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
2021	2025-10-06	Prediction of cervical spondylotic myelopathy from a plain radiograph using deep learning with convolutional neural networks 2025-Sep, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08908-8 PMID:40381026	研究论文	本研究开发了基于卷积神经网络的深度学习算法，用于从普通颈椎X光片中分类颈椎病性脊髓病和颈椎病性神经根病	首次使用深度学习算法从普通X光片中自动分类两种颈椎疾病类型，并预测椎管面积率	样本量相对有限（内部验证300例，外部验证100例），且仅针对C3-C6节段进行分析	开发能够从普通颈椎X光片中准确分类颈椎病性脊髓病和颈椎病性神经根病的深度学习算法	颈椎病患者（包括颈椎病性脊髓病和颈椎病性神经根病）	计算机视觉	颈椎病	X光成像，磁共振成像	CNN	图像	内部验证300例患者（150例CSM，150例CSR），外部验证100例患者（50例CSM，50例CSR）	NA	卷积神经网络	AUC, 准确率, 似然比, 相关系数	NA
2022	2025-10-06	Development and validation of a radiomics model using plain radiographs to predict spine fractures with posterior wall injury 2025-Sep, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08948-0 PMID:40410361	研究论文	开发并验证了一种基于普通X光片的影像组学模型，用于预测伴有后壁损伤的脊柱骨折	首次结合前后位和侧位普通X光片，采用Vision Transformer技术提取影像特征构建预测模型	回顾性研究，样本量有限（130例患者），仅在两所中心进行验证	提高伴有后壁损伤脊柱骨折的早期诊断准确性并优化治疗策略	脊柱骨折患者	计算机视觉	脊柱骨折	影像组学分析，X射线成像	Vision Transformer, NaiveBayes, SVM	X光图像	130例患者（来自两个中心）	NA	Vision Transformer (ViT)	AUC, 95% CI	NA
2023	2025-10-06	Fully automated pedicle screw manufacturer identification in plain radiograph with deep learning methods 2025-Sep, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09167-3 PMID:40689982	研究论文	开发基于深度学习的算法从平片中自动识别椎弓根螺钉制造商	首个实现从平片完全自动化识别椎弓根螺钉制造商的深度学习算法	仅包含三家国际制造商的数据，样本量相对有限	开发自动识别椎弓根螺钉制造商的算法，辅助翻修手术规划	276例接受胸腰椎手术患者的椎弓根螺钉	计算机视觉	脊柱疾病	X射线平片成像	CNN, YOLO	X射线图像	276名患者，1887个椎弓根螺钉	NA	CNN, YOLO	准确率	NA
2024	2025-10-06	Deep learning-based prediction of axillary pathological complete response in patients with breast cancer using longitudinal multiregional ultrasound 2025-Sep, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105896 PMID:40876229	研究论文	开发并验证基于深度学习的iShape模型，通过纵向多区域超声图像预测乳腺癌患者腋窝病理完全缓解	提出信息共享-私有(iShape)模型，从纵向原发肿瘤和腋窝淋巴结超声图像中学习共同和特定的图像表征，并首次结合RNA测序分析解释模型生物学基础	回顾性研究设计，样本量相对有限，需要前瞻性验证	预测接受新辅助治疗的腋窝淋巴结阳性乳腺癌患者的腋窝病理完全缓解	活检证实的腋窝淋巴结阳性乳腺癌患者	医学影像分析	乳腺癌	超声成像，RNA测序	深度学习	超声图像	训练集371例患者，三个外部验证集分别包含295、244和225例患者	NA	iShape（信息共享-私有模型）	AUC，假阴性率	NA
2025	2025-10-06	Biomarker extraction-based Alzheimer's disease stage detection using optimized deep learning approach 2025-Sep, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877251360394 PMID:40831183	研究论文	提出一种基于优化深度学习的阿尔茨海默病分期检测框架，通过生物标志物提取和图像处理技术提高诊断准确性	结合萤火虫算法优化生物标志物分割、布谷鸟搜索算法优化深度信念网络，并采用对比度受限自适应直方图均衡化和小波软阈值去噪处理	仅使用结构MRI数据，未考虑多模态数据融合；样本规模未明确说明	提高阿尔茨海默病分期检测的准确性和早期诊断能力	阿尔茨海默病患者的结构MRI扫描图像	医学影像分析	阿尔茨海默病	结构MRI，对比度受限自适应直方图均衡化，小波软阈值去噪	深度信念网络	医学图像	NA	NA	深度信念网络	准确率，错误率	NA
2026	2025-10-06	Deep Learning Can Unmask Conduction Tissue Disease From an Ambulatory ECG 2025-Sep, Circulation. Arrhythmia and electrophysiology DOI:10.1161/CIRCEP.124.013695 PMID:40856041	研究论文	开发深度学习模型通过24小时单导联动态心电图检测既往心动过缓事件	首次使用深度学习从无心动过缓的24小时心电图数据中识别过去13天内发生的传导组织疾病	研究基于回顾性数据，需要前瞻性验证临床效用	提高间歇性心动过缓的检测效率和准确性	动态心电图记录的心动过缓患者	机器学习	心血管疾病	动态心电图监测	深度学习	心电图信号	320,959份14天动态心电图记录	NA	NA	AUC, 阴性预测值	NA
2027	2025-10-06	Comprehensive Evaluation of Facet Joints Osteoarthritis Radiological Features on Lumbar CT: A Multitask Deep Learning Approach 2025-Sep, JOR spine IF:3.4Q1 DOI:10.1002/jsp2.70115 PMID:40949054	研究论文	本研究开发了一种基于多任务深度学习的模型，用于评估腰椎小关节骨关节炎的影像学特征	首次采用多任务深度学习模型同时评估小关节骨关节炎的多个放射学特征，并在多中心数据集上验证模型性能	回顾性研究设计，模型在某些特征（如肥大）上的准确率相对较低	开发自动评估小关节骨关节炎放射学特征的深度学习模型	来自两个医院1360名患者的13223个轴向CT小关节图像块	计算机视觉	骨关节炎	CT成像	CNN	医学影像	13223个小关节图像块，来自1360名患者	NA	ResNet-18	准确率, Gwet κ值	NA
2028	2025-10-06	Revolutionizing Oncology Through AI: Addressing Cancer Disparities by Improving Screening, Treatment, and Survival Outcomes via Integration of Social Determinants of Health 2025-Aug-31, Cancers IF:4.5Q1 DOI:10.3390/cancers17172866 PMID:40940963	综述	本文综述了人工智能在整合健康社会决定因素以解决癌症差异方面的应用与潜力	系统探讨了AI技术如何通过整合SDOH数据来应对癌症差异，强调可解释AI在医疗公平性中的创新应用	存在AI筛查偏见、临床试验代表性不足和治疗推荐差异等挑战	通过AI整合健康社会决定因素来改善癌症筛查、治疗和生存结果，减少医疗差异	癌症患者群体，特别是医疗服务不足人群	自然语言处理,机器学习	癌症	机器学习,自然语言处理,深度学习医学影像,可解释AI	深度学习	电子健康记录,地理信息系统,真实世界临床试验数据	NA	NA	NA	NA	NA
2029	2025-10-06	Surface-Enhanced Raman Spectroscopy Semi-Quantitative Molecular Profiling with a Convolutional Neural Network 2025-Aug-31, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028251377474 PMID:40887786	研究论文	本研究开发了一种结合表面增强拉曼光谱与机器学习的分层分析框架，用于复杂环境中多分子物种的识别和半定量分析	提出集成多标签卷积神经网络和支持向量回归的混合分析方法，实现了对结构相似分析物的精确识别和相对浓度比的半定量测定	研究仅验证了短链脂肪酸二元混合物，在更复杂多组分体系中的应用仍需进一步验证	解决复杂环境中多分子物种识别和定量的分析挑战	短链脂肪酸二元混合物	机器学习	NA	表面增强拉曼光谱	CNN, SVR	光谱数据	NA	NA	卷积神经网络	分类准确率	NA
2030	2025-10-06	Deep learning enhances precision diagnosis and treatment of non-small cell lung cancer: future prospects 2025-Aug-31, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-2025-187 PMID:40948833	综述	本文全面回顾了深度学习技术在非小细胞肺癌精准诊断与治疗中的进展及未来方向	从单模态分析演进到多模态数据融合的深度学习架构，整合影像学、病理学、基因组学和临床数据	面临大规模高质量标准化数据集需求、模型黑箱问题、数据隐私和算法偏见等伦理考量	提升非小细胞肺癌精准诊断和治疗管理水平	非小细胞肺癌患者	数字病理学	肺癌	多组学数据整合	CNN	影像,基因组,临床数据	NA	NA	卷积神经网络	NA	NA
2031	2025-10-06	Intraoperative applications of artificial intelligence for augmented parathyroid gland recognition: a narrative review 2025-Aug-31, Gland surgery IF:1.5Q3 DOI:10.21037/gs-2025-165 PMID:40948914	综述	本文综述了人工智能在术中甲状旁腺识别增强应用的研究现状	首次系统回顾AI在多种甲状旁腺识别方法（包括近红外自发荧光、视觉识别等）中的增强应用	纳入研究数量有限（11篇），模型尚未广泛商业应用	评估人工智能在术中甲状旁腺识别中的应用效果	甲状旁腺组织	数字病理	甲状腺疾病	近红外自发荧光、吲哚菁绿血管造影、双RGB/NIR成像系统	深度学习	图像	11项研究	NA	NA	召回率, 精确率	NA
2032	2025-10-06	Multimodal model enhances qualitative diagnosis of hypervascular thyroid nodules: integrating radiomics and deep learning features based on B-mode and PDI images 2025-Aug-31, Gland surgery IF:1.5Q3 DOI:10.21037/gs-2025-183 PMID:40948925	研究论文	开发基于B超和能量多普勒成像的多模态机器学习模型，用于提高富血管甲状腺结节的良恶性诊断准确性	首次将B超和PDI图像的放射组学特征与深度学习特征相结合，构建多模态融合模型用于甲状腺结节诊断	测试集性能较训练集有所下降，存在过拟合风险，泛化能力有待验证	提高富血管甲状腺结节的良恶性鉴别诊断准确性	315例经病理证实的富血管甲状腺结节患者（Adler分级2/3级）	医学影像分析	甲状腺结节	超声成像（B超、能量多普勒成像）	随机森林, 逻辑回归, SVM, XGBoost, TABPFN	超声图像	315例患者（训练集220例，测试集95例）	PyRadiomics, ResNet	ResNet	AUC, 准确率, 精确率, 召回率, F1分数, SHAP分析	NA
2033	2025-10-06	Artificial intelligence-driven diagnosis of acute thoracic aortic dissection: integrating imaging, biomarkers, and clinical workflows-a narrative review 2025-Aug-31, Annals of translational medicine DOI:10.21037/atm-25-82 PMID:40949677	综述	本文综述了人工智能在急性胸主动脉夹层诊断中的应用，整合影像学、生物标志物和临床工作流程	首次系统评估AI模型在急诊环境下区分ATAD与其他胸痛相关疾病的性能及临床意义	仅检索2015-2025年间发表的研究，可能存在文献覆盖不全的局限性	评估AI模型在急诊胸痛鉴别诊断中的表现和临床价值	急性胸主动脉夹层患者及其他胸痛相关急症患者	数字病理	心血管疾病	影像学检查、生物标志物检测	深度学习	影像数据、生物标志物数据、临床数据	基于18项研究的汇总数据	NA	NA	NA	NA
2034	2025-10-06	Narrative review of the application of artificial intelligence-related technologies in the diagnosis of pulmonary nodules with recommendations for clinical practice and future research 2025-Aug-31, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-1512 PMID:40950910	综述	回顾人工智能技术在肺结节诊断中的应用现状并提出临床实践建议	系统梳理近10年中英文文献，首次综合评估AI在肺结节影像学、病理学和基因组学三大领域的应用现状	模型标准化不足，缺乏外部验证，仍需大规模前瞻性研究支持临床应用	探讨人工智能技术在肺结节诊断中的应用现状及未来发展	肺结节相关研究文献	医学人工智能	肺癌	文献综述方法	深度学习, 机器学习	文献数据	近10年PubMed、Web of Science、Cochrane Library和CNKI数据库文献	NA	NA	NA	NA
2035	2025-10-06	ChronoSynthNet: a dual-task deep learning model development and validation study for predicting real-time norepinephrine dosage and the early detection of hypotension in patients with septic shock 2025-Aug-30, Cardiovascular diagnosis and therapy IF:2.1Q3 DOI:10.21037/cdt-2025-265 PMID:40948722	研究论文	开发并验证一种双任务深度学习模型，用于预测脓毒症休克患者的实时去甲肾上腺素剂量和早期检测低血压	提出首个集成共享Transformer编码器、LSTM层和动态特征加权网络的双任务深度学习模型，能够同时预测血管活性药物剂量和早期预警低血压	基于回顾性单中心数据，需要前瞻性多中心验证才能临床部署	开发个性化血管活性药物治疗和早期预警脓毒症休克患者血流动力学恶化的数据驱动模型	符合Sepsis-3标准并接受去甲肾上腺素治疗的成人ICU脓毒症休克患者	医疗人工智能	脓毒症休克	电子健康记录时间序列数据分析	Transformer, LSTM	电子健康记录时间序列数据	MIMIC-IV数据库(2008-2019年)中符合条件的成人ICU住院记录	NA	Transformer编码器, LSTM, 动态特征加权网络	AUROC, AUPRC, 精确度, 召回率, 特异性, MSE	NA
2036	2025-10-06	Machine Learning Models for Predicting Gynecological Cancers: Advances, Challenges, and Future Directions 2025-Aug-27, Cancers IF:4.5Q1 DOI:10.3390/cancers17172799 PMID:40940896	综述	本文综述了机器学习模型在妇科癌症预测领域的最新进展、挑战和未来发展方向	探讨了可解释AI、联邦学习和多组学融合等新兴技术在妇科癌症预测中的应用前景	存在数据不一致性、模型可解释性不足和临床转化困难等挑战	改善妇科癌症的早期预测方法，提高生存率并指导个体化治疗	妇科癌症（乳腺癌、宫颈癌、卵巢癌）患者	机器学习	妇科癌症	多组学数据融合（临床记录、基因组学、蛋白质组学、医学影像）	支持向量机,随机森林,深度学习,卷积神经网络	临床记录,基因组数据,蛋白质组数据,医学影像	NA	NA	CNN	NA	NA
2037	2025-10-06	Comparative Evaluation of CNN and Transformer Architectures for Flowering Phase Classification of Tilia cordata Mill. with Automated Image Quality Filtering 2025-Aug-27, Sensors (Basel, Switzerland) DOI:10.3390/s25175326 PMID:40942760	研究论文	本研究评估了CNN和Transformer架构在椴树开花期自动分类中的性能，并提出了自动图像质量过滤方法	引入了基于XGBoost分类器的自动图像质量过滤方法，首次系统比较了传统CNN与Transformer架构在物候期识别中的表现	研究仅针对椴树单一物种，需要在其他植物物种和地点进行验证	开发可靠的树木开花期自动监测方法，支持生态研究和气候变化研究	小叶椴树的开花物候期	计算机视觉	NA	深度学习，图像分类	CNN, Transformer	图像	大量自然田间条件下获取的真实世界图像数据集	NA	VGG16, ResNet50, EfficientNetB3, MobileNetV3 Large, ConvNeXt Tiny, Vision Transformer (ViT-B/16), Swin Transformer Tiny	F1-score, 平衡准确率	NA
2038	2025-10-06	Applications of artificial intelligence in stem cell therapy 2025-Aug-26, World journal of stem cells IF:3.6Q3 DOI:10.4252/wjsc.v17.i8.106086 PMID:40951704	综述	本文探讨人工智能在干细胞治疗领域的应用潜力与现状	系统整合人工智能技术在干细胞行为分析、鉴定表征、递送方法优化等关键环节的创新应用	算法验证不完善、数据可用性不足、数据质量较差及伦理考量等限制因素	推动干细胞研究与治疗应用的发展	干细胞治疗技术	机器学习	NA	NA	深度学习	NA	NA	NA	NA	NA	NA
2039	2025-10-06	Comparison of ChatGPT and DeepSeek large language models in the diagnosis of pericarditis 2025-Aug-26, World journal of cardiology IF:1.9Q3 DOI:10.4330/wjc.v17.i8.110489 PMID:40949931	研究论文	比较ChatGPT和DeepSeek大语言模型在心包炎诊断中的准确性	首次系统比较不同大语言模型在心包炎诊断中的表现，为LLMs在心血管疾病诊断中的应用提供实证依据	样本量较小（仅16例病例报告），缺乏对非典型表现的充分评估	评估大语言模型作为心包炎风险分层工具的诊断准确性	经确诊的急性心包炎患者病例报告	自然语言处理	心血管疾病	大语言模型	LLM	文本	16例符合纳入标准的病例报告（来自220篇初步检索文献）	NA	ChatGPT o1, DeepThink-R1	诊断准确率	NA
2040	2025-10-06	Harnessing AI-driven reverse docking in drug discovery: a comprehensive review of opportunities, challenges, and emerging trends 2025-Aug-25, Journal of molecular modeling IF:2.1Q3 DOI:10.1007/s00894-025-06480-y PMID:40853597	综述	本文全面回顾了人工智能驱动的反向对接技术在药物发现领域的应用、挑战与发展趋势	系统整合人工智能与反向对接方法，提出多组学数据整合和实时发现管道等新兴方向	面临数据限制和算法复杂性等挑战	探讨AI驱动的反向对接在药物发现中的机遇与挑战	药物靶点识别、治疗相互作用预测	机器学习	NA	反向对接、虚拟筛选、多组学数据分析	机器学习,深度学习,强化学习	多组学数据	NA	NA	NA	NA	高通量计算管道