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
21	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
22	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
23	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
24	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
25	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
26	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
27	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
28	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）
29	2026-06-10	AdaptiveInvolutionNet: Spatially-adaptive involution with channel-wise attention for breast MRI tumor classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340808 PMID:41712600	研究论文	提出一种结合空间自适应逆卷积与通道注意力的混合深度学习框架，用于乳腺MRI肿瘤分类	创新性地将空间自适应逆卷积层与通道注意力机制（挤压-激发模块）集成于单一网络，通过早期层捕捉精细局部特征、后期层保持计算效率的过渡策略，以及残差连接中的动态特征增强	NA	提高乳腺肿瘤MRI分类的准确性、鲁棒性和可靠性	乳腺MRI图像中的肿瘤	计算机视觉	乳腺癌	MRI	混合深度学习模型	图像	6000张乳腺MRI图像（3000良性、3000恶性）	PyTorch	自适应逆卷积网络、挤压-激发模块、残差连接	准确率、Cohen's Kappa、Brier分数	NA
30	2026-06-10	Artificial Intelligence (AI) in microbiome-directed biotherapeutics development 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.005 PMID:41714088	综述	讨论人工智能在基于微生物组的活体生物治疗产品开发中的应用	系统总结了人工智能（机器学习和深度学习）如何通过分析微生物组与宿主组学数据，发现微生物模式特征，从而加速活体生物治疗产品的研发	面临数据质量提升、个体间微生物组高变异性等挑战	探索人工智能在识别微生物组诊断标志物和开发新一代微生物组药物的应用潜力	人类肠道微生物组及活体生物治疗产品	机器学习	肠道微生物相关疾病	NA	NA	微生物组数据及宿主组学数据	NA	NA	NA	NA	NA
31	2026-06-10	CNNeoPP: a large language model-enhanced deep learning pipeline for personalized neoantigen prediction and liquid biopsy applications 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1722117 PMID:41716398	研究论文	提出一种基于大语言模型增强的深度学习管线CNNeoPP，用于个性化新抗原预测及液体活检应用	利用大语言模型导出的序列表示和多模态特征整合，提升了新抗原免疫原性预测的准确性，并结合无创液体活检探索了基于血浆游离DNA的新抗原预测可行性	尚未提及模型在大型前瞻性临床试验中的验证，对于不同测序平台或低深度数据的泛化性需进一步评估	开发准确预测免疫原性新抗原的计算模型与管线，以优化癌症免疫治疗和液体活检肿瘤监测	新抗原（neoantigens）及其预测方法	机器学习	癌症	深度学习, 大语言模型, 液体活检（血浆游离DNA）	深度学习模型（CNNeo）	序列数据（新抗原序列）	采用TESLA数据集及ELISpot T细胞实验独立验证，具体样本数量未在摘要中说明	NA	大语言模型增强的深度学习架构（具体结构未在摘要中指定）	预测性能指标（准确性等，具体未列出）以及ELISpot实验验证	NA
32	2026-06-10	Rapid diagnosis of Helicobacter pylori infection status based on endoscopic features and deep learning algorithms 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1765267 PMID:41717596	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
33	2026-06-09	Enhancing explainability and performance of the depression detection model on social media utilizing feature engineering and LLMs 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-026-00446-x PMID:41883984	research paper	利用特征工程和大语言模型提升社交媒体抑郁症检测模型的可解释性和性能	通过计算包含情感状态的十二个特征，并结合注意力机制和LLM，增强抑郁症检测模型的可解释性，将情感状态与抑郁症特征关联起来	NA	提升社交媒体抑郁症检测模型的可解释性和性能	社交媒体上的抑郁症检测模型	自然语言处理	抑郁症	情感状态计算、词嵌入、注意力机制、大语言模型微调	序列模型、大语言模型	文本	NA	NA	NA	NA	NA
34	2026-06-09	Deep Learning-Assisted identification and quantification of cell-associated microplastics using darkfield hyperspectral imaging 2026-Oct-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129864 PMID:42019285	研究论文	结合暗场高光谱成像与深度学习管道自动检测和量化单细胞水平的细胞相关聚苯乙烯微塑料	首次将Mask R-CNN、LS-SVM和CHT整合为自动化管道，实现单细胞分辨率下微塑料与细胞相互作用的定量评估	需要针对其他颗粒类型和细胞系进行重新训练和验证	开发自动策略用于检测和量化细胞相关微塑料，评估单细胞水平的剂量-反应关系	Caco-2细胞与聚苯乙烯微塑料	计算机视觉	NA	暗场高光谱成像	CNN, SVM	图像, 光谱	Caco-2细胞在不同浓度微塑料暴露下的样本（1×10^4、1×10^6、1×10^8颗粒/mL）	NA	Mask R-CNN, 最小二乘支持向量机, 圆形霍夫变换	精确率、准确率	NA
35	2026-06-09	Chemical composition imaging and class imbalance handling using a 2D-CNN with SMOTE and threshold moving for tobacco origin classification 2026-Oct-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129950 PMID:42105520	research paper	提出一种结合化学组分成像、二维卷积神经网络（2D-CNN）与SMOTE和阈值移动的方法，用于烟草产地分类，有效处理类别不平衡问题	首次将化学组分转化为结构化二维图像，利用2D-CNN捕获化学指标间的复杂相关性，并结合SMOTE与阈值移动缓解类别不平衡导致的分类器偏差	未提及具体局限性	实现高精度的烟草产地分类，解决化学关系复杂与地理样本不平衡问题	烟草样本的化学组分数据	machine learning	NA	化学组分成像	2D-CNN	化学组分图像	来自八个生态区的烟草样本	NA	2D-CNN	accuracy, precision, recall, F1-score	NA
36	2026-06-09	Matrix-dependent analytical strategies for the detection of drug-infused foods: A comprehensive review 2026-Sep, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2026.112982 PMID:42068667	综述	系统综述了在法医调查中检测添加药物食品的基质依赖性分析策略	首次系统整合二十种高报告频率食品基质与药物类别、提取策略及色谱-质谱检测技术之间的基质依赖性关系，并讨论新兴技术如织物相吸附萃取（FPSE）和深度学习辅助质谱在鉴定新型精神活性物质（NPS）中的应用	综述中可能未涵盖所有食品基质类型，且新兴技术的实际应用效果需进一步验证	为法医调查中检测添加药物食品提供全面的分析方法和关键考量因素的综述	二十种高报告频率的添加药物食品基质	法医毒理学、分析化学	药物滥用相关案件（药物辅助犯罪等）	色谱-质谱（LC-MS、GC-MS）、QuEChERS提取、液液萃取、织物相吸附萃取（FPSE）、深度学习辅助质谱	深度学习	质谱数据	NA	NA	NA	NA	NA
37	2026-06-09	Important progress in antimicrobial peptide prediction research in the past five years 2026-Sep, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2026.116141 PMID:42092576	综述	该综述论文综合回顾了过去五年抗菌肽预测研究的重要进展，包括数据库资源、特征编码技术和预测方法（从传统机器学习到深度学习及生成模型）	系统总结了2020-2024年间涌现的创新预测方法，从传统结构特征分析和机器学习算法到前沿深度学习与生成模型技术，并对不同数据集上的预测性能进行了深入比较	未明确提及具体局限性，但研究瓶颈和未来趋势的讨论暗示当前预测方法在准确性和泛化能力上仍存在挑战	全面综述抗菌肽预测研究领域的进展，分析主流数据库和特征编码技术，展望未来发展趋势	抗菌肽预测方法及相关数据库资源	机器学习	NA	NA	机器学习、深度学习、生成模型	文本	NA	NA	NA	预测性能	NA
38	2026-06-09	Zero-shot arbitrary-scale super resolution in susceptibility-weighted imaging for cerebral microbleed analysis 2026-Aug-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109433 PMID:42155350	研究论文	提出MagNeRF框架，实现零样本任意尺度超分辨率，用于磁敏感加权成像中的脑微出血分析	在无外部配对训练数据的情况下，从单张低分辨率体积学习隐式先验，并引入扩张补丁采样、球面采样和自适应损失函数三项创新	未知	提高磁敏感加权成像中脑微出血的诊断准确性，降低患者负担并扩大临床适用性	脑微出血	计算机视觉	脑血管疾病，神经退行性疾病	磁敏感加权成像	隐式神经表示	图像	两个磁敏感加权成像数据集，一个T1加权数据集，一个真实低分辨率T2*加权数据集	PyTorch	NeRF（神经辐射场）变体	视觉保真度、结构相似性、病变分割性能	NA
39	2026-06-09	Detecting cardiovascular diseases using ECG scans and explainable artificial intelligence 2026-Aug-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109428 PMID:42155349	研究论文	本研究提出一种可解释人工智能框架，用于量化深度学习模型在心电图图像扰动下的稳定性，并识别模型弱点	首次结合可解释性分析与放射组学特征，系统评估深度学习模型在不同图像扰动下的稳定性，并准确识别底层模型	合成数据与实际临床数据可能存在差异，且仅评估了有限类型的图像扰动	开发一种可解释人工智能框架，以增强深度学习模型在心血管疾病检测中的透明度和鲁棒性	心电图打印图像及其扰动版本（如变色、手写、纸张褶皱）	计算机视觉, 机器学习	心血管疾病	心电图扫描	卷积神经网络	图像	基于PTB-XL基准数据集合成的大规模心电图打印图像数据集，包含干净和污染版本	PyTorch	EfficientNet, InceptionNet	AUC, 交并比, 准确率	NA
40	2026-06-09	The latent shape space of intracranial saccular aneurysms 2026-Aug-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109445 PMID:42161036	研究论文	开发了一个统一框架，学习颅内囊状动脉瘤形态的紧凑且表达力强的潜在表征，用于生成建模和破裂标签分类	将对应映射、生成建模和判别分析统一在一个工作流中，学习二维潜在空间，可解释地捕获临床相关几何信息，优于现有手工特征及降维基线	未提及外部验证或前瞻性临床数据测试；潜在空间可能受限于数据集中已有的形状变异	开发可扩展且可解释的定量动脉瘤形态测量框架，统一形状生成与破裂风险分类	958个来自五个公共数据集的颅内囊状动脉瘤表面（338个破裂）	计算机视觉	颅内动脉瘤	三维表面网格对应映射	自编码器、变分自编码器	三维表面网格	958个动脉瘤表面（338个破裂）	PyTorch	自编码器、变分自编码器	均方误差、体积误差、豪斯多夫距离、AUC、准确率	NA