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
2921	2026-05-23	Development and validation of deep learning for predicting the growth of ovarian cancer organoids 2026-Jan-05, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003575 PMID:40709801	研究论文	开发并验证基于深度学习的模型，用于预测卵巢癌类器官的生长	提出了一种可解释的深度学习模型，能够提前预测卵巢癌类器官的培养结果，并采用了同质迁移学习优化方法提升预测性能	研究可能受限于样本量及特定癌症类型，模型在临床实用性和过程自动化方面仍有待进一步发展	开发可解释的深度学习模型，提前预测卵巢癌类器官的培养结果	卵巢癌类器官及其纵向显微镜图像	数字病理学	卵巢癌	显微镜成像	卷积神经网络和Transformer	图像	517个卵巢癌类器官液滴（训练集325、验证集88、测试集104），外加179个多中心样本用于前瞻性验证	PyTorch	ResNet18, VGG11, ConvNeXt v2, Swin Transformer v2	AUC, Brier评分	NA
2922	2026-05-23	Prediction of influenza virus infection based on deep learning and peripheral blood proteomics: A diagnostic study 2026-Jan, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.051 PMID:40158620	研究论文	基于深度学习与外周血蛋白质组学预测流感病毒感染的研究	结合机器学习和蛋白质组学筛选出SAA1、SAA2和SERPINA3作为流感感染的关键分子标志物，并通过ELISA实验验证SAA2作为辅助诊断指标的潜力	样本来源单一，且仅验证了SAA2蛋白的辅助诊断价值，其他标志物如SERPINA3和SAA1的临床实用性需进一步研究	通过机器学习和外周血蛋白质组学预测流感病毒感染，并筛选出特异性分子标志物用于诊断和鉴别诊断	流感患者、COVID-19患者、混合感染患者及健康个体的外周血样本	机器学习、蛋白质组学	流感病毒感染	蛋白质组测序、ELISA	随机森林模型、LASSO回归模型	蛋白质组学数据、临床特征数据	850名患者（包括流感、COVID-19和混合感染）和265名健康个体	NA	随机森林、LASSO回归	ROC曲线	NA
2923	2026-05-23	Deep Learning-Based Prediction of PET Amyloid Status Using MRI 2025-Dec-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8899 PMID:40579043	研究论文	利用多对比度磁共振成像结合深度学习模型预测PET淀粉样蛋白状态	首次通过结合T1加权和T2 FLAIR图像的多对比度MRI，显著提高了基于深度学习的PET淀粉样蛋白状态预测性能	研究为回顾性设计，且模型在认知亚组中表现差异较大，外部验证AUC仅为0.65，说明预测能力有限	开发并验证基于MRI的深度学习模型，用于无创预测PET确定的β淀粉样蛋白阳性状态	阿尔茨海默病患者和认知正常人群的脑部多对比度MRI和PET数据	计算机视觉	阿尔茨海默病	PET, MRI	EfficientNet	图像	训练集4056例（平均年龄71.6岁，55%女性，55%淀粉样蛋白阳性），外部测试集149例（平均年龄72.1岁，57%女性，56%淀粉样蛋白阳性）	NA	EfficientNet	AUC, 准确率, 灵敏度, 特异度	NA
2924	2026-05-23	Comprehensive non-small cell lung cancer targets: From computational prediction to clinical breakthroughs in overcoming drug resistance 2025-12, Biochemical pharmacology IF:5.3Q1 DOI:10.1016/j.bcp.2025.117333 PMID:40946977	综述	全面概述非小细胞肺癌靶向治疗的研究进展，涵盖计算预测方法、临床突破及克服耐药性的策略	整合了基于配体、基于结构和多特征深度学习模型的靶点预测方法，并讨论了第四代EGFR抑制剂amivantamab及合成致死等新兴耐药应对策略	未提供具体的实验验证数据，且多靶点药物设计仍处于理论阶段	系统梳理非小细胞肺癌靶向治疗中的预测方法、临床进展和耐药克服策略，为未来治疗开发提供指导	非小细胞肺癌中的经典致癌驱动基因（如EGFR）及药物耐药机制（T790M、C797S突变）	机器学习，自然语言处理	非小细胞肺癌	基于配体、基于结构和多特征深度学习的靶点预测方法	深度学习模型（多特征融合模型）	文本，分子结构数据	不适用	不适用	不适用	不适用	不适用
2925	2026-05-23	Deep learning reveals how cells pull, buckle, and navigate fibrous environments 2025-Nov-25, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2424047122 PMID:41269797	研究论文	结合相衬显微镜与深度学习实时映射细胞在纤维环境中的力学，揭示张力各向异性如何调控细胞行为	首次发现纤维环境中力学方向性超越刚度成为收缩性的主要调控因子，并开发了深度学习驱动的活细胞纤维力显微镜（DLFM）技术	NA	探究细胞在纤维基质中的力学感知机制及其对迁移、分裂和分化的影响	迁移细胞、干细胞	计算机视觉	NA	相衬显微镜、深度学习	深度学习模型（具体未指定）	图像、力学数据	NA	NA	NA	NA	NA
2926	2026-05-23	Preoperative risk prediction of major cardiovascular events in noncardiac surgery using the 12-lead electrocardiogram: an explainable deep learning approach 2025-Nov, British journal of anaesthesia IF:9.1Q1 DOI:10.1016/j.bja.2025.07.085 PMID:40967934	研究论文	利用可解释深度学习方法分析术前12导联心电图，预测非心脏手术中主要心血管事件的风险	首次使用深度学习结合术前12导联心电图与常规临床变量，构建多模态融合模型，显著提高非心脏手术后主要不良心血管事件的预测性能；采用生成式反事实框架提供波形级别的解释	回顾性研究设计，数据源自单中心（MIMIC-IV数据库），可能存在选择偏倚；模型仅在单一数据库验证，外部泛化性未评估	探究术前12导联心电图经深度学习分析能否改善非心脏手术后主要不良心血管事件的风险预测	37,081名接受大型非心脏手术的成年患者（2008-2019年，MIMIC-IV数据库）	机器学习	心血管疾病	12导联心电图	卷积神经网络	心电图波形、临床变量	37,081名成年患者	NA	卷积神经网络	AUROC（受试者工作特征曲线下面积）	NA
2927	2026-05-23	Multidirectional interstitial flow promotes microvascular network formation: insights from a square chip-based platform 2025-11-01, Angiogenesis IF:9.2Q1 DOI:10.1007/s10456-025-10010-y PMID:41176522	研究论文	基于方形芯片平台探究多方向间质流对微血管网络形成的促进作用	首次证明多方向间质流促进微血管网络形成，并开发了方形芯片和深度学习分析工具VoCAT	未明确说明局限性	研究多方向间质流对微血管网络形成的影响及其在肿瘤微环境建模中的应用	微血管网络和肿瘤细胞迁移	机器学习	NA	方形芯片平台、深度学习	深度学习模型	图像	NA	NA	VoCAT	NA	NA
2928	2026-05-23	Early diagnosis model of mycosis fungoides and five inflammatory skin diseases based on a multimodal data-based convolutional neural network 2025-10-17, The British journal of dermatology DOI:10.1093/bjd/ljaf212 PMID:40465821	研究论文	基于多模态数据卷积神经网络开发早期诊断蕈样肉芽肿和五种炎症性皮肤病的AI模型	首次利用多模态信息（临床信息、临床图像和皮肤镜图像）基于卷积神经网络构建蕈样肉芽肿与炎症性皮肤病的早期诊断模型，并验证其辅助皮肤科医生诊断的实用性	单中心回顾性研究，可能缺乏外部验证的泛化性	开发基于多模态信息的AI深度学习模型，验证其分类效率，并构建辅助皮肤科医生早期诊断蕈样肉芽肿和炎症性皮肤病的模型	1157例蕈样肉芽肿和炎症性皮肤病病例，包括2452张临床图像、6550张皮肤镜图像及对应临床数据	计算机视觉	皮肤癌	NA	卷积神经网络	图像	1157例病例，包括2452张临床图像和6550张皮肤镜图像	PyTorch	RegNetY400MF	准确率、精确率、灵敏度、特异度	NA
2929	2026-05-23	Assessing the performance of artificial intelligence models in evaluating inflammatory skin disease severity: a systematic review and meta-analysis 2025-10-17, The British journal of dermatology DOI:10.1093/bjd/ljaf250 PMID:40570030	meta分析	系统评价和荟萃分析评估人工智能模型在评估炎症性皮肤病严重程度方面的表现	首次对多种皮肤病（特应性皮炎、痤疮、银屑病等）的基于图像的AI模型严重程度评估性能进行量化和比较，揭示了不同疾病和评分系统间的显著差异	纳入研究的数据报告透明度不足，缺乏高质量前瞻性研究，部分研究未使用客观参考标准	定性定量评估基于图像的AI模型在不同皮肤病严重程度评估中的性能	2017年1月至2023年4月发表的深度学习AI模型评估皮肤病严重程度的研究	计算机视觉	皮肤病	NA	深度学习模型	图像	45项研究纳入系统评价，19项纳入荟萃分析	NA	NA	敏感度、特异度	NA
2930	2026-05-23	Uncertainty-aware quantitative CT evaluation of emphysema and mortality risk from variable radiation dose images 2025-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11525-0 PMID:40185924	研究论文	开发一种自动方法，用于联合评估肺气肿和死亡风险，并量化数据和模型不确定性	提出多任务贝叶斯神经网络，同时评估肺气肿和死亡风险，并量化数据和模型不确定性，提高不同辐射剂量CT协议间的评估一致性	未明确提及局限性，但可能包括样本量相对较小，以及模型在其他人群中的泛化性待验证	开发一种不确定性感知的自动方法，以一致地评估肺气肿和死亡风险	肺气肿患者的CT图像和死亡风险	计算机视觉, 机器学习	肺气肿, 慢性阻塞性肺疾病（COPD）	CT	贝叶斯神经网络（BNN）	图像	1350名参与者（平均年龄64.4岁；659名女性）	NA	多任务贝叶斯神经网络	均值差异, 皮尔逊相关系数, p值	NA
2931	2026-05-23	A robust ensemble-based deep learning framework for automated retinal disease detection 2025 Oct-Dec, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582251396416 PMID:41192815	研究论文	提出了一种鲁棒的基于集成学习的深度框架，用于自动检测视网膜疾病	将EfficientNetB3和ResNet50集成形成ResEfficientNetB3模型，同时利用了EfficientNetB3的缩放优势和ResNet50的残差学习能力，提高了多类视网膜疾病检测的准确性、鲁棒性和泛化能力	未提及具体限制	开发一个支持临床决策的自动多类视网膜疾病检测深度框架，解决现有模型在泛化性和准确性方面的限制	视网膜疾病检测	机器学习	视网膜疾病	图像增强	集成深度学习模型	图像	两个Kaggle数据集：数据集1包含4217张图像（四类），数据集2包含8230张图像（八类）	NA	ResEfficientNetB3（EfficientNetB3和ResNet50集成）	准确率、五折交叉验证、跨数据集验证	NA
2932	2026-05-23	Integrating clinical guidelines with large language models for improved sepsis mortality prediction 2025 Oct-Dec, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582251387649 PMID:41195684	研究论文	开发并验证了一种融合临床指南的大语言模型，用于改进脓毒症死亡率预测	首次将临床指南显式嵌入到LLM微调过程中，通过低秩适配方法显著提升了预测性能	未明确提及局限性	提升重症监护病房脓毒症患者死亡率预测的准确性	24,237名ICU脓毒症患者的临床数据（MIMIC-IV）	机器学习	脓毒症	NA	大语言模型（LLM）	文本数据	24,237名ICU脓毒症患者	NA	低秩适配（LoRA）微调的大语言模型	准确率, F1分数, 灵敏度, 特异度, AUC	NA
2933	2026-05-23	Molecular dynamics simulations of proteins: an in-depth review of computational strategies, structural insights, and their role in medicinal chemistry and drug development 2025-09-26, Biological cybernetics IF:1.7Q4 DOI:10.1007/s00422-025-01026-0 PMID:41003729	综述	本文深入回顾了分子动力学模拟在蛋白质研究中的计算策略、结构见解及其在药物化学与药物开发中的作用	系统性地归纳了分子动力学模拟在蛋白质行为及其与抑制剂相互作用中的应用，并指出机器学习与深度学习技术有望推动该领域发展	现有挑战包括缩小计算模型与实际细胞条件之间的差距	综述分子动力学模拟在药物化学与药物开发中的角色及其计算策略和结构见解	蛋白质及其与抑制剂的相互作用	机器学习	NA	分子动力学模拟	机器学习	NA	NA	GROMACS, DESMOND, AMBER	NA	NA	NA
2934	2026-05-23	Deep learning radiomics model based on contrast-enhanced MRI for distinguishing between tuberculous spondylitis and pyogenic spondylitis 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/s00586-025-08696-1 PMID:39920318	研究论文	基于增强MRI的深度学习影像组学模型用于区分结核性脊柱炎和化脓性脊柱炎	首次将增强MRI影像组学特征与深度学习特征融合，构建深度学习影像组学列线图用于区分结核性脊柱炎和化脓性脊柱炎	单中心回顾性研究，样本量较小，需进一步多中心前瞻性验证	开发并验证基于增强MRI的深度学习影像组学列线图以区分结核性脊柱炎和化脓性脊柱炎	结核性脊柱炎和化脓性脊柱炎患者	计算机视觉、数字病理学	结核性脊柱炎、化脓性脊柱炎	增强MRI	深度学习模型	图像	147例患者，训练队列102例（52例TS，50例PS），外部测试队列45例（17例TS，28例PS）	NA	NA	AUC、校准曲线、决策曲线分析	NA
2935	2026-05-23	A multi-stage training and deep supervision based segmentation approach for 3D abdominal multi-organ segmentation 2025-Sep, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251355806 PMID:40671620	研究论文	提出一种结合多阶段训练和深度监督的3D腹部多器官分割方法	创新性地集成多阶段训练策略、伪标签技术及带注意力机制的深度监督模型DLAU-Net，加速模型收敛并提升泛化能力	未明确讨论对极小或边缘模糊器官的分割性能，且依赖FLARE挑战赛数据集的可推广性有待验证	解决3D CT腹部多器官分割中器官分布复杂、标注数据稀缺及结构多样性导致的训练困难与精度不足问题	腹部CT影像中的多器官（如肝脏、脾脏、肾脏等）	计算机视觉	腹部疾病	CT	卷积神经网络	3D CT图像	FLARE 2023挑战赛中的大规模数据集	NA	DLAU-Net (深度监督注意力U-Net)	平均器官精度(AVG), Dice相似系数(DSC)	NA
2936	2026-05-23	Multi-organ AI Endophenotypes Chart the Heterogeneity of Pan-disease in the Brain, Eye, and Heart 2025-Aug-13, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.09.25333350 PMID:40832432	研究论文	提出多器官AI内表型概念，利用深度学习方法研究脑、眼及心脏疾病的异质性与共同病因	首次提出"泛疾病"概念，并利用弱监督深度学习模型（Surreal-GAN）从多器官成像、遗传、蛋白质组和RNA-seq数据中识别11个AI衍生生物标志物（多器官AI内表型），用于揭示不同器官疾病之间的异质性和共享机制	NA	研究脑、眼及心脏疾病的异质性与共同病因，并为精准医学提供新的AI维度表示	129,340名参与者的个体水平数据以及MULTI联盟的汇总数据	机器学习、数字病理学	阿尔茨海默病、偏头痛、癌症、心血管疾病	RNA-seq	Surreal-GAN（弱监督深度学习模型）	图像、基因、蛋白质组、RNA-seq数据	129,340名参与者	NA	Surreal-GAN	NA	NA
2937	2026-05-23	Predicting functional outcomes after a stroke event by clinical text notes: A comparative study of traditional machine learning and deep learning methods 2025 Jul-Sep, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582251381194 PMID:40961451	研究论文	比较传统机器学习与深度学习方法在基于临床文本预测中风后功能结局上的性能	首次全面比较传统机器学习与深度学习方法在中风功能结局预测中的应用，并评估多种文本特征表示技术及其融合策略	数据仅来自单一医院，样本有限，深度学习方法未达最佳性能	基于临床文本笔记预测急性缺血性中风后功能结局，优化医疗资源配置	急性缺血性中风患者的临床文本笔记	自然语言处理	中风	文本挖掘	KNN、SVM、CNN、LSTM	文本	一家台湾医院收集的临床文本笔记	NA	KNN、SVM、CNN、LSTM	准确性、I型错误率	NA
2938	2026-05-23	Relation equivariant graph neural networks to explore the mosaic-like tissue architecture of kidney diseases on spatially resolved transcriptomics 2025-Jun-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf303 PMID:40358510	研究论文	提出一种关系等变图神经网络框架REGNN，用于分析肾脏疾病空间转录组数据中的异质性组织结构	首次将关系等变性和位置编码引入图神经网络，处理肾脏组织马赛克样空间结构，结合自编码器和自监督学习克服标注数据不足	仅验证于10× Visium平台，缺乏多平台泛化性测试；未详细说明计算资源消耗	开发适用于高度异质性组织（如肾脏）的空间转录组数据分析工具，揭示病理机制	慢性肾脏病和急性肾损伤患者的肾脏组织空间转录组数据	自然语言处理	肾脏疾病	空间转录组学	图神经网络	基因表达空间数据	不同肾脏疾病状态下的异质性样本	NA	关系等变图神经网络, 图自编码器, 自监督学习	NA	NA
2939	2026-05-23	Deep Learning on Histopathological Images to Predict Breast Cancer Recurrence Risk and Chemotherapy Benefit 2025-May-16, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.15.25327686 PMID:40661301	研究论文	开发了一种基于多模态深度学习的AI模型，通过常规组织病理图像和临床病理变量预测乳腺癌复发风险和化疗获益	利用预训练基础模型（基于171,189张组织病理切片），结合临床变量（年龄、肿瘤大小、受体状态）进行多模态分析，无需基因组测试即可预测Oncotype DX复发评分，并在TAILORx试验和六个外部队列中验证其预后价值和化疗获益预测能力	模型依赖于特定临床病理变量和预训练数据分布，可能在极端资源有限或不同人口统计特征的队列中需进一步验证；未详细讨论模型对不同亚型乳腺癌的适用性或潜在的批次效应	开发替代昂贵基因测试的AI工具，用于HR+/HER2-早期乳腺癌的复发风险分层和化疗决策支持	HR+/HER2-早期乳腺癌患者（TAILORx试验及六个独立外部队列）	数字病理学	乳腺癌	组织病理图像分析	多模态深度学习	图像和临床变量	培训（TAILORx试验n=8,284）和验证（外部六个队列n=5,497）	NA	基础模型（预训练于171,189张组织病理切片）	AUC	NA
2940	2026-05-23	A Novel Deep Learning-based Pathomics Score for Prognostic Stratification in Pancreatic Ductal Adenocarcinoma 2025-05-01, Pancreas IF:1.7Q3 DOI:10.1097/MPA.0000000000002463 PMID:40314741	研究论文	利用深度学习从苏木精-伊红染色全切片图像中构建病理组学评分，用于胰腺导管腺癌的预后分层	首次提出一种基于深度学习的病理组学评分，整合弱监督学习和多实例学习，从病理图像中自动提取可重复性特征，实现低成本的精准预后预测	由于未在摘要中提及，标记为NA	构建并验证一种基于深度学习的病理组学评分，以提升胰腺导管腺癌的预后预测准确性	864例胰腺导管腺癌患者的苏木精-伊红染色全切片图像及临床数据	数字病理学	胰腺导管腺癌	深度学习、弱监督学习、多实例学习、随机生存森林	NA	病理图像	864例患者的组织切片图像，其中训练组489例、验证组211例、新辅助治疗组164例	NA	NA	AUROC, C-index, 风险比 (HR), P值	NA