患者特异性先验临床知识来提升临床靶区自动分割的泛化能力	创新性地利用治疗前勾画的临床靶区作为患者特异性先验知识，结合基于人群的分数间变形变异，创建患者特异性权重图，以增强深度学习模型在多中心数据上的泛化性能	研究仅针对直肠癌的肠系膜临床靶区，未涵盖其他癌症类型或靶区结构，且依赖于治疗前勾画的可用性	提高在线自适应放疗中临床靶区自动分割的泛化性和鲁棒性	中危或局部晚期直肠癌患者	数字病理	直肠癌	深度学习	深度学习模型	MRI图像	来自三个中心的中危或局部晚期直肠癌患者	NA	NA	DSC, surface Dice, 95HD, MSD	NA
4	2026-04-02	Predicting Acute Exacerbation Phenotype in Chronic Obstructive Pulmonary Disease Patients Using VGG-16 Deep Learning 2025, Respiration; international review of thoracic diseases DOI:10.1159/000540383 PMID:39047695	研究论文	本研究利用VGG-16深度学习模型提取HRCT扫描特征，结合临床特征和定量CT参数，预测慢性阻塞性肺疾病患者的急性加重表型	首次将VGG-16深度学习特征与定量CT参数及临床特征结合，构建预测COPD急性加重的综合模型，并在外部验证队列中验证了其稳健性	研究为回顾性设计，样本量相对较小（219例患者），外部验证队列仅29例患者，可能影响模型的泛化能力	开发基于深度学习的模型，用于预测慢性阻塞性肺疾病患者的急性加重表型	219例接受吸气和呼气HRCT扫描的慢性阻塞性肺疾病患者	数字病理学	慢性阻塞性肺疾病	HRCT扫描	CNN	图像	219例患者（训练/测试队列）和29例患者（外部验证队列）	NA	VGG-16	AUC	NA
5	2026-04-02	Achieving accurate prostate auto-segmentation on CT in the absence of MR imaging 2025-01, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110588 PMID:39419353	研究论文	本研究探讨了在缺乏MRI的情况下，通过深度学习模型仅使用CT输入实现前列腺自动分割的准确性	提出了一种基于CT-MRI配准信息的增量学习策略，以提升在MRI可用性有限时的CT前列腺分割精度	研究样本量相对较小（111例患者），且依赖于CT-MRI配准数据作为参考轮廓，可能受配准误差影响	实现在无MRI时仅基于CT的前列腺自动分割，达到与MRI相当的分割准确性	前列腺放疗患者的CT和MRI图像	数字病理	前列腺癌	CT-MRI配准，深度学习	深度学习模型	医学图像（CT和MRI）	111例前列腺放疗患者，分为训练集（37例）、验证集（20例）和测试集（54例）	NA	NA	Dice相似系数（DSC），95%定向Hausdorff距离（HD95）	NA
6	2026-04-02	A feasibility study of dose-band prediction in radiation therapy: Predicting a spectrum of plan dose 2025-01, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110593 PMID:39489427	研究论文	本文提出了一种名为“剂量带预测”的新方法，用于在放射治疗中预测一系列剂量分布，以改进计划制定和质量保证	首次提出剂量带预测方法，通过Upper/Lower-band模型预测剂量谱，而非单一剂量分布，为自动计划和质量保证提供更多选择	研究样本量有限（三个数据集共195例），且仅针对特定癌症类型（鼻咽癌和宫颈癌）和放疗技术（螺旋断层放疗、IMRT、VMAT）进行验证	开发一种能够预测剂量谱的深度学习方法，以增强放射治疗计划制定的灵活性和质量保证能力	鼻咽癌和宫颈癌患者的放疗剂量分布	医学影像分析	鼻咽癌, 宫颈癌	放射治疗计划，包括螺旋断层放疗、IMRT、VMAT	3D神经网络	3D剂量分布数据	104例鼻咽癌病例（数据集1），54例宫颈癌病例（数据集2），37例宫颈癌病例（数据集3），总计195例	NA	Upper-band模型, Lower-band模型	平均差异百分比	NA
7	2026-04-02	Deep learning-based multiple-CT optimization: An adaptive treatment planning approach to account for anatomical changes in intensity-modulated proton therapy for head and neck cancers 2025-01, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110650 PMID:39581351	研究论文	本文提出了一种基于深度学习的多CT优化框架，用于头颈癌强度调制质子治疗中考虑解剖结构变化的自适应治疗计划方法	创新点在于结合深度学习和多CT优化，利用U-net架构预测稳健剂量，并通过剂量模拟算法生成可交付计划，以提高治疗计划对解剖变化的鲁棒性	研究为回顾性分析，样本量较小（55例患者），且仅针对头颈癌，未在其他癌症类型中验证	研究目标是开发一种自适应治疗计划方法，以应对头颈癌强度调制质子治疗中的解剖结构变化和不确定性	研究对象为55例头颈癌患者，包括训练集（38例）、验证集（7例）和测试集（10例）	数字病理学	头颈癌	锥形束CT（CBCT）、可变形配准、多CT优化	深度学习模型	CT图像	55例头颈癌患者（38例训练、7例验证、10例测试）	NA	U-net	D2%、均匀性指数、适形性指数	NA
8	2026-04-02	Development of learning-based predictive models for radiation-induced atrial fibrillation in non-small cell lung cancer patients by integrating patient-specific clinical, dosimetry, and diagnostic information 2024-12, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110566 PMID:39362606	研究论文	本研究开发了基于学习的预测模型，用于预测非小细胞肺癌患者放疗后心房颤动的发生率，整合了患者特异性临床、剂量学和诊断信息	通过整合多源患者特异性信息，采用混合深度学习架构处理不同类型输入特征，并在内部和外部验证中表现一致	样本量有限，心房颤动事件数量较少（内部17例，外部6例），可能影响模型泛化能力	预测非小细胞肺癌患者放化疗后心房颤动的发生率	非小细胞肺癌患者	机器学习	肺癌	放疗剂量学	机器学习模型, 深度学习模型	临床数据, 剂量学数据, 诊断数据	内部数据集321例（含17例心房颤动），外部数据集187例（含6例心房颤动）	NA	混合深度学习架构	AUC	NA
9	2026-04-02	Development and comprehensive evaluation of a national DBCG consensus-based auto-segmentation model for lymph node levels in breast cancer radiotherapy 2024-12, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110567 PMID:39374675	研究论文	本文开发并评估了一个基于丹麦乳腺癌协作组共识的深度学习自动分割模型，用于乳腺癌放疗中淋巴结水平的自动分割	首次基于全国多机构共识数据集训练深度学习模型，用于乳腺癌放疗中淋巴结临床靶区的自动分割，并在全国范围内进行临床实施评估	模型中CTVn胸肌间淋巴结的Dice相似系数中位数低于0.7，且存在两个例外情况未达到专家组间观察者变异水平	开发并验证一个多机构深度学习自动分割模型，用于高风险乳腺癌患者淋巴结临床靶区的自动分割，以实现全国临床实施	高风险乳腺癌患者的淋巴结临床靶区	数字病理学	乳腺癌	深度学习	深度学习模型	医学图像	由丹麦所有放疗中心的21名乳腺癌勾画专家创建的金标准数据集和高质量训练数据集	NA	NA	Dice相似系数	NA
10	2026-04-02	Enhancing quantitative imaging to study DNA damage response: A guide to automated liquid handling and imaging 2024-12, DNA repair IF:3.0Q2 DOI:10.1016/j.dnarep.2024.103769 PMID:39395383	研究论文	本文提出了一种自动化免疫荧光染色与定量高内涵成像的工作流程，用于研究DNA损伤信号响应	开发了一种结合自动液体处理系统和定量高内涵成像的自动化工作流程，提高了实验效率和可重复性	NA	提升生命科学实验室的高内涵定量成像能力，通过自动化技术研究DNA损伤响应	DNA损伤信号响应	数字病理学	NA	免疫荧光染色，高内涵成像	深度学习	图像	NA	NA	NA	NA	高效计算资源
11	2026-04-02	Uncertainty quantification via localized gradients for deep learning-based medical image assessments 2024-Jul-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad611d PMID:38981594	研究论文	本文提出了一种基于局部梯度的后处理不确定性量化方法，用于增强深度学习医学图像评估的可靠性	提出了一种新颖的后处理不确定性量化方法，利用训练模型的局部梯度空间来评估对模型参数的敏感性，无需修改已验证模型且不改变其输出	未明确说明方法在非转移性疾病或其他医学图像任务中的泛化能力，以及计算效率的详细分析	开发一种后处理不确定性量化方法，以提高深度学习医学图像评估的可靠性和用户信任度	深度学习模型在医学图像评估任务中的输出可靠性	计算机视觉	转移性疾病	NA	深度学习模型	医学图像	NA	NA	NA	ROC AUC, 假阳性率, 中位数百分比差异	NA
12	2026-04-02	Genetic and Clinical Correlates of AI-Based Brain Aging Patterns in Cognitively Unimpaired Individuals 2024-May-01, JAMA psychiatry IF:22.5Q1 DOI:10.1001/jamapsychiatry.2023.5599 PMID:38353984	研究论文	本研究利用深度学习半监督聚类方法，在认知未受损个体中识别出三种与遗传、心血管风险因素及未来认知下降相关的脑老化亚组	首次在认知未受损人群中，通过生成对抗网络驱动的数据驱动方法，识别出跨年龄一致的脑老化亚组，并系统关联其与遗传、生物医学指标及认知轨迹的关系	研究基于横断面与纵向数据，但因果推断有限；样本虽大但可能受选择偏差影响；未涵盖所有潜在神经病理过程	理解脑结构老化异质性，探索神经退行性疾病临床前阶段的生物标志物和风险分层	基线认知未受损的45-85岁个体，涉及超过50,000个数据时间点	医学影像分析	阿尔茨海默病	脑结构影像测量	GAN, 深度学习聚类	脑结构影像数据	27,402名个体	NA	生成对抗网络	统计显著性（P值）	NA
13	2026-04-02	Digital Response to Physical Crises: The Role of an E-Health Platform in the 2023 Southern Turkey Earthquakes 2024-04-09, Disaster medicine and public health preparedness IF:1.9Q3 DOI:10.1017/dmp.2024.63 PMID:38591261	评论	本文分析了2023年土耳其南部地震中一个电子健康平台在支持非专业急救人员方面的应用，探讨了数字健康技术在灾害响应中的整合潜力	首次评估了电子健康平台在重大自然灾害中支持非专业急救人员的实际效果，并引入了深度学习模型用于儿科X射线分析	评论性文章，缺乏实证数据支持平台的具体效果，可能未全面考虑所有实施障碍	探讨数字健康技术在灾害管理中的应用，特别是支持非专业急救人员	2023年土耳其南部地震中的急救响应情况	数字病理学	NA	深度学习	NA	X射线图像	NA	NA	NA	NA	NA
14	2026-04-02	Artificial intelligence-powered pharmacovigilance: A review of machine and deep learning in clinical text-based adverse drug event detection for benchmark datasets 2024-04, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104621 PMID:38447600	综述	本文综述了机器学习和深度学习方法在临床文本基准数据集中用于药物不良事件检测的有效性，重点关注命名实体识别和关系分类任务	系统比较了机器学习和深度学习在药物不良事件提取任务中的优缺点，并扩展了数据源范围至生物医学文献、社交媒体数据和药品标签	仅纳入了12篇文献进行综述，可能未覆盖所有相关研究	评估机器学习和深度学习方法在药物不良事件提取中的效果，推动药物警戒领域发展	临床文本基准数据集中的药物不良事件	自然语言处理	NA	命名实体识别, 关系分类	机器学习, 深度学习	文本	NA	NA	BERT, 梯度提升, 多层感知机, 随机森林	NA	NA
15	2026-04-02	A Review for Artificial Intelligence Based Protein Subcellular Localization 2024-Mar-27, Biomolecules IF:4.8Q1 DOI:10.3390/biom14040409 PMID:38672426	综述	本文综述了基于人工智能的蛋白质亚细胞定位方法的最新进展，包括序列、知识和图像三种典型方法，并讨论了现有挑战和未来方向	系统总结了人工智能在蛋白质亚细胞定位领域的应用，涵盖序列、知识和图像三类方法，并指出了当前挑战和未来研究方向	NA	回顾人工智能在蛋白质亚细胞定位领域的方法发展，探讨现有挑战和未来方向	蛋白质亚细胞定位方法	机器学习	癌症,阿尔茨海默病	荧光显微镜成像,免疫电子显微镜,荧光生物标志物标签	深度学习	序列数据,知识数据,图像数据	NA	NA	NA	NA	NA
16	2026-04-02	Deep learning for detecting and elucidating human T-cell leukemia virus type 1 integration in the human genome 2023-Feb-10, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2022.100674 PMID:36873907	研究论文	本文开发了首个用于预测人类T细胞白血病病毒1型整合位点的深度学习框架DeepHTLV	首次应用深度学习框架进行HTLV-1病毒整合位点预测，并实现特征表示的高效性和可解释性	NA	开发高精度、高通量的HTLV-1病毒整合位点检测方法，以辅助疾病预防和治疗	人类T细胞白血病病毒1型在人类基因组中的整合位点	机器学习	白血病	基因组测序	深度学习	基因组序列	NA	NA	NA	准确率	NA
17	2026-04-02	Spatio-temporal classification for polyp diagnosis 2023-Feb-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.473446 PMID:36874484	研究论文	本文研究利用时空信息改进结肠息肉分类为腺瘤或非腺瘤的性能	提出使用时空信息来增强息肉分类的稳定性和准确性，通过两种方法在内部和公开数据集上验证性能提升	未明确说明具体的数据集大小或模型泛化能力的详细限制	提高结肠息肉自动分类的准确性和鲁棒性，以支持临床决策	结肠息肉（腺瘤与非腺瘤）	计算机视觉	结直肠癌	深度学习	NA	视频（时空序列）	NA	NA	NA	NA	NA
18	2026-04-02	A deep learning diagnostic platform for diffuse large B-cell lymphoma with high accuracy across multiple hospitals 2020-11-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-19817-3 PMID:33244018	研究论文	本文建立了一个高精度的深度学习平台，用于诊断弥漫性大B细胞淋巴瘤，并在多家医院验证了其接近100%的诊断准确率	开发了一个基于多个卷积神经网络的深度学习平台，能够使用较小数据集实现高精度诊断，并成功处理了跨医院样本制备和图像采集的变异性	未明确说明模型在其他类型血液恶性肿瘤或更广泛数据集上的泛化能力，以及临床部署的具体挑战	开发一个高准确率的深度学习诊断平台，用于弥漫性大B细胞淋巴瘤的病理图像分类	人类弥漫性大B细胞淋巴瘤和非DLBCL的病理图像	数字病理学	弥漫性大B细胞淋巴瘤	病理切片图像分析	CNN	图像	来自三家医院的病理图像数据集	NA	多个卷积神经网络	诊断准确率	NA
19	2026-04-02	Mutation effect estimation on protein-protein interactions using deep contextualized representation learning 2020-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaa015 PMID:32166223	研究论文	提出一个名为MuPIPR的端到端深度学习框架，用于预测蛋白质突变对蛋白质-蛋白质相互作用（PPI）特性的影响	结合了氨基酸的上下文表示机制来放大点突变在长蛋白质序列中的细微变化，并采用孪生残差循环卷积神经编码器来编码野生型和突变型蛋白质对	仅使用序列信息，未结合结构或能量特征，且在SKEMPI v2数据集上的性能仅与现有方法相当	量化蛋白质突变对蛋白质-蛋白质相互作用特性的影响	蛋白质-蛋白质相互作用（PPI）	机器学习	NA	深度学习	CNN, 多层感知机	蛋白质序列	SKEMPI v1 和 SKEMPI v2 数据集	NA	孪生残差循环卷积神经编码器	结合亲和力变化和埋藏表面积变化的预测性能	NA
20	2026-04-01	Machine learning models enhance detection of arrhythmogenic right ventricular cardiomyopathy 2026-Jun-30, Machine learning. Health DOI:10.1088/3049-477X/ae451a PMID:41884351	研究论文	本研究旨在通过机器学习模型提升致心律失常性右心室心肌病的检测能力，并探索其在诊断路径中的角色	首次系统比较了八种机器学习模型在ARVC检测中的性能，并提出了一个基于梯度提升树的分层诊断策略，包括仅使用心电图的早期分诊模型和多模态确认模型	研究基于单一机构的注册数据，可能存在选择偏倚，且需要在前瞻性外部临床环境中进一步验证	识别最优的机器学习策略以增强致心律失常性右心室心肌病的检测，并定义其在诊断路径中的作用	来自约翰霍普金斯ARVC注册库的688名患者	机器学习	心血管疾病	临床评估、心电图、影像学、遗传学变量分析	梯度提升树, 随机森林, 决策树, TabNet	结构化临床数据	688名患者	NA	梯度提升树, 随机森林, 决策树, TabNet	AUC, 准确率, 灵敏度, 特异性	NA