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
3521	2026-02-23	Chemical genomics language model toward reliable and explainable compound-protein interaction exploration 2026-Jan-30, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01155-z PMID:41618385	研究论文	本文提出了一个名为ChemGLaM的化学基因组学语言模型，旨在实现可靠且可解释的化合物-蛋白质相互作用预测	通过整合独立预训练的化学和蛋白质语言模型，并引入交叉注意力机制、不确定性估计和注意力可视化，同时解决了高泛化性能、预测置信度量化和可解释性三大挑战	未明确提及模型在特定蛋白质家族或化合物类别上的潜在性能偏差	开发一个能够可靠且可解释地预测化合物-蛋白质相互作用的深度学习模型，以推动化学生物学和药物发现	化合物与蛋白质之间的相互作用	自然语言处理	肌萎缩侧索硬化症	语言模型	语言模型	文本（化学和蛋白质序列的符号表示）	覆盖了所有20,434个人类蛋白质与所有11,455种药物的所有可能配对	NA	化学语言模型, 蛋白质语言模型	NA	低计算成本
3522	2026-02-23	Multi-omics deep learning improves FDG PET-CT-based long-term prognostication of breast cancer 2026-Jan-29, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01283-7 PMID:41611944	研究论文	本研究开发了一种基于多组学深度学习的预后分层模型，用于改善乳腺癌患者基于FDG PET-CT的长期生存预测	提出了一种结合临床数据、FDG PET-CT影像及对应医疗报告的多组学深度学习模型，并融入了可解释性分析以增强临床适用性	研究基于回顾性队列，可能存在选择偏倚；模型在外部验证和前瞻性应用中的效果仍需进一步评估	提高乳腺癌患者基于FDG PET-CT的长期预后预测准确性和风险分层能力	非转移性乳腺癌患者	数字病理学	乳腺癌	FDG PET-CT	深度学习	图像, 文本	大型回顾性队列（具体数量未在摘要中提供）	NA	Transformer	C-index	NA
3523	2026-01-29	Glomeruli detection and classification in histopathological images using deep learning semantic segmentation 2026-Jan-28, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02178-6 PMID:41593526	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3524	2026-02-23	Annotation-free 3D reconstruction and quantification of retinal microvasculature by RADAR 2026-Jan-21, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02366-2 PMID:41565785	研究论文	本文提出了一种名为RADAR的无标注计算框架，用于三维分割和量化光学相干断层扫描血管造影数据，以重建和量化视网膜微血管系统	RADAR框架无需人工标注，结合自适应物理感知去噪和拓扑保持中心线提取，实现了对复杂血管网络的三维重建和量化	NA	开发一种无标注的三维重建和量化方法，用于监测视网膜微血管系统，以评估全身血管健康	健康个体和早期糖尿病视网膜病变患者的视网膜微血管系统	数字病理学	糖尿病视网膜病变	光学相干断层扫描血管造影	NA	光学相干断层扫描血管造影数据	NA	NA	NA	NA	NA
3525	2026-02-23	An interpretable deep learning model for predicting endometrial cancer molecular subtypes from H&E-stained slides 2026-Jan-21, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01280-w PMID:41565925	研究论文	本研究开发了一种基于H&E染色全切片图像的、可解释的深度学习模型，用于预测子宫内膜癌的分子亚型	开发了首个基于H&E染色WSI的端到端可解释深度学习模型，用于预测子宫内膜癌的四种分子亚型，并在宏观和微观层面分析了组织学特征与分子特征的相关性	外部验证队列中苏州队列样本量较小（n=36），可能影响模型泛化能力的全面评估	开发一种可解释的深度学习模型，用于从H&E染色全切片图像预测子宫内膜癌分子亚型，以辅助预后评估和治疗决策	子宫内膜癌患者的H&E染色全切片图像	数字病理学	子宫内膜癌	H&E染色	深度学习模型	全切片图像	训练队列：复旦队列364例；验证队列：TCGA队列296例，苏州队列36例	未明确说明	端到端预测网络	AUROC	未明确说明
3526	2026-02-23	Multitrait analyses identify genetic variants associated with aortic valve function and aortic stenosis risk 2026-Jan, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-025-02397-7 PMID:41419685	研究论文	本研究利用深度学习从磁共振成像中测量主动脉瓣功能参数，结合多性状GWAS分析，识别了与主动脉瓣功能和主动脉狭窄风险相关的遗传变异	首次将深度学习测量的主动脉瓣功能参数与多性状GWAS分析相结合，识别了包括PCSK9和LDLR在内的166个独特基因位点，并利用孟德尔随机化支持了Lp(a)和LDL对主动脉瓣功能的潜在因果作用	研究主要基于UK Biobank的欧洲血统参与者，可能限制了结果在其他人群中的普适性	探究正常主动脉瓣功能的遗传影响及其对主动脉狭窄风险的作用	UK Biobank中的59,571名参与者的磁共振成像数据	机器学习和基因组学	心血管疾病	磁共振成像, 全基因组关联研究, 多性状GWAS分析, 孟德尔随机化	深度学习模型	图像, 遗传数据	59,571名参与者	NA	NA	风险比, P值	NA
3527	2026-02-23	Enhanced medical image segmentation using optimized bidirectional LSTM and dolphin partner optimizer 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342592 PMID:41719271	研究论文	本文提出了一种优化的双向长短期记忆网络结合海豚伙伴优化器的方法，用于提升医学图像分割性能	通过海豚伙伴优化器动态调整Bi-LSTM的权重和偏置参数，优化网络在空间位置、通道和尺度上的特征提取能力	未明确说明方法在非MRI图像或其他医学影像模态上的泛化能力	提高医学图像分割的准确性和效率，以支持临床诊断	医学图像，特别是MRI图像	计算机视觉	NA	NA	Bi-LSTM	图像	NA	NA	优化的双向长短期记忆网络	Dice相似系数, Jaccard相似指数, 准确率	NA
3528	2026-02-23	Can Artificial Intelligence Revolutionise Surgical Decision-Making for Appendectomy? A Narrative Review 2025-Oct-29, Surgical innovation IF:1.2Q3 DOI:10.1177/15533506251393123 PMID:41159301	综述	本文是一篇关于人工智能在阑尾炎诊断和预后中应用的叙述性综述	探讨了AI模型（如随机森林、逻辑回归和神经网络）在提高阑尾炎诊断准确性方面的潜力，并指出其在区分复杂病例方面优于传统诊断评分（如Alvarado评分）	数据需求和标准化方面的挑战阻碍了其广泛的临床应用	评估人工智能在改善阑尾炎外科决策中的潜力	急性阑尾炎	机器学习	阑尾炎	机器学习，深度学习	随机森林，逻辑回归，神经网络，SVM，XGBoost	NA	NA	NA	NA	诊断准确性	NA
3529	2026-02-23	HIPPIE: A Multimodal Deep Learning Model for Electrophysiological Classification of Neurons 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.14.642461 PMID:40161713	研究论文	本文介绍了一种名为HIPPIE的多模态深度学习模型，用于从细胞外电生理记录中对神经元进行分类	结合自监督预训练与监督微调，利用条件卷积联合自编码器学习波形和放电动态的鲁棒表示，能够跨不同生物培养和技术进行电生理分类和聚类	NA	解决细胞外电生理记录中因噪声、技术变异性和批次效应带来的神经元分类挑战	小鼠记录和脑切片中的神经元	机器学习	NA	细胞外电生理记录	自编码器	电生理信号	NA	NA	条件卷积联合自编码器	细胞类型区分性能	NA
3530	2026-02-23	Decoding the effects of mutation on protein interactions using machine learning 2025-Mar, Biophysics reviews IF:2.9Q2 DOI:10.1063/5.0249920 PMID:40013003	综述	本文综述了利用机器学习预测突变对蛋白质相互作用影响的近期进展，涵盖不同相互作用类型及方法评估	全面比较了基于物理化学、机器学习和深度学习的预测方法，并探讨了突变数据局限性及未来人工智能驱动的改进方向	突变数据存在偏差、质量问题和数据集规模限制，影响预测工具的准确性	通过计算工具预测突变引起的结合自由能变化，以理解遗传变异对蛋白质与生物分子相互作用的影响	蛋白质与蛋白质、DNA/RNA、配体等生物分子的相互作用	机器学习	癌症	NA	机器学习, 深度学习	突变数据	NA	NA	NA	NA	NA
3531	2026-02-23	Synthetic PET from CT improves diagnosis and prognosis for lung cancer: Proof of concept 2024-Mar-19, Cell reports. Medicine DOI:10.1016/j.xcrm.2024.101463 PMID:38471502	研究论文	本研究开发了一种条件生成对抗网络管道，能够从诊断性CT扫描中生成FDG-PET图像，以改善肺癌的诊断和预后	首次利用深度学习从CT生成高保真PET图像，并在多中心多模态肺癌数据集上验证了合成PET在影像、生物学和临床方面的价值	研究为概念验证阶段，样本量相对有限（n=1,478），且主要针对肺癌，未涉及其他疾病	探索通过深度学习从CT生成PET图像的可行性，以解决PET成本高、普及性差的问题	肺癌患者的多中心多模态数据集	计算机视觉	肺癌	CT扫描，FDG-PET成像	GAN	图像	1,478例	NA	条件生成对抗网络	影像质量，肿瘤对比度，癌症标志通路一致性，诊断、分期、风险预测和预后的临床价值	NA
3532	2026-02-23	NPSV-deep: a deep learning method for genotyping structural variants in short read genome sequencing data 2024-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae129 PMID:38444093	研究论文	本文提出了一种基于深度学习的结构变异基因分型方法NPSV-deep，用于处理短读长基因组测序数据	将结构变异基因分型任务重新定义为图像相似性问题，通过比较实际测序数据与模拟数据的堆叠图像来预测基因型，并自动校正不精确或不正确描述的结构变异	NA	提高短读长基因组测序数据中结构变异的基因分型准确性	插入和缺失类型的结构变异	机器学习	NA	短读长基因组测序	深度学习	图像（堆叠图像）	NA	NA	NA	基因分型准确性，基因分型错误率，基因分型一致性	NA
3533	2026-02-22	Detection and Classification of Peri-Implant Marginal Bone Loss in Cone-Beam Computed Tomography Using a Deep Learning Approach 2026-Apr, Clinical and experimental dental research IF:1.7Q3 DOI:10.1002/cre2.70308 PMID:41704078	研究论文	本研究评估了基于YOLOv8的深度学习模型在CBCT图像上自动检测和分级种植体周围边缘骨丢失的能力	首次将YOLOv8目标检测模型应用于CBCT图像中种植体周围边缘骨丢失的自动检测和分级	数据集规模有限，中度和重度病例的检测性能有所下降，需要进一步在多样化临床环境中验证	开发自动化工具以辅助CBCT图像中种植体周围边缘骨丢失的检测和分级	种植体周围边缘骨丢失	计算机视觉	种植体周围疾病	锥形束计算机断层扫描	CNN	图像	699张2D CBCT切片	PyTorch	YOLOv8	准确率, 精确率, 召回率, F1分数, mAP@0.5, Kappa系数	NA
3534	2026-02-22	Cutting-edge AI technologies in skin cancer applications 2026-Mar-31, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2026.218256 PMID:41544780	综述	本文综述了人工智能（特别是多模态大语言模型和深度学习）在皮肤癌早期检测、个体化治疗和患者管理领域的最新进展与应用	强调通过多模态融合策略整合皮肤镜图像、组织病理学信息和基因数据库，以提取更丰富互补的特征，从而显著提高诊断准确性和鲁棒性，并探讨皮肤病学专用基础模型的重要性	面临数据质量和模型可解释性相关的挑战，肿瘤异质性和免疫逃逸仍是未解决的主要问题	总结人工智能在皮肤癌领域的应用进展，重点关注早期检测、个体化治疗和患者管理	皮肤癌（包括多种亚型）及其诊断、治疗和药物开发过程	计算机视觉, 自然语言处理, 机器学习	皮肤癌	多模态融合策略	深度学习, 复杂神经网络, 多模态大语言模型 (如GPT, Med-PaLM)	皮肤镜图像, 组织病理学信息, 基因数据库	NA	NA	NA	诊断准确性, 鲁棒性	NA
3535	2026-02-22	Colorectal mucosal exposure area assessment using artificial intelligence: a multicenter prospective observational study 2026-Mar, Endoscopy IF:11.5Q1 DOI:10.1055/a-2695-1832 PMID:40902624	研究论文	本研究提出了一种新的结肠镜检查质量控制指标——累积结直肠黏膜暴露面积（CCMEA），并基于深度学习构建了CCMEA系统，通过多中心前瞻性观察研究验证了该指标的有效性	首次提出CCMEA作为结肠镜检查质量控制的量化指标，并开发了基于深度学习的自动化评估系统	研究为观察性设计，未进行随机对照试验；样本量相对有限（510例）；阈值确定基于特定腺瘤检出率（25%）	开发并验证一种用于评估结肠镜检查质量的客观指标	接受结肠镜检查的患者	数字病理学	结直肠癌	结肠镜检查	深度学习	内窥镜视频图像	510名参与者（合格组270例，不合格组240例）	未明确说明	ResNet50, UNet++	腺瘤检出率（ADR）, 息肉检出率, 调整后比值比（aOR）, 调整后发生率比（aIRR）	NA
3536	2026-02-22	Classification of major depressive disorder using vertex-wise brain sulcal depth, curvature, and thickness with a deep and a shallow learning model 2026-Mar, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-025-03273-w PMID:41044403	研究论文	本研究使用深度学习模型DenseNet和浅层学习模型SVM，基于顶点级脑沟深度、曲率和厚度特征，对重度抑郁症（MDD）患者和健康对照（HC）进行分类	首次在全球代表性多站点ENIGMA-MDD数据上，整合顶点级皮质形态特征，并比较深度学习和浅层学习模型在MDD分类中的性能	分类性能接近随机水平（平衡准确率DenseNet: 51%；SVM: 53%），表明当前特征和分类器组合无法有效区分MDD和HC，且存在站点效应影响	探索利用脑形态特征和机器学习模型进行重度抑郁症（MDD）自动分类的可行性	重度抑郁症（MDD）患者和健康对照（HC）	神经影像分析	重度抑郁症	神经影像分析	DenseNet, SVM	脑形态特征数据（顶点级脑沟深度、曲率、厚度）	7012名参与者（2772名MDD患者和4240名HC），来自31个站点	NA	DenseNet	平衡准确率	NA
3537	2026-02-22	Leveraging Artificial Intelligence to Transform Thoracic Radiology for Lung Nodules and Lung Cancer: Applications, Challenges, and Future Directions 2026-Mar-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000866 PMID:41246950	综述	本文回顾了人工智能在胸部放射学（特别是肺结节和肺癌领域）的应用历史、现状、挑战及未来方向	系统梳理了从早期基于临床知识的AI方法到深度学习、Transformer架构的演进路径，并探讨了基础模型、多模态AI和多组学方法在肺癌领域的前沿应用	作为综述文章，未提出新的具体模型或实验数据，主要基于现有文献进行归纳分析	总结人工智能在胸部放射学（肺结节与肺癌）中的应用进展，并探讨未来发展方向	肺结节与肺癌相关的医学影像及临床数据	数字病理学	肺癌	医学影像分析	深度学习, Transformer	医学影像	NA	NA	Transformer	NA	NA
3538	2026-02-22	Real-World Prospective Validation and Economic Evaluation of Deep Learning- Based Diabetic Retinopathy Detection From Fundus Photographs: A Systematic Review and Meta-analysis 2026-Mar-01, Diabetes care IF:14.8Q1 DOI:10.2337/dc25-1493 PMID:41259706	系统综述与荟萃分析	本研究通过系统综述和荟萃分析，评估了基于深度学习的糖尿病视网膜病变检测系统在真实世界前瞻性验证中的诊断性能和经济性	首次系统性地综合了深度学习糖尿病视网膜病变检测系统在真实世界前瞻性环境中的验证证据，并评估了其在不同国家背景下的经济可行性	缺乏评估多种糖尿病视网膜病变严重程度或糖尿病性黄斑水肿的研究，限制了亚组分析的能力；低收入国家的研究不足，限制了相关洞察	评估基于深度学习的糖尿病视网膜病变检测系统在不同国家实施的前瞻性验证可行性和经济证据	使用眼底照片进行糖尿病视网膜病变检测的深度学习系统	数字病理学	糖尿病视网膜病变	深度学习	深度学习模型	眼底照片	47项研究纳入荟萃分析	NA	NA	受试者工作特征曲线下面积	NA
3539	2026-02-22	AI in ethnopharmacology, the pharmaceutical industry, and its applications 2026-Mar, Annales pharmaceutiques francaises IF:1.0Q4 DOI:10.1016/j.pharma.2025.11.011 PMID:41338450	综述	本文综述了人工智能在民族药理学、制药工业及其应用中的角色，特别是在药物发现、质量控制和可持续发展方面的作用	将人工智能技术（如机器学习、深度学习和自然语言处理）整合到民族药理学实践中，用于数据挖掘、分子对接、生物活性预测和临床验证，以提升传统药物研究的效率和证据基础	标准化和验证任务以及监管框架仍需改进	探讨人工智能如何增强民族药理学实践，促进药物发现和传统知识与现代制药科学的融合	民族药理学中的传统知识、药用植物、药物化合物以及制药工业应用	自然语言处理	NA	数据挖掘分析、分子对接系统、生物活性预测建模、临床验证过程、组学研究（基因组学、代谢组学、蛋白质组学）	机器学习, 深度学习	民族植物学记录、组学数据、临床数据	NA	NA	NA	NA	NA
3540	2026-02-22	Quantitative CT and Artificial Intelligence in Chronic Lung Disease 2026-Mar-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000867 PMID:41417666	综述	本文综述了定量CT和人工智能技术在慢性肺病（如COPD和ILD）诊断与管理中的应用、优势、挑战及未来方向	系统总结了基于密度和纹理特征的定量CT技术以及新兴的机器学习和深度学习方法在慢性肺病评估中的应用，并讨论了其在超越视觉评估和传统密度方法方面的鲁棒性和可重复性	文章指出了当前这些技术在临床应用中所面临的挑战和局限性，包括采纳障碍和待解决的问题	探讨定量CT和人工智能技术在慢性肺病（特别是COPD、ILD和肺移植/造血干细胞移植后的闭塞性细支气管炎综合征）的影像评估中的应用价值与发展方向	慢性阻塞性肺疾病（COPD）、纤维化性间质性肺疾病（ILD）以及肺/造血干细胞移植受者的闭塞性细支气管炎综合征患者	数字病理学	肺癌	CT成像，定量CT分析	机器学习，深度学习	CT图像	NA	NA	NA	NA	NA