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
3941	2026-06-07	Artificial intelligence and multi-omics convergence in breast cancer: Revolutionizing diagnosis, prognostication, and precision oncology 2026-Apr, Critical reviews in oncology/hematology DOI:10.1016/j.critrevonc.2026.105160 PMID:41616992	综述	总结人工智能与多组学整合在乳腺癌诊断、预后和精准肿瘤学中的进展、挑战与未来方向	系统总结深度学习在多模态融合中的代表性框架，提出缺失感知融合、可解释建模及工作流评估等可落地方向	缺乏前瞻性临床验证，多中心异质性、跨平台标准化不足、模型可解释性有限等关键障碍	促进多模态AI与多组学整合在乳腺癌临床管理中的可靠应用	乳腺癌多组学数据（基因组、转录组、表观组、蛋白质组、代谢组）与临床、影像、病理数据	机器学习	乳腺癌	多组学测序（基因组、转录组、表观组、蛋白质组、代谢组）	深度学习	多组学数据、影像、病理、临床变量	NA	NA	多模态融合架构、深度表示学习	NA	NA
3942	2026-06-07	Passive data do not improve prediction or detection of alcohol consumption beyond temporal patterns in major depression: A 90-day cross-validated study 2026-Apr, Addictive behaviors IF:3.7Q1 DOI:10.1016/j.addbeh.2026.108624 PMID:41610630	研究论文	本研究探究深度学习模型能否利用被动收集的数据（如加速度计、心率等）检测和预测重度抑郁症患者的酒精使用情况	首次在重度抑郁症患者中系统评估被动数据结合深度学习对酒精使用检测和预测的效果，并发现时间模式（如星期几）本身已包含主要预测信号	被动数据并未显著提升预测性能，模型效果与仅使用时间信息作为预测因子的基线方法相当，表明模型附加价值有限	评估被动数据（来自智能手机和智能手表）对酒精使用的检测和预测能力，并与时间模式基线对比	300名临床确诊的重度抑郁症患者	机器学习	重度抑郁症、酒精使用障碍	被动数据采集（加速度计、心率、呼吸频率、屏幕使用、GPS数据）	深度学习模型（具体未明确指定）	时间序列数据、自我报告数据	300名临床重度抑郁症患者，90天纵向研究	NA	NA	AUC	NA
3943	2026-06-07	Artificial intelligence for single-omics in ovarian cancer: a methodological review 2026-Apr, International journal of gynecological cancer : official journal of the International Gynecological Cancer Society IF:4.1Q2 DOI:10.1016/j.ijgc.2025.104452 PMID:41617590	综述	对2021至2024年间14项应用人工智能于卵巢癌单组学数据的研究进行方法学综述	系统总结了AI在卵巢癌基因组、转录组、代谢组、微生物组和表观基因组中的应用，并强调了数据预处理、归一化和特征选择等关键方法学因素	样本量小、回顾性单中心设计、验证数据集使用不一致、回归方法应用不足	综述AI与组学数据整合在卵巢癌诊断、预后和个性化治疗中的最新进展与挑战	上皮性卵巢癌患者的基因组、转录组、代谢组、微生物组和表观基因组数据集	机器学习	卵巢癌	NA	CNN, LSTM, GAN	组学数据（基因组、转录组、代谢组、微生物组、表观基因组）	14项研究，样本量描述不具体	NA	深度学习, 随机森林, 支持向量机	分类准确率, AUC	NA
3944	2026-06-07	Predicting functional bioactivities in fermented milk using deep learning on liquid chromatography-mass spectrometry metabolomics 2026-Apr, Journal of dairy science IF:3.7Q2 DOI:10.3168/jds.2025-27048 PMID:41581659	研究论文	利用深度学习从液相色谱-质谱代谢组学数据预测发酵乳的功能生物活性	提出了一个结合稳健预处理、正则化和数据增强的1D-CNN框架，能够在有限样本量下从LC-MS代谢组学签名高精度预测多项体外生物活性指标	样本量较小（仅18个发酵乳样品），且生物活性评估仅限于9项体外试验，可能无法完全代表体内功效	探索深度学习能否作为传统化学分析的更快、更高效的替代方案，用于评估发酵乳制品的健康促进性能	18份来自骆驼奶和牛奶并用不同细菌菌株发酵的发酵乳样品及其LC-MS代谢组学数据和9项体外生物活性测量值	机器学习	NA	液相色谱-质谱（LC-MS）	一维卷积神经网络（1D-CNN）	代谢组学数据（LC-MS谱图）	18个发酵乳样品（来自骆驼奶和牛奶，不同菌株发酵）	NA	1D-CNN	平均绝对误差（MAE）	NA
3945	2026-06-07	Comparative machine learning and deep learning frameworks for robust carcinogenicity prediction and activity cliff analysis 2026-Mar-25, Environmental science. Processes & impacts DOI:10.1039/d5em01001b PMID:41575273	研究论文	本研究利用机器学习与深度学习方法，构建了大鼠致癌性预测模型，并结合活性悬崖分析进行功能解析	融合基于特征与化学语言建模方法，利用c-RASAR和ARKA框架识别活性悬崖并解释误预测原因	未明确说明外部数据规模和跨物种验证局限性	开发稳健的致癌性预测模型并分析活性悬崖	大鼠致癌性二元数据（与人类致癌性相关的工业化学品）	机器学习	致癌性疾病	NA	线性判别分析、人工神经网络、逻辑回归、长短期记忆网络	SMILES字符串、分子描述符	未明确说明样本数量	NA	LSTM	NA	NA
3946	2026-06-07	VitalDB Arrhythmia Database: An Anesthesiologist-Validated Large-scale Intraoperative Arrhythmia Dataset with Beat and Rhythm Labels 2026-Mar-20, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07076-8 PMID:41862491	研究论文	介绍VitalDB心律失常数据库，一个经麻醉医师验证的大型术中心律失常数据集，包含心搏和心律标签，用于开发术中心律失常检测算法	首个专门为手术患者设计的大型术中心电图数据库，包含经五位麻醉医师严格验证的心搏和心律标签，并开发了自定义深度学习心搏分类器作为自动筛选工具	未明确提及限制	开发并验证手术患者中心律失常检测算法，提供临床验证的术中心律失常数据并支持多模态分析	术中患者心电数据及心律失常节律	机器学习	心律失常	ECG	深度学习	心电信号	482名手术患者的734,528秒连续心电图数据	NA	NA	Cohen's kappa	NA
3947	2026-06-07	Deep learning-based in silico labeling for analyzing morphological features of MSCs to predict immunomodulatory capacity 2026-Mar-10, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-09833-2 PMID:41807585	研究论文	提出一种结合深度学习和机器学习的非侵入性人工智能框架，通过形态学分析预测间充质干细胞的免疫调节能力	首次将深度学习与机器学习结合，通过细胞形态非侵入性预测间充质干细胞免疫调节能力，避免了传统标记方法的细胞损伤	未提及	开发一种非侵入性的人工智能方法，通过细胞形态特征实时评估间充质干细胞的免疫调节能力，以改进细胞治疗生产中的质量控制	间充质干细胞	计算机视觉	NA	NA	深度学习与机器学习	图像	未提及	PyTorch	PreAct-ResNet50, LightGBM	准确率	NA
3948	2026-06-07	Remodeling of non-coding RNA regulatory networks: Decoding the pathological mechanisms and new therapeutic paradigms of cardiovascular diseases 2026-03, Physics of life reviews IF:13.7Q1 DOI:10.1016/j.plrev.2025.12.007 PMID:41447890	综述	系统综述非编码RNA在心血管疾病中的表达谱、多层调控机制及诊疗潜力，并提出跨尺度分析框架	提出整合网络拓扑、时空梯度与能量/计量约束的跨尺度分析框架，揭示不同心血管疾病表型共享的机制统一性	ncRNA疗法面临递送效率低、功能冗余及微环境依赖性等现实挑战	解码非编码RNA调控网络在心血管疾病中的病理机制并探索新型治疗范式	microRNA、长链非编码RNA、环状RNA、小核仁RNA等多种非编码RNA分子	自然语言处理	心血管疾病	锁核酸寡核苷酸、腺相关病毒血清型9递送系统、工程化外泌体、单细胞多组学、空间转录组学、CRISPR-dCas9系统、深度学习	NA	文本	NA	NA	NA	NA	NA
3949	2026-06-07	Dbert2_LR: A deep learning-based model for predicting cis-regulatory elements in crops 2026-Mar, Genomics IF:3.4Q2 DOI:10.1016/j.ygeno.2026.111201 PMID:41544987	研究论文	提出一种名为Dbert2_LR的深度学习模型，用于预测作物中的顺式调控元件	将预训练基因组基础模型DNABERT-2与双向RNN和LSTM网络相结合，高效捕获DNA中的深层上下文依赖和局部序列模式，实现启动子、增强子和非调控序列的高精度分类，并通过计算机模拟饱和突变分析揭示模型依赖于已知转录因子结合基序，增强了生物可解释性	在具有大且高度重复基因组（如陆地棉）的作物中，准确识别顺式调控元件仍然极具挑战性，模型在陆地棉上的宏平均F1分数仅为0.637，表明性能有提升空间	开发用于预测作物基因组中顺式调控元件的深度学习工具	拟南芥和陆地棉中的启动子、增强子和非调控序列	机器学习	NA	NA	DNABERT-2, 双向RNN, LSTM	DNA序列	NA	NA	Dbert2_LR	宏平均F1分数	NA
3950	2026-06-07	AI-Guided Droplet Microreactors Enable Rapid and Reproducible Protein Crystallization 2026-Mar, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202510977 PMID:41552976	研究论文	提出DCCV平台，集成可编程渗透调控与自动计算机视觉，利用半透性双乳液液滴实现溶质浓度动态调节，并基于深度学习成像系统高通量无标记量化液滴特性，从而在20小时内生成X射线质量的蛋白质晶体	首次将可编程渗透调控与自动计算机视觉集成于液滴微反应器中，实现蛋白质结晶过程中溶质浓度的动态后成型调节，解决了传统密封液滴固定浓度限制晶体生长的瓶颈	NA	开发快速且可重复的蛋白质结晶平台，以支持药物发现、酶工程和功能生物学中的大分子结构测定	蛋白质结晶过程及半透性双乳液液滴中的溶质浓度调节和晶体生长	计算机视觉	NA	液滴微流控、渗透调控、深度学习成像	深度学习模型	图像	NA	NA	NA	NA	NA
3951	2026-06-07	Deep learning architectures for modeling and forecasting stroke cases in Ghana 2026-Mar, Journal of stroke and cerebrovascular diseases : the official journal of National Stroke Association DOI:10.1016/j.jstrokecerebrovasdis.2026.108570 PMID:41577309	研究论文	利用深度学习架构对加纳中风病例进行建模与预测	首次将贝叶斯LSTM和卷积LSTM等先进深度学习技术应用于加纳中风负担的时空建模与预测，并整合糖尿病患病率作为协变量	未明确提及限制，但可能包括数据来源单一（仅覆盖2018-2023年）以及ConvLSTM和BConvLSTM模型性能显著较差	通过深度学习技术对加纳中风发病率进行建模和预测，以支持数据驱动的公共卫生策略	加纳2018年至2023年月度中风病例数据	机器学习	脑血管疾病	NA	LSTM, 贝叶斯LSTM, 卷积LSTM, 贝叶斯卷积LSTM	时间序列数据	2018-2023年共72个月度数据点	Python, R	LSTM, 贝叶斯LSTM, 卷积LSTM, 贝叶斯卷积LSTM	平均绝对误差, 均方误差, 均方根误差, 平均绝对百分比误差	NA
3952	2026-06-07	Artificial Intelligence Models Integrating Preoperative Prostate MRI and Clinical Parameters for Predicting Extraprostatic Extension: A Systematic Review and Meta-Analysis 2026-Mar, Journal of surgical oncology IF:2.0Q2 DOI:10.1002/jso.70167 PMID:41588994	系统综述与荟萃分析	评估人工智能模型整合术前前列腺MRI和临床参数预测前列腺癌前列腺外扩展的诊断性能	首次系统评估整合放射组学与临床参数的AI模型在EPE预测中的诊断性能，并发现深度学习算法相比传统机器学习具有轻微优势	研究异质性来源于MRI方案、分割方法和建模方法的不同，且缺乏统计学显著性的亚组差异	评估整合术前前列腺MRI和临床参数的人工智能模型在预测前列腺癌前列腺外扩展中的诊断准确性和潜在临床应用价值	前列腺癌患者的前列腺外扩展预测	机器学习和数字病理学	前列腺癌	多参数MRI（T2加权、弥散加权成像）和放射组学	深度学习算法和传统机器学习	图像和临床参数	14项研究，总共2,131名患者	NA	NA	敏感性、特异性、AUC、诊断优势比	NA
3953	2026-06-07	Parental Stress and Caregiver Role Modulate Child-Caregiver Prosodic Synchrony in Autism: A Computational Analysis 2026-Mar, Autism research : official journal of the International Society for Autism Research IF:5.3Q1 DOI:10.1002/aur.70189 PMID:41589917	研究论文	分析自闭症儿童亲子韵律同步中父母压力与照顾者角色的影响	首次将复杂动态系统理论与情感计算框架结合，利用深度学习自动分割亲子声学互动，探讨父母压力对韵律同步的影响并区分父亲与母亲的角色差异	样本量有限（62对互动），且仅关注自闭症儿童，未纳入典型发育儿童对照	探究父母压力如何影响自闭症儿童与父母的韵律同步，并分析照顾者角色（母亲vs父亲）的调节作用	31名自闭症学龄前儿童及其父母（分别与母亲和父亲互动）	自然语言处理	自闭症	NA	深度学习模型	音频	62对亲子互动记录（31名儿童与父母各互动一次，共两个时间点）	PyTorch	NA	准确性	NA
3954	2026-06-07	Comparative Analysis of Deep Learning-Based Algorithms for Peptide Structure Prediction 2026-03, Proteins IF:3.2Q2 DOI:10.1002/prot.70049 PMID:41047732	研究论文	对比分析基于深度学习的算法在肽结构预测中的性能	首次系统比较AlphaFold2、RoseTTAFold2和ESMFold在肽类3D结构预测中的表现，并识别影响预测质量的特定结构特征	所测试方法的整体性能低于对蛋白质3D结构的预测，某些生成的肽结构需谨慎使用	评估深度学习算法对肽类3D结构预测的准确性和局限性	肽的3D结构预测	机器学习	NA	深度学习	CNN, Transformer	序列数据	NA	NA	AlphaFold2, RoseTTAFold2, ESMFold	NA	NA
3955	2026-06-07	3DFE-Net: Three-dimensional fusion enhancement network based on multi-attention mechanism for multi-modal magnetic resonance images 2026-Mar, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03499-4 PMID:41637028	研究论文	提出了一种基于多注意力机制的3D医学图像融合增强网络（3DFE-Net），用于多模态磁共振图像的三维融合	首次提出基于深度学习的三维医学图像融合方法，设计了多感受野卷积块和瓶颈块替代传统卷积，并融合通道注意力、自注意力和空间注意力的多注意力融合模块	未提及计算资源消耗或与其他深度学习三维融合方法的对比，可能缺乏在更多模态或病灶类型上的验证	填补深度学习在三维医学图像融合领域的空白，提升多模态MRI图像的质量和临床诊断价值	多模态磁共振图像，包括MR-T1ce和MR-T2序列的脑胶质瘤3D图像	计算机视觉	胶质瘤	MRI	CNN	图像（3D磁共振图像）	未明确说明，但使用了MR-T1ce/MR-T2融合实验	NA	多感受野卷积块（MRFC）、多感受野瓶颈块（MRFB）、多注意力融合模块（通道注意力、自注意力、空间注意力）	信息熵（EN）、互信息（MI）、标准差（SD）、二元质量评估（Qabf）、视觉信息保真度（VIF）	NA
3956	2026-06-07	Deep Learning-Based Virtual Elastin Staining Improves Visceral Pleural Invasion Assessment in Lung Cancer 2026-Mar, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2026.100966 PMID:41616975	研究论文	开发了一种深度学习管道，从常规H&E切片生成虚拟弹性蛋白染色，以改善非小细胞肺癌内脏胸膜侵犯评估	利用同一H&E切片的固有荧光作为高保真训练数据，消除了多切片方法中的空间错位	NA	提高非小细胞肺癌内脏胸膜侵犯评估的诊断准确性	非小细胞肺癌的H&E染色组织切片	数字病理学	肺癌	H&E染色	条件生成对抗网络（cGAN）	图像	多机构验证样本，具体数量未提及	NA	条件生成对抗网络	诊断准确率	NA
3957	2026-06-07	Optimizing atrial fibrillation detection through ECG feature selection using Extra-Trees and statistical association measures 2026 Mar-Apr, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2026.154199 PMID:41610739	研究论文	提出一种结合极端随机树与统计关联度量的混合特征选择方法，用于优化房颤检测的ECG特征筛选	引入特征重要性评分和总体特征重要性评分两个新指标，客观识别最具判别力的ECG特征；将特征空间维度降低近80%同时保持生理可解释性	NA	开发一种客观且可复现的特征选择方法，优化基于ECG的房颤检测特征输入	接受房颤导管消融患者的12导联ECG记录	机器学习	房颤	心电信号处理	极端随机树	ECG时间序列	NA	NA	极端随机树	特征重要性评分、总体特征重要性评分	NA
3958	2026-06-07	Low-cost and dense fog-adapted monitoring for fermentation quality evaluation of black tea 2026-Feb-28, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.118188 PMID:41539772	研究论文	提出一种低成本、适应浓雾环境的红茶发酵质量监测方法	首次提出基于表没食子儿茶素没食子酸酯（EGCG）含量的发酵度（FD）新指标，并自主开发计算机视觉系统结合深度学习去雾技术实现发酵室内实时、非破坏性质量监测	仅使用两个批次样品验证FD指标的可行性，需进一步扩大样本量及生产环境评估	实现红茶发酵过程中原位、非破坏性的质量监测，以优化茶叶风味	红茶发酵过程的质量指标（发酵度FD）及计算机视觉系统	计算机视觉	NA	计算机视觉、深度学习、回归建模	Cycle-Dehaze	图像	两个批次的样品用于验证，另有一批验证样本用于模型可靠性确认	PyTorch	Cycle-Dehaze	残差预测偏差（RPD）	NA
3959	2026-06-07	Drug repositioning for human MKN45 gastric cancer mouse model using deep learning AI and experimental validation 2026-Feb-28, European journal of pharmacology IF:4.2Q1 DOI:10.1016/j.ejphar.2026.178615 PMID:41638625	research paper	利用深度学习和人工神经网络对胃癌小鼠模型进行药物重定位，并通过实验验证阿米替林氧化物和植物甲萘醌的抗癌效果	首次将人工神经网络应用于胃癌药物重定位，成功识别出两种具有体内抗肿瘤活性且毒性低于顺铂的候选药物	仅基于MKN45胃癌小鼠模型，尚未在多种胃癌模型或临床试验中验证	利用深度学习重新利用现有药物治疗胃癌	人MKN45胃癌细胞、AGS细胞、HDF细胞及MKN45异种移植小鼠模型	machine learning	gastric cancer	药效基因组学描述符、细胞毒性实验、体内异种移植模型	ANN	药效基因组学数据、体外细胞实验数据、体内小鼠模型数据	2种候选药物，AGS/MKN-45细胞系，HDF细胞，MKN-45异种移植小鼠	NA	人工神经网络	IC50, Z-score, 肿瘤体积, 体重变化, Ki67/CD44表达	NA
3960	2026-06-07	Quality of Head and Neck Diffusion-weighted MR Imaging Using a Combination of the Periodically Rotated Overlapping Parallel Lines with Enhanced Reconstruction (PROPELLER) Sequence and Deep Learning Reconstruction 2026-Feb-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2025-0058 PMID:41548899	研究论文	评估周期性旋转重叠平行线增强重建扩散加权成像结合深度学习重建在头颈部扩散加权成像中的图像质量提升效果	首次系统比较不同深度学习强度下PROPELLER-DWI与EPI-DWI的性能，并验证深度学习重建技术能显著提升头颈部DWI图像质量	样本量较小（仅10名健康成年人），未纳入临床患者数据验证实际诊断价值	评估PROPELLER-DWI联合深度学习重建技术对头颈部扩散加权成像质量的改善效果	10名健康成年人（8男2女）的头颈部DWI图像	医学影像	NA	扩散加权成像（DWI）	深度学习重建模型	MRI图像	10例健康成年人（8男2女）	GE Healthcare平台内置深度学习重建算法	PROPELLER-DWI序列、单次激发EPI-DWI序列	信噪比（SNR）、对比度比率、表观扩散系数变异系数（CV）、总体图像质量、几何畸变程度、磁敏感伪影程度	3-Tesla MRI系统（Discovery MR750w, GE Healthcare）