深度学习在生物医药领域中的应用

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
2301	2025-05-01	Predicting benefit from PARP inhibitors using deep learning on H&E-stained ovarian cancer slides 2025-Feb-05, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2024.115199 PMID:39742559	研究论文	本研究利用深度学习技术，基于H&E染色的卵巢癌全切片图像预测PARP抑制剂的治疗效果	首次尝试通过深度学习分析组织学全切片图像直接预测PARP抑制剂的治疗效果，替代复杂的分子检测方法	外部验证集预测准确率较低(AUROC 57%)，需要更大样本量和进一步方法学改进才能达到临床应用标准	开发一种基于深度学习的预测模型，用于评估卵巢癌患者对PARP抑制剂的治疗反应	卵巢癌患者	数字病理学	卵巢癌	H&E染色全切片图像分析	深度学习模型	图像	训练集208例(AGO-TR1队列)，验证集447例(PAOLA-1队列)
2302	2025-05-01	Peripheral nerve injury induces dystonia-like movements and dysregulation in the energy metabolism: A multi-omics descriptive study in Thap1+/- mice 2025-Feb, Neurobiology of disease IF:5.1Q1 DOI:10.1016/j.nbd.2024.106783 PMID:39732371	研究论文	本研究通过多组学方法探讨了周围神经损伤如何诱发Thap1+/-小鼠出现肌张力障碍样运动及能量代谢失调	首次揭示了周围神经损伤与THAP1基因突变在肌张力障碍发病中的基因-环境交互作用，并发现能量代谢异常可能是其病理机制	研究仅使用小鼠模型，结果外推至人类需谨慎；观察周期为12周，长期效应尚不明确	探究基因-环境交互作用在肌张力障碍特征发展中的机制	Thap1+/-基因敲除小鼠模型	神经科学	肌张力障碍	多组学分析（multi-omics）、深度学习算法	动物模型（小鼠）	行为学数据、组学数据	Thap1+/-小鼠与野生型小鼠的神经损伤组与对照组
2303	2025-05-01	Non-Invasive Diagnosis of Moyamoya Disease Using Serum Metabolic Fingerprints and Machine Learning 2025-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202405580 PMID:39737836	研究论文	本研究利用血清代谢指纹和机器学习技术，开发了一种非侵入性的烟雾病诊断方法	首次将纳米颗粒增强激光解吸/电离质谱技术与深度学习算法结合，用于烟雾病的非侵入性诊断	研究样本量未明确说明，且方法在其他神经系统疾病中的适用性需要进一步验证	开发烟雾病的非侵入性诊断方法	烟雾病患者和健康对照组的血清样本	机器学习	烟雾病	纳米颗粒增强激光解吸/电离质谱技术(LDI MS)	深度学习	血清代谢指纹数据	NA
2304	2025-05-01	Improving functional correlation of quantification of interstitial lung disease by reducing the vendor difference of CT using generative adversarial network (GAN) style conversion 2025-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111899 PMID:39740598	研究论文	通过使用生成对抗网络（GAN）风格转换减少CT厂商差异，改善间质性肺病定量分析的功能相关性	提出使用RouteGAN进行CT风格转换以减少不同厂商CT间的变异性，从而提高定量CT测量的功能相关性	研究样本量较小（112例患者），且仅针对特发性肺纤维化（IPF）患者	评估CT风格转换是否能减少间质性肺病定量分析的变异性，并改善定量CT测量的功能相关性	特发性肺纤维化（IPF）患者	数字病理学	肺纤维化	生成对抗网络（GAN）	RouteGAN	CT图像	112例患者（平均年龄61岁，82名男性）
2305	2025-05-01	Vibrational fiber photometry: label-free and reporter-free minimally invasive Raman spectroscopy deep in the mouse brain 2025-Feb, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02557-3 PMID:39741190	研究论文	开发了一种名为振动光纤光度法的低侵入性方法，用于通过自发拉曼光谱无标记监测小鼠大脑任意深度的生物分子含量	提出了一种无标记、无报告基因的低侵入性技术，结合深度学习算法抑制探针背景，能够高精度监测大脑中的分子变化	目前仅在小鼠模型中验证，尚未在人类或其他大型动物中测试	开发一种无标记技术用于监测大脑生物分子变化，以研究大脑发育、衰老或疾病	小鼠大脑	神经科学	脑损伤、脑转移	自发拉曼光谱、振动光纤光度法	深度学习算法	光谱数据	小鼠大脑样本
2306	2025-05-01	Molecular Display of the Animal Meta-Venome for Discovery of Novel Therapeutic Peptides 2025-Feb, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2024.100901 PMID:39746545	研究论文	本文开发了一种创新的计算方法，设计了一个高度多样化的动物毒液和‘元毒液’库，用于高通量筛选治疗性肽	使用可编程M13超噬菌体展示技术保存关键的二硫键结构，并通过高通量DNA测序进行定量，实现了高度并行化的单轮生物淘选	未明确提及具体样本量或实验验证的局限性	发现新型治疗性肽，特别是针对人类瘙痒受体Mas-related G蛋白偶联受体成员X4的靶向分子	动物毒液和‘元毒液’库	计算生物学	瘙痒相关疾病	M13超噬菌体展示技术、高通量DNA测序、深度学习	深度学习	DNA序列数据	NA
2307	2025-05-01	Multi-institutional development and testing of attention-enhanced deep learning segmentation of thyroid nodules on ultrasound 2025-Feb, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03294-w PMID:39751996	研究论文	本文介绍了一种用于超声图像中甲状腺结节自动分割的机器学习系统的开发、验证和多机构独立测试	使用带有额外注意力加权函数的AttU-Net架构进行甲状腺结节分割，并在多机构数据集上进行了验证和测试	未来需要将该分割方法整合到自动甲状腺分类系统中	开发用于甲状腺结节自动分割的机器学习系统，以支持甲状腺结节的超声风险分层	甲状腺结节	数字病理	甲状腺疾病	超声成像	AttU-Net	图像	来自520名患者的1595张甲状腺超声图像
2308	2025-05-01	Diagnosis of lymph node metastasis in oral squamous cell carcinoma by an MRI-based deep learning model 2025-Feb, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2024.107165 PMID:39752793	research paper	开发并验证了一种基于MRI的深度学习模型，用于识别口腔鳞状细胞癌患者的淋巴结转移	提出了一种三阶段深度学习模型，结合随机森林分类器，显著降低了隐匿性转移率，并在指导cN0患者颈部清扫方面提供了更多益处	研究为回顾性诊断研究，可能存在选择偏差	开发并验证一种基于MRI的深度学习模型，用于识别口腔鳞状细胞癌患者的淋巴结转移	口腔鳞状细胞癌患者的MRI图像	digital pathology	oral squamous cell carcinoma	MRI	three-stage DL model with random forest classifier	image	45,664 preoperative MRI images from 723 patients in 10 Chinese hospitals
2309	2025-05-01	Artificial Intelligence and Cancer Health Equity: Bridging the Divide or Widening the Gap 2025-Feb, Current oncology reports IF:4.7Q1 DOI:10.1007/s11912-024-01627-1 PMID:39753817	review	评估人工智能（AI）对癌症健康公平的影响，探讨AI是缩小还是扩大了癌症结果中的差距	探讨AI在癌症健康公平中的双重作用，并提出未来研究方向	AI工具在多样化人群中的表现仍存疑，且技术获取受限	评估AI对癌症健康公平的影响	癌症患者群体，特别是低收入和农村地区人群	machine learning	cancer	deep learning, predictive analytics	NA	NA	NA
2310	2025-05-01	Inferring multi-slice spatially resolved gene expression from H&E-stained histology images with STMCL 2025-Feb, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.11.016 PMID:39755346	研究论文	提出了一种名为STMCL的新型多模态对比学习框架，用于从H&E染色的组织学图像中推断空间基因表达	STMCL整合了组织学图像、基因表达特征和位置信息，能够更准确地预测空间基因表达谱	未提及具体局限性	开发一种成本效益高的方法，从H&E染色的组织学图像中预测空间基因表达	多切片空间转录组数据集	数字病理学	癌症	空间转录组学	多模态对比学习框架(STMCL)	图像和基因表达数据	四种不同类型的多切片空间转录组数据集，由10X Genomics平台生成
2311	2025-05-01	A Novel RAGE Modulator Induces Soluble RAGE to Reduce BACE1 Expression in Alzheimer's Disease 2025-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202407812 PMID:39755927	研究论文	本研究探讨了一种新型RAGE调节剂6-TG如何通过增加可溶性RAGE水平来降低BACE1表达，从而改善阿尔茨海默病的病理表现	首次发现抗癌药物6-TG能够直接与RAGE相互作用，通过JAK2-STAT1通路调节BACE1表达，并增加脑内sRAGE水平	研究仅在AD小鼠模型中进行，尚未进行人体临床试验	探索通过调节RAGE-BACE1通路来改善阿尔茨海默病病理的新策略	阿尔茨海默病小鼠模型和BACE1表达机制	神经科学	阿尔茨海默病	表面等离子共振分析、深度学习靶点识别工具	NA	分子生物学数据、行为学数据	阿尔茨海默病小鼠模型
2312	2025-05-01	Fraud detection in healthcare claims using machine learning: A systematic review 2025-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103061 PMID:39756221	系统综述	本文系统综述了机器学习在医疗保险欺诈检测中的应用	分析了近二十年来文献中记录的数据和方法，提供了研究挑战和机遇的见解	数据不一致、缺乏数据标准化和整合、隐私问题以及用于训练模型的标记欺诈案例数量有限	识别医疗保险欺诈，以减少医疗保健支出的损失	医疗保险索赔数据	机器学习	NA	机器学习	无监督方法、监督方法、混合方法	医疗保险索赔数据	137篇文献进行定性和定量分析，涉及16个国家的数据，其中美国96篇，中国11篇，澳大利亚5篇
2313	2025-05-01	An accelerated deep learning model can accurately identify clinically important humeral and scapular landmarks on plain radiographs obtained before and after anatomic arthroplasty 2025-Feb, International orthopaedics IF:2.0Q2 DOI:10.1007/s00264-024-06401-3 PMID:39760903	研究论文	本文开发了一种加速的深度学习模型，用于在肩关节置换术前后的平片上准确识别临床重要的肱骨和肩胛骨标志	使用仅240张标注图像的基础，开发出能够低偏差识别肱骨和肩胛骨标志的深度学习模型，避免了人工标注的偏差	研究样本量相对较小，仅使用了240张标注图像进行训练	评估深度学习模型在肩关节置换术前后的平片上识别肱骨和肩胛骨标志的准确性	肩关节置换术前后的平片	计算机视觉	肩关节疾病	深度学习	DLM	图像	240张标注图像，扩展至2,260张训练图像，60张测试图像
2314	2025-05-01	Enhancing meteorological data reliability: An explainable deep learning method for anomaly detection 2025-Feb, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.124011 PMID:39765064	research paper	该研究开发了一种基于自动编码器（AE）、SHapley Additive exPlanations（SHAP）和贝叶斯优化（BO）的可解释深度学习方法，用于气象观测数据的异常检测	结合了AE、SHAP和BO，提供了一种可解释的深度学习方法，用于检测气象数据中的系统性和逐渐出现的异常	未提及具体的数据集大小或实验对比结果，可能缺乏对不同气象条件下模型性能的全面评估	提高气象观测数据的准确性和可靠性，支持农业生产、气候观测和灾害预防	气象观测数据	machine learning	NA	AE, SHAP, BO	autoencoder (AE)	多维气象数据集	NA
2315	2025-05-01	Effect of magnetic field strength and segmentation variability on the reproducibility and repeatability of radiomic texture features in cardiovascular magnetic resonance parametric mapping 2025-Feb, The international journal of cardiovascular imaging DOI:10.1007/s10554-024-03312-7 PMID:39776324	research paper	评估心肌放射组学纹理特征（RTF）在不同磁场强度和分割变异性下的稳健性，以解决临床实践中可靠性的问题	首次系统评估了RTF在不同磁场强度和分割变异性下的可重复性和再现性，并识别了对这些变化不敏感的预处理滤波器和特征类别	样本量较小（仅15名健康志愿者），且仅使用了Siemens扫描仪的数据	评估心肌RTF在不同磁场强度和分割变异性下的稳健性	45对来自15名健康志愿者的CMR T1图	数字病理	心血管疾病	CMR T1 mapping	深度学习模型（含Monte Carlo Dropout）	医学影像	15名健康志愿者的45对CMR T1图
2316	2025-05-01	Unraveling Spatial Heterogeneity in Mass Spectrometry Imaging Data with GraphMSI 2025-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202410840 PMID:39778027	研究论文	提出了一种名为GraphMSI的新型深度学习方法，用于增强质谱成像（MSI）数据的空间异质性分析	GraphMSI通过整合代谢谱和空间信息，改进了MSI数据的分析，并提供了两种可选增强模式（scribble-interactive和knowledge-transfer）以提高分割效果	未明确提及具体局限性	改进质谱成像数据的空间异质性分析	质谱成像数据	质谱成像	NA	质谱成像（MSI）	深度学习	图像	未明确提及具体样本数量
2317	2025-05-01	Self-supervised parametric map estimation for multiplexed PET with a deep image prior 2025-Jan-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ada717 PMID:39774095	研究论文	提出一种基于深度图像先验的自监督学习框架，用于多示踪剂PET图像分离和参数图估计	将多示踪剂室模型整合到深度图像先验框架中，仅需一个数据集即可实现自监督学习	仅在模拟脑部幻影上进行了性能评估，未涉及真实患者数据	开发无需大量配对训练数据的多示踪剂PET图像分离方法	动态双示踪剂PET图像	医学影像分析	NA	PET成像	DIP（深度图像先验）	医学影像	模拟脑部幻影数据
2318	2025-05-01	Automated estimation of individualized organ-specific dose and noise from clinical CT scans 2025-Jan-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ada67f PMID:39761638	研究论文	开发了一个自动化流程，用于从临床CT扫描中生成个体化器官特异性剂量和噪声估计	提出了一种全自动化的流程，结合蒙特卡洛模拟和深度学习分割，实现了个体化器官特异性剂量和噪声的精确估计	研究样本量相对较小（临床数据集12例，体模数据集3例，跨站点数据集26例）	优化CT扫描的辐射剂量和图像质量，实现个性化协议评估	临床CT扫描数据、均匀体模扫描数据	医学影像分析	NA	蒙特卡洛模拟、深度学习分割	TotalSegmentator（基于深度学习的分割方法）	CT扫描图像	临床数据集12例、体模数据集3例、跨站点数据集26例、专家分割数据集41例（包含六个器官：肺、肝、肾、膀胱、脾和胰腺）
2319	2025-05-01	ComNet: A Multiview Deep Learning Model for Predicting Drug Combination Side Effects 2025-Jan-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01737 PMID:39749659	research paper	提出了一种名为ComNet的多视图深度学习模型，用于预测药物组合的副作用	通过整合药物的多视图特征，提高了副作用预测的准确性，包括分子指纹、SMILES语义信息和3D构象空间信息	未提及具体的数据集规模限制或模型在特定类型药物上的表现限制	提高药物组合副作用的预测准确性	药物组合及其副作用	machine learning	NA	深度学习	ComNet（多视图深度学习模型）	分子指纹、SMILES语义信息、3D构象空间信息	多个公开数据集及自收集数据集
2320	2025-05-01	Graph-Based Deep Learning Models for Thermodynamic Property Prediction: The Interplay between Target Definition, Data Distribution, Featurization, and Model Architecture 2025-Jan-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02014 PMID:39780656	research paper	探讨了基于图的深度学习模型在热力学性质预测中目标定义、数据分布、特征化方法和模型架构之间的相互作用	发现目标定义（使用形成能而非原子化能/焓）和特征化方法的选择对模型准确性具有决定性影响，且分子级别预测优于原子级别增量预测	直接修改模型架构带来的准确性提升较为有限	开发具有更广泛适用性的基于图的稳健热力学模型架构	五个经过筛选的数据集，涵盖元素组成、多重性、电荷状态和尺寸的多样性	machine learning	NA	graph-based deep learning	graph-based deep learning models	thermodynamic property data	five curated data sets