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
3001	2026-03-02	Current genomic deep learning models display decreased performance in cell type-specific accessible regions 2024-Aug-01, Genome biology IF:10.1Q1 DOI:10.1186/s13059-024-03335-2 PMID:39090688	研究论文	本文评估了基因组深度学习模型在细胞类型特异性染色质可及性区域的性能表现	揭示了基因组深度学习模型在细胞类型特异性可及区域的性能下降，并提出通过单任务学习或高容量多任务模型来提升性能的新策略	未详细说明模型在变异效应预测方面的改进策略，且性能提升方法可能受限于特定组织类型	评估基因组深度学习模型在不同细胞类型特异性染色质可及性区域的预测准确性	基因组深度学习模型（如Enformer和Sei）及其在染色质可及性预测中的应用	机器学习	NA	染色质可及性预测	深度学习模型	DNA序列数据	NA	NA	Enformer, Sei	准确性	NA
3002	2026-03-02	Deep Learning-based Modeling for Preclinical Drug Safety Assessment 2024-Jul-23, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.20.604430 PMID:39091793	研究论文	本文介绍了一种名为TRACE的深度学习模型，用于加速和自动化临床前药物安全性评估中的毒理学肝脏组织病理学分析	提出了首个用于加速和自动化毒理学病理学评估的框架TRACE，能够处理从组织病理学反应评估到自动剂量-反应表征等多种诊断任务，并在独立读者研究中表现优于平均病理学家水平	模型主要针对肝脏组织病理学，可能无法直接推广到其他器官或组织类型；训练数据来源于特定物种的临床前研究，在人类应用中的泛化能力有待验证	开发一种基于深度学习的计算模型，以加速临床前药物开发中的毒性评估过程，提高评估的再现性和客观性	临床前药物安全性评估中的毒理学肝脏组织病理学图像	数字病理学	药物毒性	组织病理学成像，深度学习	深度学习模型	组织病理学图像	从157项临床前研究的46,734个数字化组织切片中提取的1500万张组织病理学图像	未明确指定	TRACE（专有架构）	与共识意见的一致性（concordance）	未明确指定
3003	2026-03-02	Proscan: a structure-based proline design web server 2024-Jul-05, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae408 PMID:38769060	研究论文	介绍了一个基于结构的脯氨酸设计网络服务器Proscan，用于识别和探索目标蛋白质的脯氨酸替换设计	开发了首个结合骨架角度评估、能量评分和深度学习预测的脯氨酸设计网络服务器，提供交互式可视化功能	未明确说明服务器处理蛋白质结构的规模限制或计算时间要求	开发用于蛋白质结构设计和疫苗抗原工程的计算工具	蛋白质结构、脯氨酸替换位点	计算生物学	NA	结构生物学、深度学习	深度学习模型	蛋白质结构数据、突变稳定性数据	使用深度突变扫描和热力学测量数据集进行基准测试	NA	NA	NA	网络服务器架构
3004	2024-08-07	Author Correction: MRI-only based material mass density and relative stopping power estimation via deep learning for proton therapy: a preliminary study 2024-Jun-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65365-x PMID:38918458	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3005	2026-03-02	Preliminary Experience with Three Alternative Motion Sensors for 0.55 Tesla MR Imaging 2024-Jun-07, Sensors (Basel, Switzerland) DOI:10.3390/s24123710 PMID:38931494	研究论文	本文分享了在0.55特斯拉磁共振成像中使用三种替代运动传感器的初步经验，旨在监测身体表面、主要器官呼吸相关运动以及深部器官的非呼吸运动	结合深度学习算法，探索了三种不同技术的传感器（Pilot-Tone射频发射器、单通道超声换能器、3D飞行时间相机）用于磁共振环境内外的运动跟踪，并展示了它们同时捕获运动数据的能力	研究为初步经验，未提供大规模样本验证或长期性能评估，传感器在临床环境中的实际应用效果尚需进一步研究	评估替代运动传感器在磁共振成像中监测多种类型运动（如表面、呼吸相关及深部器官运动）的可行性和性能	身体表面、肝脏、膀胱等器官的运动	医学影像	NA	磁共振成像、射频发射、超声传感、3D飞行时间摄像	深度学习算法	运动数据、图像数据	NA	NA	NA	NA	NA
3006	2026-03-02	Sitetack: A Deep Learning Model that Improves PTM Prediction by Using Known PTMs 2024-Jun-04, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.03.596298 PMID:38895359	研究论文	本文提出了一种名为Sitetack的深度学习模型，通过利用已知的翻译后修饰（PTM）位点信息来改进PTM预测	该模型创新性地将已知PTM位点编码为单独的氨基酸特征，并结合词嵌入和卷积神经网络，显著提升了PTM预测性能	未明确提及数据集的局限性或模型的具体约束条件	旨在提高翻译后修饰（PTM）位点的预测准确性	蛋白质序列及其翻译后修饰（PTM）位点	机器学习	NA	序列编码、词嵌入	CNN	蛋白质序列数据	NA	NA	卷积神经网络	NA	NA
3007	2026-03-02	Differential artery-vein analysis improves the OCTA classification of diabetic retinopathy 2024-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.521657 PMID:38867785	研究论文	本研究探讨了在光学相干断层扫描血管成像中应用动静脉差异分析对糖尿病视网膜病变机器学习分类的影响	利用深度学习进行动静脉区域分割，并提取动静脉分化前后的定量特征，显著提升了糖尿病视网膜病变的分类准确率	未提及样本量外的具体局限性，如外部验证或模型泛化能力	通过动静脉差异分析改进糖尿病视网膜病变的OCTA分类	对照者、无糖尿病视网膜病变的糖尿病患者、轻度、中度和重度糖尿病视网膜病变患者	计算机视觉	糖尿病视网膜病变	光学相干断层扫描血管成像	深度学习, SVM	图像	NA	NA	NA	准确率	NA
3008	2026-03-02	Demographic bias in misdiagnosis by computational pathology models 2024-Apr, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-02885-z PMID:38641744	研究论文	本研究揭示了基于深度学习的计算病理学模型在乳腺癌、肺癌亚型分型和胶质瘤IDH1突变预测中，因人口统计学因素（如种族）导致的性能偏差，并探讨了自监督视觉基础模型在缓解这种偏差方面的作用	首次系统性地量化了计算病理学模型在不同人口统计学群体（如白人和黑人患者）间的性能差异，并验证了自监督视觉基础模型在减少这些偏差方面的有效性	自监督视觉基础模型未能完全消除性能差异，且研究主要基于公开数据集，可能无法涵盖所有人口统计学群体	评估计算病理学模型在不同人口统计学群体中的性能偏差，并探索缓解策略	乳腺癌、肺癌的亚型分型以及胶质瘤的IDH1突变预测	计算病理学	乳腺癌, 肺癌, 胶质瘤	全切片图像分类	深度学习模型	全切片图像	来自癌症基因组图谱、EBRAINS脑肿瘤图谱及内部患者数据的公开数据集	NA	自监督视觉基础模型	受试者工作特征曲线下面积	NA
3009	2026-03-02	Deep learning-based automatic segmentation of cardiac substructures for lung cancers 2024-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.110061 PMID:38122850	研究论文	本研究开发并验证了基于深度学习的自动分割模型，用于肺癌放疗中精确分割心脏亚结构，以降低辐射诱发心脏病的风险	首次使用nnU-Net模型对19个心脏亚结构（包括冠状动脉）进行自动分割，并进行了主观和客观评估	冠状动脉的分割性能相对较低（平均DSC为0.60），且样本量有限（100名患者）	开发并验证用于肺癌放疗中心脏亚结构自动分割的深度学习模型	非小细胞肺癌患者的19个心脏亚结构（全心脏、4个心腔、6个大血管、4个瓣膜和4条冠状动脉）	数字病理学	肺癌	CT成像	CNN	医学图像	100名非小细胞肺癌患者（训练/验证/测试集比例为75:5:20），外加42名患者的独立数据集用于主观评估	nnU-Net	nnU-Net	Dice相似系数, 平均剂量误差, 最大剂量误差	NA
3010	2026-03-02	Automated HER2 Scoring in Breast Cancer Images Using Deep Learning and Pyramid Sampling 2024, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0048 PMID:39045139	研究论文	本文介绍了一种基于深度学习和金字塔采样的自动化方法，用于对免疫组织化学染色的乳腺癌组织图像中的HER2状态进行分类	利用金字塔采样在多个空间尺度上分析形态特征，有效处理计算负载并全面检查细胞和组织层面的细节，从而应对HER2表达的异质性	NA	开发一种自动化系统，用于准确评估乳腺癌组织图像中的HER2表达水平，以辅助诊断和治疗规划	免疫组织化学染色的乳腺癌组织图像，特别是来自组织微阵列的523个核心图像	数字病理学	乳腺癌	免疫组织化学染色	深度学习	图像	523个核心图像	NA	NA	准确率	NA
3011	2026-03-02	Identifying primary tumor site of origin for liver metastases via a combination of handcrafted and deep learning features 2024-01, The journal of pathology. Clinical research DOI:10.1002/cjp2.344 PMID:37822044	研究论文	本研究通过结合手工特征和深度学习特征，识别肝转移瘤的原发肿瘤部位	首次将手工提取的病理形态学特征与深度学习分类器结合，用于肝转移瘤原发部位的识别，并探索了原发肿瘤内转移瘤起源的空间定位	样本量较小（114名患者），为试点研究，需更大规模验证	识别肝转移瘤的原发肿瘤部位，以指导治疗决策	肝转移瘤的病理切片，来自结肠、食管、乳腺和胰腺等不同原发部位	数字病理学	肝转移瘤	病理切片分析，计算机特征提取	随机森林，深度学习分类器	病理全切片图像	175张切片（114名患者），包括121张训练用WSI和54张验证用WSI	未明确指定，可能涉及多种机器学习库	未明确指定具体深度学习架构	AUC	NA
3012	2026-03-02	Electrocardiographic deep learning for predicting post-procedural mortality: a model development and validation study 2024-01, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00220-0 PMID:38065778	研究论文	本研究开发并验证了一种基于深度学习的模型，利用术前心电图波形预测患者术后死亡率	首次将深度学习应用于术前心电图分析，以识别传统风险评估方法（如RCRI评分）未能发现的术后死亡风险隐藏标志物	研究数据主要来源于美国医疗机构，可能限制了模型在其他人群或医疗系统中的普适性	开发一种能够准确预测接受医疗程序患者术后死亡率的预后模型	接受医疗程序并进行了术前心电图诊断测试的患者	机器学习	心血管疾病	心电图（ECG）波形分析	深度学习算法	心电图波形图像	45,969名患者（共59,975次住院程序和112,794份心电图）	NA	NA	AUC（受试者工作特征曲线下面积）	NA
3013	2026-03-02	Deep learning uncertainty quantification for clinical text classification 2024-01, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2023.104576 PMID:38101690	研究论文	本文探讨了基于深度神经网络的临床文本分类中不确定性量化方法，旨在通过选择性分类策略自动化提取癌症登记处的病理报告信息，以在保证目标准确率的同时最小化模型拒绝预测的样本数量	引入了多种选择性分类方法，用于在多个分类任务中实现目标准确率并最小化拒绝率，相比现有基于深度学习的弃权分类器，这些方法无需重新训练且计算成本更低	对于分布外测试数据的解释较为复杂，且方法在泛化到其他数据集或任务时可能需进一步验证	开发并评估深度神经网络在临床文本分类中的不确定性量化方法，以提升癌症登记处信息提取的自动化效率和可靠性	美国国家癌症研究所SEER癌症登记处的电子文本病理报告，用于诊断和手术时的疾病信息提取	自然语言处理	癌症	NA	深度神经网络	文本	NA	NA	NA	准确率, 拒绝率	NA
3014	2026-03-02	Machine Learning in Vascular Medicine: Optimizing Clinical Strategies for Peripheral Artery Disease 2024, Current cardiovascular risk reports IF:2.0Q3 DOI:10.1007/s12170-024-00752-7 PMID:39552745	综述	本文综述了机器学习在血管医学中优化外周动脉疾病临床策略的应用	整合电子健康记录、影像数据和蛋白质组学生物标志物，利用机器学习实现自动化筛查、诊断和风险分层，推动精准医疗	蛋白质组学生物标志物的临床应用可能受成本和可及性限制，且模型需在真实世界临床实践中进行验证和前瞻性评估	更新机器学习在外周动脉疾病管理中的应用，以优化临床策略	外周动脉疾病患者	机器学习	心血管疾病	电子健康记录分析、影像数据分析、蛋白质组学生物标志物检测	深度学习算法	电子健康记录、影像数据、生物标志物数据	NA	NA	NA	准确性	NA
3015	2026-03-02	Patient-Specific Heart Geometry Modeling for Solid Biomechanics Using Deep Learning 2024-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3294128 PMID:37432807	研究论文	提出了一种基于深度学习的自动化患者特异性心脏几何体网格生成方法，用于固体生物力学分析	使用最小化表面网格标签实现精确空间精度，并同时优化各向同性和各向异性变形能量以提高体网格质量	未明确说明方法在极端病理形态或不同成像模态下的泛化能力	开发自动化患者特异性心脏体网格生成方法以加速生物力学研究	患者特异性心脏几何体（包括瓣膜薄壁结构）	数字病理学	心血管疾病	深度学习	深度学习变形方法	医学影像扫描数据	NA	NA	DeepCarve（深度心脏体网格）	空间精度，网格元素质量，生成速度（0.13秒/扫描）	NA
3016	2026-03-02	A population-level digital histologic biomarker for enhanced prognosis of invasive breast cancer 2024-01, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-023-02643-7 PMID:38012314	研究论文	本研究提出了一种基于数字组织学的预后生物标志物HiPS，用于增强浸润性乳腺癌的生存预测	HiPS首次通过深度学习全面量化肿瘤微环境中的上皮、基质、免疫及空间交互特征，超越了传统病理学家的定性评估	研究未详细讨论模型在不同种族或医疗资源匮乏地区的泛化能力	开发一种数字组织学生物标志物以改善乳腺癌患者的预后评估	浸润性乳腺癌患者的组织切片图像	数字病理学	乳腺癌	深度学习	深度学习模型	组织病理学图像	基于Cancer Prevention Study-II队列开发，并在三个独立队列（包括PLCO试验、CPS-3和TCGA）中验证	NA	NA	生存预测准确性	NA
3017	2026-03-02	Histopathologic brain age estimation via multiple instance learning 2023-12, Acta neuropathologica IF:9.3Q1 DOI:10.1007/s00401-023-02636-3 PMID:37815677	研究论文	本研究利用多实例学习从组织病理学全切片图像中估计大脑年龄，揭示了年龄加速与临床病理结果的关联	首次基于组织病理学全切片图像开发大脑年龄估计模型，并发现其与年龄相关变化的神经解剖区域对应，且比表观遗传学指标更能关联临床病理结果	研究基于死后海马组织样本，可能无法完全反映活体大脑的年龄变化；样本来源和数量可能限制模型的泛化能力	通过深度学习模型评估大脑年龄加速，以理解正常生理机制及阿尔茨海默病等年龄相关疾病的病理变化	人类死后海马组织切片	数字病理学	阿尔茨海默病	组织病理学全切片成像	多实例学习	图像	NA	NA	NA	平均绝对误差	NA
3018	2026-03-02	Structural and functional connectome relationships in early childhood 2023-12, Developmental cognitive neuroscience IF:4.6Q1 DOI:10.1016/j.dcn.2023.101314 PMID:37898019	研究论文	本研究探讨了幼儿期大脑结构与功能连接组之间的关系，并开发了一种基于图卷积神经网络的深度学习模型来预测个体功能连接	首次在幼儿期纵向研究结构与功能连接组的关系，并应用了一种新的图卷积神经网络模型和损失函数以更好地捕捉个体异质性	研究样本主要来自特定年龄段的儿童和成人，可能无法完全代表所有人群，且模型在更广泛数据集上的泛化能力有待验证	探究幼儿期大脑结构与功能连接组之间的发展关系，并开发更准确的预测模型	1至6岁儿童及成人参与者	机器学习	NA	NA	图卷积神经网络	大脑连接组数据	360名儿童（纵向扫描于1、2、4、6岁）和89名成人	NA	图卷积神经网络	NA	NA
3019	2026-03-02	Personal transcriptome variation is poorly explained by current genomic deep learning models 2023-12, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-023-01574-w PMID:38036790	研究论文	本文评估了四种先进的基因组深度学习模型在解释个体间基因表达变异方面的表现，发现它们在预测顺式调控遗传变异对表达的影响方面存在局限性	首次系统评估了基因组深度学习模型在解释个体间转录组变异方面的能力，揭示了模型在预测顺式调控遗传变异效应方向上的不足	模型在解释个体间表达变异方面性能有限，且常无法正确预测顺式调控遗传变异对表达的影响方向	评估基因组深度学习模型在解释个体间基因表达变异方面的能力	配对个人基因组和转录组数据	机器学习	NA	基因组深度学习	深度学习模型	DNA序列、基因表达数据	NA	NA	NA	NA	NA
3020	2026-03-02	Artificial intelligence for natural product drug discovery 2023-11, Nature reviews. Drug discovery DOI:10.1038/s41573-023-00774-7 PMID:37697042	综述	本文探讨了人工智能与计算组学技术在天然产物药物发现中的协同作用，旨在有效识别潜在药物候选分子	结合计算组学技术与人工智能方法，如机器学习，以挖掘天然产物的隐藏多样性并促进药物设计	需要高质量数据集来训练深度学习算法，并需制定适当的算法验证策略	探索人工智能与计算组学技术在天然产物药物发现中的协同应用，以识别药物候选分子	天然产物分子及其在药物发现中的应用	机器学习	NA	计算组学技术	深度学习	分子数据	NA	NA	NA	NA	NA