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
321	2026-06-10	Deep learning-based H&E-derived risk scores in colorectal cancer: associations with tumour morphology, biology, and predicted drug response 2026-May, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.70039 PMID:41716034	研究论文	基于深度学习的H&E染色切片风险评分与结直肠癌肿瘤形态、生物学及预测药物反应的关联分析	首次系统分析了基于H&E切片的深度学习风险评分与肿瘤-脂肪细胞直接相互作用、肿瘤出芽等形态学特征以及药物敏感性差异的关联	研究局限于已发表的深度学习模型生成的风险评分，未涉及模型训练过程及数据异质性对结果的影响	探究H&E切片深度学习风险评分与结直肠癌临床病理特征、肿瘤形态学和药物反应的关系	来自四个国际队列的4000多例结直肠癌患者的全切片图像及临床数据	数字病理学	结直肠癌	H&E染色	深度学习模型	全切片图像	4000余例结直肠癌患者（来自四个国际队列）	NA	NA	风险评分（低风险 vs 高风险，以及绝对风险评分）	NA
322	2026-06-10	Blood pressure estimation using single photoplethysmography signal based on ResNet-BiGRU 2026-Apr-24, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2025-0285 PMID:41715883	研究论文	开发一种基于单光电容积描记信号的深度学习方法，实现无袖带血压估计	提出ResNet-BiGRU混合深度神经网络，结合残差卷积块和双向门控循环单元，同时捕获形态特征和时间特征	外部验证使用VitalDB数据集时，收缩压MAE（8.15 mmHg）相比UCI数据集（4.78 mmHg）显著升高，表明模型在不同临床条件下的泛化性能仍有提升空间	实现准确、连续、无创的无袖带血压估计	单路PPG信号用于血压估计	机器学习	心血管疾病	光电容积描记	混合模型（ResNet + BiGRU）	生理信号（PPG和动脉血压）	942名受试者（UCI数据集）	NA	ResNet, BiGRU	平均绝对误差 (MAE)	NA
323	2026-06-10	Advancements in OCT and OCTA imaging for AMD: An in-depth analysis of research hotspots, emerging trends, and technological innovations 2026-Apr, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2026.105402 PMID:41713794	综述	利用文献计量分析，深度剖析2015-2024年间OCT和OCTA在年龄相关性黄斑变性（AMD）中的研究热点、新兴趋势和技术创新	首次通过文献计量方法系统梳理OCT/OCTA在AMD领域的演变，集成热点图谱和前沿主题（如AI联合检测、超反射灶生物标志物、时间序列预测模型）	仅检索Web of Science Core Collection单一数据库，排除非英文文献，且无法完全涵盖最新发表成果（分析截止于2025年1月）	绘制OCT与OCTA在AMD研究中的全球合作网络、核心主题和新兴方向，为精准诊断和个性化治疗提供趋势参考	2471篇关于OCT/OCTA在AMD应用的英文研究文章（2015-2024年）	医学影像分析	年龄相关性黄斑变性（AMD）	OCT, OCTA	NA	文献元数据	2471篇文章	CiteSpace, Excel	NA	NA	NA
324	2026-06-10	Integration of Raman tweezers and machine learning for label-free single-cell characterization of endometriosis cells 2026-Mar-30, The Analyst DOI:10.1039/d5an01076d PMID:41711554	研究论文	开发并验证了一种结合光镊和拉曼光谱的拉曼镊子平台，用于对子宫内膜异位症细胞进行无标记单细胞生化分析，并利用机器学习实现分类	首次将拉曼镊子应用于子宫内膜异位症细胞的单细胞分析，结合了自监督深度学习预处理和可解释机器学习方法	NA	建立一种无标记的单细胞分析方法，用于探测子宫内膜异位症的细胞病理生理学并支持微创诊断策略	子宫内膜异位症衍生的VK2/E6E7上皮细胞和A549上皮癌细胞系	机器学习	子宫内膜异位症	拉曼光谱	随机森林、XGBoost	拉曼光谱数据	NA	NA	随机森林、XGBoost	准确率	NA
325	2026-06-10	YOLO-based real-time floating debris counting in urban rivers for flood monitoring and water resource management 2026-Feb-19, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15040-7 PMID:41711999	研究论文	本研究提出一个结合YOLO深度学习目标检测模型和视频监控的实时框架，用于城市河流中漂浮垃圾的识别与计数，以支持洪水预警和水资源管理	首次将YOLOv7与YOLOv9在真实城市河流环境中进行对比评估，并实现基于视频监控的实时漂浮垃圾自动计数系统	仅在马来西亚莎阿南特定洪水易发区部署，可能未涵盖不同气候和地理条件下的泛化性	开发用于城市河流漂浮垃圾实时监测的自动化框架，支持洪水预警和水资源管理	城市河流中的漂浮垃圾	计算机视觉	不适用	深度学习目标检测、视频监控	YOLO	图像	在马来西亚莎阿南洪水易发区部署的现场数据	PyTorch, OpenCV	YOLOv7, YOLOv9	精确率, 召回率, F1分数	不适用
326	2026-06-10	The consensus molecular subtypes of esophageal squamous cell carcinoma 2026-Feb-19, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-026-02577-9 PMID:41714596	研究论文	通过整合八个现有分类系统，采用网络方法识别出食管鳞状细胞癌的四种共识分子亚型，并开发基于图像的深度学习方法进行亚型分类	首次建立食管鳞状细胞癌的共识分子亚型分类系统（ECMS），并开发基于H&E染色全切片图像的空间组织特征（SOF）的深度学习分类器imECMS，实现了从组织病理图像直接预测分子亚型	未提及具体的局限性	建立食管鳞状细胞癌的标准化分类系统，促进精准治疗	食管鳞状细胞癌的分子亚型及其与预后和治疗反应的关系	数字病理学	食管鳞状细胞癌	H&E染色全切片图像分析	深度学习	组织病理图像	多个独立队列验证	NA	深度学习模型（未具体说明架构类型）	未能从标题和摘要中提取具体指标	NA
327	2026-06-10	Assessment of Predictive Factors That Shorten Duration of Treatment in Patients With Multiple Myeloma Using AI: Real-World Longitudinal Study Using Data From Medical Data Vision Claims Database 2026-Feb-19, JMIR cancer IF:3.3Q2 DOI:10.2196/75586 PMID:41711382	研究论文	利用机器学习方法分析日本多发性骨髓瘤患者治疗持续时间缩短的预测因素	首次使用可解释深度学习模型和点式线性模型从真实世界医疗索赔数据库中识别缩短治疗持续时间的因素，并通过聚类分析揭示患者特征与治疗时长的关系	模型AUC分数较低（0.61-0.66），可能遗漏部分预测因素；数据来源于单一日本数据库，通用性有限	使用机器学习方法从日本医疗数据视界索赔数据库中识别缩短多发性骨髓瘤患者治疗持续时间的因素	日本多发性骨髓瘤患者，年龄≥18岁，包括不适合移植的新诊断患者（一线治疗）或复发/难治性患者（二线或三线治疗）	机器学习	多发性骨髓瘤	NA	点式线性模型、弹性网络（正则化逻辑回归）、极限梯度提升模型	医疗索赔数据	2762名患者（4848个独立样本），平均年龄69.6岁，52.5%为男性	NA	NA	曲线下面积	NA
328	2026-06-10	Machine Learning for Predicting Stroke Risk Stratification Using Multiomics Data: Systematic Review 2026-Feb-19, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/85654 PMID:41711384	综述	系统评估使用多组学数据的机器学习模型在中风风险分层中的表现、整合策略及报告实践	首次系统评价多组学机器学习模型在中风风险预测中的判别性能、整合策略与验证实践，以指导未来方法学发展	仅有7项研究符合纳入标准，样本量小、设计异质且报告不完整，限制了可重复性和泛化能力	系统评价多组学机器学习模型用于中风风险分层，分析判别性能、整合策略、验证及报告模式，为未来方法学开发提供信息	缺血性、出血性或未明确中风类型的成年患者	机器学习	心血管疾病	多组学技术（包括代谢组学、蛋白质组学、脂质组学等）	支持向量机、树集成方法、广义线性模型、深度学习架构	多组学数据（至少包含两个组学层次）	7项研究，总计40,274名参与者	NA	支持向量机、树集成、广义线性模型、深度学习架构	接收者操作特征曲线下面积	NA
329	2026-06-10	AI-driven CRISPR screening: optimizing gene editing through automation and intelligent decision support 2026-Feb-19, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-026-07849-0 PMID:41715150	综述	总结人工智能如何通过引入预测性、自适应性和系统级智能重塑CRISPR筛选流程	将CRISPR筛选从静态分析流程重构为智能实验系统，提出机器学习/深度学习与大型语言模型智能体双模块协同机制	未提及具体局限性	阐述人工智能优化CRISPR筛选的实验设计与数据分析方法	CRISPR筛选技术及其应用场景	机器学学习	NA	CRISPR筛选	大型语言模型智能体	NA	NA	NA	NA	NA	NA
330	2026-06-10	Pneumonia detection from enhanced chest X-Ray images based on Double SGAN model 2026-Feb-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39785-w PMID:41714360	研究论文	提出一种基于深度学习的肺炎检测系统，利用增强的胸部X光图像和双SGAN模型解决类别不平衡问题	创新性地提出双SGAN模型，结合谱归一化、自注意力机制和铰链损失函数进行稳定训练，并构建嵌入空间注意力机制的ResNet18-SA分类模型	仅使用儿童肺部图像的肺炎MNIST数据集，可能无法全面代表不同年龄和人群的肺炎特征	提高肺炎图像分类的准确性和鲁棒性	胸部X光图像中的肺炎病灶	计算机视觉, 数字病理学	肺炎	胸部X光成像	SGAN, ResNet	图像	肺炎MNIST数据集（儿童肺部图像）	NA	ResNet18, 自注意力机制	准确率, 精确率, 召回率, F1分数	NA
331	2026-06-10	Classification of dysphagia severity after lateral medullary infarction with deep learning 2026-Feb-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40751-9 PMID:41714402	研究论文	利用深度学习算法，基于急性期弥散加权MRI对延髓背外侧梗死患者吞咽困难严重程度进行分类	首次采用分层视觉Transformer（Hier-ViT）架构，利用急性期弥散加权MRI对延髓背外侧梗死患者吞咽困难严重程度进行分类，考虑了空间层次和全局图像上下文	AUC值中等（0.69），表明模型区分能力有限，特别是在不平衡临床数据集中需要进一步优化和多模态整合	开发和验证一种深度学习算法，用于早期分类延髓背外侧梗死患者吞咽困难严重程度，以便及时干预和个性化康复计划	163名确诊急性延髓背外侧梗死患者的急性期弥散加权MRI图像和视频荧光吞咽研究确定的吞咽困难严重程度	计算机视觉，数字病理学	老年病（吞咽困难）	弥散加权MRI（DWI），视频荧光吞咽研究（VFSS）	分层视觉Transformer（Hier-ViT）	图像（MRI）	163名患者	PyTorch（假设，基于Transformer架构）	Hierarchical Vision Transformer (Hier-ViT)	准确率，精确率，召回率， F1分数， AUC	NA
332	2026-06-10	Deep learning models identify brain changes during the progression of Alzheimer's disease 2026-Feb-19, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-026-00666-7 PMID:41714635	研究论文	提出一种多分支融合通道注意力网络，利用纵向sMRI数据识别阿尔茨海默病进展中的脑区动态变化	首次提出利用多分支融合通道注意力网络整合纵向多个时间点的sMRI数据，通过可解释性分析揭示AD进展中脑区贡献的动态变化模式	文本未明确提及局限性，可能包括样本量有限、外部验证不足或模型泛化性需进一步评估	开发基于多时间序列的深度学习方法，识别阿尔茨海默病进展过程中的脑区动态变化	阿尔茨海默病患者及正常衰老对照组的纵向结构磁共振成像数据	计算机视觉	阿尔茨海默病	sMRI	CNN	图像	未指定	未指定	多分支融合通道注意力网络	未指定	未指定
333	2026-06-10	FATE-MAP predicts teratogenicity and human gastrulation failure modes by integrating deep learning and mechanistic modeling 2026-Feb-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69596-6 PMID:41714622	研究论文	提出了一个名为FATE-MAP的综合平台，结合深度学习与机械建模，预测致畸性和人类原肠胚形成失败模式	将深度学习与机械形态原建模整合，通过高通量药物筛选和表型映射，首次系统性地预测人类原肠胚形成过程中的失败模式	研究主要基于人类2D类原肠胚模型，可能无法完全模拟体内3D结构和生理环境	解析人类原肠胚形成过程中的失败模式，并加速安全治疗药物的发现	人类2D类原肠胚	机器学习	先天性畸形	高通量药物处理、深度学习、偏微分方程模拟	Transformer、偏微分方程模型	图像数据、化学结构数据	超过2000个药物处理的人类2D类原肠胚	PyTorch	Transformer	NA	NA
334	2026-06-10	Automated Risk Assessment of Opioid Use: Analysis Using Pre-Trained Transformers on Social Media Data 2026-Feb-19, JMIR infodemiology IF:3.5Q1 DOI:10.2196/77783 PMID:41711388	研究论文	利用预训练Transformers模型分析社交媒体数据，实现阿片类药物使用风险的自动评估	提出一个基于BioBERT并集成自定义注意力机制的框架，用于从社交媒体帖子中自动检测阿片类药物过量风险和药物分类，相比传统方法和现有基线模型获得显著性能提升	依赖Reddit帖子数据集，数据量和代表性可能有限；模型性能和通用性需在更大规模、更多来源的数据上进一步验证	开发能够自动检测阿片类药物过量风险并将药物分类为高风险和低风险类别的工具	Reddit社交媒体帖子	自然语言处理	阿片类药物滥用	NA	Transformer	文本	未明确，但通过5折交叉验证使用了n=5折的统计测试	NA	BioBERT，自定义注意力机制	F1分数	NA
335	2026-06-10	From modality-specific to compositional foundation models for cell biology 2026-Feb-18, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2026.101534 PMID:41713397	综述	探讨组合式AI作为模块化设计方法构建多模态基础细胞模型的潜力	提出组合式AI作为模块化设计方法统一多模态生物学数据（如染色质可及性、蛋白质丰度、空间转录组学、显微镜成像和文本注释）以构建细胞行为表示	数据可用性有限、模态表示间的结构差异、部分重叠多模态测量的对齐与连接挑战	利用多模态AI解码细胞系统的复杂性，实现代理虚拟细胞模型	多模态细胞生物学数据及其关系	机器学习	NA	多模态建模	Transformer	图像、文本、基因表达数据	NA	PyTorch	Transformer	NA	NA
336	2026-06-10	Deep Learning-Based Structural Brain Age Estimation in Bipolar Disorder and Schizophrenia: A Single-Site Pilot Study 2026-Feb-15, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70479 PMID:41714875	研究论文	使用3D-CNN基于结构MRI预测双相障碍和精神分裂症的脑年龄，并分析Brain-PAD的组间差异和区域贡献	首次在一个单站点试点研究中，利用3D-CNN分别评估双相障碍和精神分裂症患者的脑年龄差异，并结合Grad-CAM揭示颞叶和额叶等关键脑区的贡献	单站点设计限制泛化性，样本量相对较小，仅使用横断面数据无法直接推断脑老化的纵向轨迹	探讨双相障碍和精神分裂症中加速脑老化的生物标志物Brain-PAD及其与年龄的交互作用	健康对照组、双相障碍患者、精神分裂症患者的结构MRI数据	计算机视觉	双相障碍, 精神分裂症	结构MRI	3D-CNN	图像	健康对照155名，双相障碍122名，精神分裂症161名	NA	3D卷积神经网络	MAE, 相关系数r	NA
337	2026-06-10	PAIRNet: Predicting PIWI cleavage specificity via position-aware RNA interaction modeling 2026-Feb, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013936 PMID:41712585	研究论文	提出PAIRNet深度学习框架，通过位置感知的RNA互作建模预测PIWI介导的RNA切割效率	首次整合生化见解与计算创新，明确建模互作几何结构而非仅序列特征，采用混合CNN-Transformer架构优先分析双链动态，并引入可解释性模块关联互作模式与生化见解	NA	建立高效预测PIWI蛋白导向RNA切割率的可扩展计算方法，加速piRNA沉默工具设计与RNA引导基因组防御机制研究	PIWI蛋白引导的RNA靶标切割过程	机器学习	NA	CNS-seq	CNN-Transformer	序列数据	NA	NA	CNN, Transformer	PCC	NA
338	2026-06-10	Deep Learning Automated Measurement of Shunt Severity with Estimation of Uncertainty in 4D Flow MRI 2026-Feb, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.250138 PMID:41711549	研究论文	评估深度学习系统在四维血流磁共振成像中全自动测量分流严重程度的可行性	首次利用深度学习系统全自动地计算净主动脉和肺动脉血流，并通过多次测量的标准差量化预测不确定性	未在更广泛的患者群体中进行验证，且仅使用了回顾性数据	评估深度学习系统自动测量全身和肺循环血流的可行性	188例临床四维血流磁共振成像检查数据及71例分流患者	计算机视觉	先天性心脏病	四维血流磁共振成像	卷积神经网络	图像	188例临床检查用于系统开发，71例分流患者用于验证	NA	NA	Pearson相关系数、Bland-Altman分析	NA
339	2026-06-10	Open-source framework for detecting bias and overfitting for large pathology images 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341715 PMID:41712557	研究论文	提出一个开源框架，用于检测大型病理图像中的偏差和过拟合问题	提出与模型架构无关的调试框架，能复制已知偏差模式，且集成于MONAI框架作为开源工具	可能未覆盖所有类型的偏差，计算资源需求仍较高	开发可靠、准确且泛化能力强的全切片图像分析模型	深度学习模型中的偏差和过拟合现象	数字病理学	不适用	不适用	CNN	图像	使用公开的组织病理学数据集，具体样本量未提及	MONAI	Phikon-v2, MoCo v1	不适用	不适用
340	2026-06-10	DrugReasoner: Interpretable drug approval prediction with a reasoning-augmented language model 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342940 PMID:41712587	研究论文	提出了一种基于推理增强的大语言模型DrugReasoner，用于预测小分子药物的批准可能性，同时生成逐步推理过程和置信度分数	将分子描述符与结构相似化合物的比较推理结合，通过GRPO微调LLaMA架构，在保持预测性能的同时提供可解释的推理输出	仅针对小分子药物，未涉及大分子或复杂生物制剂；推理过程可能受限于训练数据中的已知化合物结构信息	实现具有可解释性的小分子药物批准预测，解决传统AI方法在药物发现中的黑箱问题	小分子药物的批准预测，以及与结构相似获批/未获批化合物的比较分析	机器学习	不适用	分子描述符计算、结构相似性分析	大语言模型（LLaMA架构）	分子结构数据、药物批准状态数据	训练集、验证集和测试集划分（具体数量未提及），以及独立外部数据集	PyTorch	LLaMA	AUC, F1分数, 精确率, 灵敏度	NVIDIA RTX 3090（推测，因使用LLaMA微调未见明确说明）