深度学习在生物医药领域中的应用

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
21	2025-06-21	Artificial Intelligence-Assisted Detection of Breast Cancer Lymph Node Metastases in the Post-Neoadjuvant Treatment Setting 2025-Jun, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104121 PMID:40020876	研究论文	本研究开发了一种可解释的深度学习流程，用于辅助检测接受新辅助系统治疗（NAT）的乳腺癌患者的淋巴结转移	首次专门评估了深度学习算法在接受NAT的乳腺癌患者淋巴结转移检测中的泛化能力，并创建了包含1027张切片的大型数据集	研究仅针对接受NAT的乳腺癌患者，未评估在其他癌症类型或未接受NAT患者中的表现	开发并评估一种人工智能辅助系统，用于检测乳腺癌患者在接受新辅助治疗后的淋巴结转移	接受新辅助系统治疗的乳腺癌患者的淋巴结切片	数字病理学	乳腺癌	深度学习	CNN	病理切片图像	1027张病理切片
22	2025-06-21	Explainable Deep Multilevel Attention Learning for Predicting Protein Carbonylation Sites 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202500581 PMID:40145846	research paper	提出了一种名为SCANS的新型深度学习框架，用于预测蛋白质羰基化位点	SCANS采用多层次注意力策略捕捉局部和全局特征，使用定制损失函数惩罚交叉预测，并应用迁移学习提升网络特异性	NA	准确预测蛋白质羰基化位点以理解其机制和相关疾病发病机理	蛋白质羰基化位点	machine learning	NA	deep learning	multilevel attention network	protein sequence data	NA
23	2025-06-21	Unveiling Multi-Scale Architectural Features in Single-Cell Hi-C Data Using scCAFE 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416432 PMID:40270467	research paper	本文介绍了一种名为scCAFE的深度学习模型，用于在单细胞水平上检测多尺度的染色质结构特征	scCAFE提供了一个统一框架来注释单个细胞中的染色质环、TAD样结构域（TLDs）和区室，优于以往的scHi-C环检测方法，并能准确预测TLDs和区室	NA	开发一个深度学习模型，用于分析单细胞Hi-C数据中的多尺度染色质结构特征	单细胞Hi-C数据中的染色质结构特征	computational biology	NA	single-cell Hi-C (scHi-C)	deep learning	genomic data	NA
24	2025-06-21	Artificial intelligence in predicting EGFR mutations from whole slide images in lung Cancer: A systematic review and Meta-Analysis 2025-Jun, Lung cancer (Amsterdam, Netherlands) DOI:10.1016/j.lungcan.2025.108577 PMID:40339270	meta-analysis	本文通过系统综述和荟萃分析评估了人工智能模型在预测肺癌患者全切片图像中EGFR突变状态的诊断准确性	首次系统评估AI模型在预测肺癌EGFR突变中的表现，并进行了荟萃分析	当前模型的准确性和精确度仍需进一步提高，且纳入分析的研究数量有限	评估AI模型在预测肺癌EGFR突变中的诊断准确性	肺癌患者的全切片图像	digital pathology	lung cancer	machine learning, deep learning	ResNet	image	16项研究（其中4项符合荟萃分析条件）
25	2025-06-21	MRI-based multimodal AI model enables prediction of recurrence risk and adjuvant therapy in breast cancer 2025-Jun, Pharmacological research IF:9.1Q1 DOI:10.1016/j.phrs.2025.107765 PMID:40345352	研究论文	本研究开发了一种基于MRI和多模态AI的3D深度学习模型（3D-MMR模型），用于预测非转移性乳腺癌患者的复发风险和辅助治疗效果	结合多模态MRI数据和AI技术，开发了3D-MMR模型，用于预测乳腺癌复发风险，并通过RNA-seq分析探讨肿瘤微环境与复发风险的关系	研究样本仅来自中国的四个机构，可能限制了模型的普遍适用性	预测非转移性乳腺癌患者的复发风险和辅助治疗效果	非转移性乳腺癌患者	数字病理	乳腺癌	MRI、RNA-seq	3D-UNet、DenseNet121	MRI图像、临床数据	1199名非转移性乳腺癌患者
26	2025-06-21	Disturbance-Aware On-Chip Training with Mitigation Schemes for Massively Parallel Computing in Analog Deep Learning Accelerator 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202417635 PMID:40390534	research paper	该研究提出了一种在模拟内存计算中进行片上训练的方法，解决了并行权重更新中的非均匀编程和干扰问题	精确识别并量化了6T1C突触器件中的干扰效应，并提出了三种简单的操作方案来减轻这些效应	干扰效应在器件缩放时会加剧，可能影响大规模阵列中的学习可行性	研究模拟内存计算中片上训练的干扰效应及其缓解方案	6T1C突触器件和卷积神经网络	machine learning	NA	模拟内存计算(AIMC)	CNN	image	CIFAR-10数据集
27	2025-06-21	DeepCCDS: Interpretable Deep Learning Framework for Predicting Cancer Cell Drug Sensitivity through Characterizing Cancer Driver Signals 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416958 PMID:40397390	research paper	提出了一种名为DeepCCDS的深度学习框架，用于通过表征癌症驱动信号预测癌细胞药物敏感性	DeepCCDS整合了先验知识网络来表征癌症驱动信号，提升了模型的预测性能和可解释性	当前深度学习方法仅依赖孤立的遗传标记，忽视了药物反应背后的复杂调控网络和细胞机制	提高癌细胞药物敏感性预测的准确性，以实现精准肿瘤学	癌细胞系和实体瘤样本	machine learning	cancer	deep learning	self-supervised neural network	genetic and drug sensitivity data	multiple datasets including The Cancer Genome Atlas
28	2025-06-21	A deep learning model for predicting the outcome of persistent type 2 endoleaks after endovascular abdominal aortic aneurysm repair 2025-Jun, Acta chirurgica Belgica IF:0.6Q4 DOI:10.1080/00015458.2022.2129282 PMID:36189479	研究论文	本研究开发了一个深度学习模型，用于预测腹主动脉瘤腔内修复术后持续性2型内漏的结局	首次使用深度学习模型预测持续性2型内漏的结局，并通过可视化技术提高模型的可解释性	样本量较小（94例患者），且为单中心回顾性研究	预测腹主动脉瘤腔内修复术后持续性2型内漏的结局	94例持续性2型内漏患者	数字病理学	心血管疾病	深度学习	深度学习模型	图像	94例患者（75例训练集，19例测试集），10240张CT血管造影图像
29	2025-06-21	Automated landmark-based mid-sagittal plane: reliability for 3-dimensional mandibular asymmetry assessment on head CT scans 2025-May-26, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06397-z PMID:40415151	研究论文	本研究评估了一种基于自动标记的中矢状面（MSP）在头CT扫描中量化下颌骨不对称性的可靠性	提出了一种基于深度学习的自动标记方法构建MSP，与传统手动方法相比具有高可靠性	研究仅基于368例CT扫描，且自动方法的临床适用性需进一步软件实现验证	评估自动标记MSP在三维头影像中量化下颌骨不对称性的可靠性	368例头CT扫描（含正颌手术患者）	数字病理	下颌骨不对称	深度学习	深度学习模型（未指定具体架构）	3D CT影像	368例头CT扫描（含19例手动验证子集）
30	2025-06-21	AI Applications in Transfusion Medicine: Opportunities, Challenges, and Future Directions 2025-May-09, Acta haematologica IF:1.7Q3 DOI:10.1159/000546303 PMID:40349705	综述	本文探讨了人工智能在输血医学中的应用及其潜在影响	综述了AI在输血医学多个领域的应用，包括机器学习、深度学习、自然语言处理和预测分析，展示了AI在提高操作效率、患者安全和资源分配方面的潜力	当前研究多为探索性，面临临床工作流程的变异性、算法透明度、公平获取以及数据隐私和偏见等伦理问题的挑战	探讨人工智能在输血医学中的应用机会、挑战和未来发展方向	输血医学中的AI应用	医疗人工智能	NA	机器学习、深度学习、自然语言处理、预测分析	NA	NA	NA
31	2025-06-21	A new age in structural S-layer biology: Experimental and in silico milestones 2025-May-08, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110205 PMID:40345586	综述	本文总结了过去五年在S层蛋白结构研究中的主要成就，并探讨了计算方法在S层蛋白建模中的最新突破	首次探讨了计算方法在S层蛋白建模中的应用及其对未来研究的潜在影响	主要关注过去五年的研究进展，可能未涵盖更早期的研究成果	总结S层蛋白结构研究的主要成就，并探索计算方法在该领域的应用	细菌和古菌中的S层蛋白	结构生物学	NA	高分辨率成像、深度学习结构预测	深度学习	蛋白质结构数据	多种细菌和古菌物种
32	2025-06-21	Automated assessment of simulated laparoscopic surgical skill performance using deep learning 2025-Apr-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96336-5 PMID:40253514	研究论文	本研究利用深度学习技术自动评估模拟腹腔镜手术技能表现	引入了新收集的模拟腹腔镜手术性能数据集（LSPD），并采用3DCNN和弱监督方法对手术经验水平进行分类	数据集仅针对模拟手术，未涉及真实手术场景	提高手术训练和性能分析的自动化评估水平	模拟腹腔镜手术视频	计算机视觉	NA	深度学习	3DCNN	视频	包含不同技能水平（新手、学员、专家）的手术视频样本
33	2025-06-21	Artificial intelligence predicts multiclass molecular signatures and subtypes directly from breast cancer histology: a multicenter retrospective study 2025-Apr-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002220 PMID:39764584	研究论文	本研究提出了一种基于深度学习的算法（BBMIL），可直接从乳腺癌组织病理学图像中预测经典生物标志物、免疫治疗相关基因特征和预后相关亚型	BBMIL算法能够直接从H&E染色组织病理学图像中预测多种分子标志物和亚型，避免了额外的检测成本和组织负担	研究为回顾性研究，需要进一步前瞻性验证	开发能够直接从组织病理学图像预测乳腺癌分子特征的AI算法	乳腺癌组织病理学图像	数字病理学	乳腺癌	深度学习	BBMIL	图像	多中心回顾性研究（具体样本量未提及）
34	2025-06-21	Deep Learning Approaches to Predict Geographic Atrophy Progression Using Three-Dimensional OCT Imaging 2025-Feb-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.2.11 PMID:39913124	研究论文	评估不同三维光学相干断层扫描（OCT）图像处理方法在深度学习模型中预测地理萎缩（GA）病变区域及其未来增长率的效果	比较了四种不同的OCT图像处理方法在预测GA病变增长率和基线病变大小方面的性能，发现EZ和RPE层包含大部分预测相关信息	所有探索的方法在预测GA增长率方面性能相当，可能已达到性能瓶颈	评估3D OCT图像处理方法在预测GA病变进展中的效用	年龄相关性黄斑变性（AMD）引起的地理萎缩（GA）病变	数字病理学	年龄相关性黄斑变性	三维光学相干断层扫描（3D OCT）	3D CNN	三维医学影像	模型开发使用1219只研究眼，保留性能评估使用442只研究眼
35	2025-06-21	Artificial Intelligence in Pancreatic Imaging: A Systematic Review 2025-02, United European gastroenterology journal IF:5.8Q1 DOI:10.1002/ueg2.12723 PMID:39865461	综述	本文系统回顾了人工智能在胰腺影像学中的应用及其技术进展、临床应用和挑战	探讨了深度学习技术（特别是CNN）在胰腺疾病检测、分割及良恶性病变区分中的应用，以及放射组学方法在提高深度学习模型准确性方面的作用	面临法律和伦理考虑、算法透明度和数据安全等挑战	评估人工智能在胰腺影像学中的诊断和治疗潜力	胰腺疾病（包括急慢性胰腺炎和胰腺肿瘤）的影像学数据	数字病理	胰腺癌	机器学习、深度学习、放射组学	CNN	影像数据（CT、MRI、内镜超声）	NA
36	2025-06-21	Advancing bioinformatics with large language models: components, applications and perspectives 2025-Jan-31, ArXiv PMID:38259343	综述	本文全面概述了大型语言模型（LLMs）在生物信息学中的关键组成部分、应用及未来展望	探讨了LLMs在解决生物信息学问题上的潜力，特别是在基因组学、转录组学、蛋白质组学、药物发现和单细胞分析等领域的应用	未提及具体的技术或应用限制	推动生物信息学领域的发展，探索LLMs在该领域的应用潜力	大型语言模型（LLMs）及其在生物信息学中的应用	生物信息学	NA	自监督或半监督学习	transformer模型	未标注输入数据	NA
37	2025-06-21	Automatic multimodal registration of cone-beam computed tomography and intraoral scans: a systematic review and meta-analysis 2025-Jan-29, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06183-x PMID:39878846	系统综述与荟萃分析	评估锥形束计算机断层扫描（CBCT）与口内扫描（IOS）自动多模态配准的最新进展及其在牙科中的临床意义	比较了几何方法与人工智能技术在配准中的表现，并指出AI方法在自动化和鲁棒性上的显著提升	未来研究需解决配准标志点不稳定或数据集多样性有限等挑战，以确保在复杂临床场景中的稳定性	评估CBCT与IOS自动多模态配准技术的效率与准确性	锥形束计算机断层扫描（CBCT）和口内扫描（IOS）数据	数字病理	牙科疾病	几何配准算法与AI驱动的深度学习模型	深度学习模型（未指定具体类型）	3D图像数据	22篇符合纳入标准的研究（共筛选493篇）
38	2025-06-21	Transformers for Neuroimage Segmentation: Scoping Review 2025-Jan-29, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/57723 PMID:39879621	综述	本文综述了当前关于使用transformer模型进行神经影像分割的研究，总结了相关文献并评估了各种transformer模型的应用	首次系统性地综述了transformer在神经影像分割领域的应用，并分析了混合CNN-transformer架构的优越性	计算成本高，在小数据集上容易过拟合，且研究主要依赖于脑肿瘤分割数据集，缺乏多样性	评估transformer模型在神经影像分割中的应用现状和效果	人类脑部影像数据	数字病理	脑肿瘤	MRI	Transformer, CNN-transformer混合架构	影像	67篇符合纳入标准的研究论文
39	2025-06-21	Artificial intelligence methods applied to longitudinal data from electronic health records for prediction of cancer: a scoping review 2025-Jan-28, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-025-02473-w PMID:39875808	综述	本文综述了利用人工智能方法从电子健康记录（EHRs）中的纵向数据预测癌症的研究现状，并提出了模型开发的建议	总结了当前利用纵向数据进行癌症预测的方法，并提出了改进模型开发的建议	90%的研究存在高偏倚风险，主要由于研究设计和样本量不当	总结和评估利用人工智能从电子健康记录中纵向数据预测癌症的方法	电子健康记录中的纵向数据	机器学习	癌症	特征工程和深度学习	RNN, CNN, transformers	电子健康记录数据	33项研究纳入综述
40	2025-06-21	Prediction of Anti-rheumatoid Arthritis Natural Products of Xanthocerais Lignum Based on LC-MS and Artificial Intelligence 2025, Combinatorial chemistry & high throughput screening IF:1.6Q3 DOI:10.2174/0113862073282138240116112348 PMID:38299408	研究论文	基于LC-MS和人工智能技术预测和筛选黄栌木中抗风湿性关节炎的活性化合物	结合LC-MS和AI技术，构建集成模型预测天然产物的抗RA活性，提高了预测的稳定性和准确性	研究仅针对黄栌木中的化合物，未涉及其他天然产物	寻找更有效且安全的天然产物用于治疗风湿性关节炎	黄栌木中的化合物	机器学习	风湿性关节炎	LC-MS, HPLC-Q-Exactive-MS	逻辑回归, k近邻, 支持向量机, 随机森林, XGBoost, GCN	质谱数据	69种已鉴定的黄栌木化合物