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
4161	2026-06-19	Large-Scale Deep Learning-Enabled Infodemiological Analysis of Substance Use Patterns on Social Media: Insights From the COVID-19 Pandemic 2025-04-17, JMIR infodemiology IF:3.5Q1 DOI:10.2196/59076 PMID:40244656	研究论文	利用深度学习分析社交媒体上COVID-19疫情期间药物使用模式的大规模信息流行病学研究	首次使用大规模深度学习模型RoBERTa结合人工循环策略分析11.3亿条推文，揭示COVID-19疫情期间药物使用模式的实时变化趋势	NA	分析COVID-19疫情期间社交媒体上药物使用模式的变化，为公共卫生干预提供数据支持	2019年1月至2021年12月期间Twitter（现更名为X）上的药物使用相关推文	自然语言处理	物质使用障碍	NA	RoBERTa	文本数据（推文）	11.3亿条推文	PyTorch	RoBERTa	NA	NA
4162	2026-06-19	Determining the Importance of Lifestyle Risk Factors in Predicting Binge Eating Disorder After Bariatric Surgery Using Machine Learning Models and Lifestyle Scores 2025-04, Obesity surgery IF:2.9Q1 DOI:10.1007/s11695-025-07765-0 PMID:40045153	研究论文	利用机器学习模型和生活方式评分评估生活方式风险因素对袖状胃切除术后暴食障碍的预测重要性	首次结合生活方式评分和多种机器学习模型系统评估生活方式风险因素在预测减重术后暴食障碍中的作用	样本量相对较小，仅450例，且为单中心回顾性研究，可能存在选择偏倚	评估生活方式风险因素与袖状胃切除术后2年暴食障碍发生风险的关联，并比较不同机器学习模型的预测性能	接受袖状胃切除术2年后的450名患者	机器学习	肥胖症相关暴食障碍	NA	逻辑回归、KNN、决策树、随机森林、SVM、XGBoost、人工神经网络	临床问卷数据和生活习惯数据	450名患者（其中122例患暴食障碍）	Scikit-learn, XGBoost, Keras	逻辑回归、K近邻、决策树、随机森林、支持向量机、XGBoost、人工神经网络	准确率（约75%）	NA
4163	2026-06-19	Predicting rheumatoid arthritis progression from seronegative undifferentiated arthritis using machine learning: a deep learning model trained on the KURAMA cohort and externally validated with the ANSWER cohort 2025-03-26, Arthritis research & therapy IF:4.4Q1 DOI:10.1186/s13075-025-03541-8 PMID:40140918	研究论文	利用机器学习预测血清阴性未分化关节炎向类风湿关节炎的进展，基于KURAMA队列训练及ANSWER队列外部验证的深度学习模型	针对血清阴性未分化关节炎这一临床难题，构建了仅使用临床和实验室参数的深度神经网络模型，并在独立外部队列中验证其预测性能，创新性在于克服了血清阴性RA分类标准难以满足的挑战	NA	开发并验证一个基于临床和实验室参数的机器学习模型，以预测血清阴性未分化关节炎向类风湿关节炎的进展	血清阴性未分化关节炎患者	机器学习	类风湿关节炎	NA	前馈神经网络 (FNN)	表格数据（包含人口统计学、急性期反应物、自身抗体和体格检查参数）	KURAMA队列210例（57例进展为RA），ANSWER队列140例（45例进展为RA）	NA	前馈神经网络	ROC曲线下面积(AUC)、敏感度	NA
4164	2026-06-19	A deep learning model for characterizing altered gyro-sulcal functional connectivity in abstinent males with methamphetamine use disorder and associated emotional symptoms 2025-03-06, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhaf062 PMID:40120102	研究论文	利用深度学习模型表征戒断男性甲基苯丙胺使用障碍患者的脑回-脑沟功能连接改变及其与情绪症状的关联	首次采用基于脑回-脑沟亚区划分的时空图卷积网络，揭示精细尺度上脑回与脑沟信号在甲基苯丙胺使用障碍病理中的差异化功能贡献	NA	探究甲基苯丙胺使用障碍患者脑回-脑沟信号在精神病理性中的独特功能贡献，并分析其与情绪症状的关联	48名戒断男性甲基苯丙胺使用障碍患者与48名年龄和性别匹配的健康对照者	机器学习	甲基苯丙胺使用障碍	静息态功能磁共振成像	时空图卷积网络	磁共振图像	96名受试者（48名患者，48名健康对照）	NA	时空图卷积网络	平均分类准确率	NA
4165	2026-06-19	Quantifying multilabeled brain cells in the whole prefrontal cortex reveals reduced inhibitory and a subtype of excitatory neuronal marker expression in serotonin transporter knockout rats 2025-02-05, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae486 PMID:39932853	研究论文	利用深度学习网络StarDist结合开源方法，量化5-羟色胺转运体基因敲除大鼠全前额叶皮层中多标记脑细胞，发现抑制性和一类兴奋性神经元标志物表达减少	结合StarDist深度学习网络与新型开源方法，实现全脑前额叶皮层亚区多标记细胞的自动化计数，突破了传统免疫组织化学在脑区体积变化和细胞分割上的限制	未提及具体局限性	量化5-羟色胺转运体基因敲除大鼠前额叶皮层亚区中多标记脑细胞，探究焦虑行为与细胞标志物表达的关系	5-羟色胺转运体基因敲除大鼠和野生型大鼠的前额叶皮层细胞	计算机视觉, 数字病理学	焦虑症	免疫组织化学, 深度学习细胞分割	深度学习网络 (StarDist)	图像	5-羟色胺转运体基因敲除大鼠和野生型大鼠的脑组织切片	TensorFlow, Keras	StarDist	自动化细胞计数	NA
4166	2026-06-19	Advanced molecular modeling of proteins: Methods, breakthroughs, and future prospects 2025, Advances in pharmacology (San Diego, Calif.) DOI:10.1016/bs.apha.2025.02.005 PMID:40175043	综述	介绍了蛋白质分子建模的当代进展，包括同源建模、分子动力学模拟、量子力学/分子力学策略以及深度学习算法如AlphaFold的应用	重点阐述了AlphaFold等深度学习算法在提高复杂蛋白质结构预测精度方面的突破性进展	未明确提及限制，但可能包括多尺度建模和高保真实验数据整合方法仍需进一步优化	探讨蛋白质分子建模方法、突破及其对未来精准医学和靶向治疗的影响	蛋白质大分子及其结构预测	机器学习	NA	同源建模、分子动力学模拟、量子力学/分子力学	深度学习算法，如AlphaFold	蛋白质结构数据	NA	NA	AlphaFold	蛋白质结构预测精度	NA
4167	2026-06-19	Deep learning: A game changer in drug design and development 2025, Advances in pharmacology (San Diego, Calif.) DOI:10.1016/bs.apha.2025.01.008 PMID:40175037	research paper	深度学习在药物设计与开发中的应用，通过分析生物数据加速靶点识别、先导化合物筛选、毒性预测和药物重定位	利用深度学习整合多种药物开发环节，从靶点发现到药物优化，实现全流程加速和成本降低	未明确讨论模型的可解释性、数据质量依赖性和临床验证的挑战	探讨深度学习如何加速药物发现过程并提高成功率	药物开发流程中的靶点识别、先导化合物选择、毒性预测、药物重定位和从头药物设计	machine learning	NA	深度学习	深度学习	生物数据	NA	NA	NA	NA	NA
4168	2026-06-19	Deep learning-based classification of colorectal cancer in histopathology images for category detection 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf077 PMID:41256969	研究论文	利用深度学习对结直肠癌的组织病理学图像进行分类，以实现癌症类别的自动检测	提出了包含二分类异常检测和多分类癌症分类器的两阶段预测框架，显著提高了分类鲁棒性，尤其对代表性不足和形态复杂类别效果提升明显	Swin Transformer V2模型计算需求较高，两阶段方法可能增加整体推理时间	开发基于深度学习的自动化结直肠癌分类工具，以支持病理学家诊断	结直肠癌的组织病理学图像	数字病理学	结直肠癌	NA	ResNet-34, ResNet-50, Swin Transformer V2	H&E染色组织病理学图像	NA	NA	ResNet-34, ResNet-50, Swin Transformer V2	准确率, top-2准确率, top-3准确率, 微平均ROC AUC, F1分数, ROC AUC	NA
4169	2026-06-19	Statistics and AI - A Fireside Conversation 2025, Harvard data science review DOI:10.1162/99608f92.c066fe9c PMID:42311443	评论	一场名为《统计与AI：炉边谈话》的网络研讨会，探讨了统计界在AI时代面临的关键挑战与机遇	通过三个专题讨论，系统性地规划了统计在AI时代保持相关性和发展的战略路线图	NA	讨论统计界在AI时代面临的关键挑战与机遇，并制定战略路线图	统计社区成员、AI技术发展、出版流程、下一代统计流程与资源	机器学习	NA	NA	NA	NA	约1000名在线参与者	NA	NA	NA	NA
4170	2026-06-19	Exploring "dark-matter" protein folds using deep learning 2024-10-16, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.09.006 PMID:39383860	研究论文	使用卷积变分自编码器探索蛋白质折叠空间，设计新型蛋白质结构	提出名为Genesis的卷积变分自编码器，能够学习蛋白质结构模式，并成功重构原生折叠和新型“暗物质”折叠，实现快速探索蛋白质折叠空间	未说明	解决从头蛋白质设计中的主链可设计性问题，通过深度学习探索未知蛋白质折叠空间	蛋白质折叠结构	机器学习	NA	深度学习	卷积变分自编码器	蛋白质结构数据	五个原生折叠和三个新型折叠	PyTorch	变分自编码器	成功率	NA
4171	2026-06-19	Putting proteins in context 2024-10-16, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.09.009 PMID:39418999	研究论文	介绍PINNACLE，一种利用几何深度学习结合蛋白质相互作用和多器官单细胞转录组学生成蛋白质情境化表示的方法	提出几何深度学习框架PINNACLE，通过联合分析蛋白质相互作用和多器官单细胞转录组数据，生成具有细胞类型特异性的蛋白质情境化表示	NA	解决蛋白质表示缺乏生物或环境情境（如细胞类型特异性）的问题	蛋白质相互作用和多器官单细胞转录组数据	机器学习	NA	单细胞转录组测序	几何深度学习	文本、图结构数据	NA	NA	NA	NA	NA
4172	2026-06-19	Contextual AI models for single-cell protein biology 2024-Aug, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02341-3 PMID:39039335	research paper	介绍了PINNACLE，一种用于单细胞蛋白质生物学的上下文感知几何深度学习方法	提出了一种生成上下文感知蛋白质表征的几何深度学习方法，能从多器官单细胞图谱中学习，实现了基于细胞类型上下文的蛋白质表征，并能在零样本情况下检索组织层次结构	NA	开发能够建模蛋白质在不同生物上下文间相互作用的算法，以理解蛋白质功能和开发分子疗法	蛋白质、细胞类型上下文、组织层次结构	machine learning	类风湿性关节炎、炎症性肠病	单细胞测序	几何深度学习	文本、结构数据	156个细胞类型上下文，24个组织，394,760个蛋白质表征	NA	PINNACLE	零样本检索准确性、治疗靶点提名预测能力、细胞类型上下文预测能力	NA
4173	2026-06-19	Explainable deep learning and biomechanical modeling for TMJ disorder morphological risk factors 2024-07-11, JCI insight IF:6.3Q1 DOI:10.1172/jci.insight.178578 PMID:38990647	研究论文	提出结合3D可解释深度学习与多尺度生物力学建模的混合方法，用于识别颞下颌关节紊乱病的形态学风险因素并阐明其机制	首次将可解释深度学习与多尺度生物力学建模结合，系统识别TMJ紊乱风险因素并揭示其力学与力学生物学机制，解决了深度学习“机制未知”的临床转化瓶颈	基于较小临床数据集可能影响模型泛化性；生物力学建模假设可能简化真实生理复杂性	探究颞下颌关节紊乱病的病因学机制，通过形态学风险因素识别与生物力学验证提升临床可解释性	颞下颌关节紊乱病患者的下颌骨形态特征（髁突、下颌支、颏部）	计算机视觉, 机器学习	颞下颌关节紊乱病	3D卷积神经网络, 多尺度生物力学建模	CNN	3D医学影像（形态学数据）	小型临床数据集（具体数量未明确）	NA	3D卷积神经网络	NA	NA
4174	2026-06-19	Prediction of cardiovascular risk factors from retinal fundus photographs: Validation of a deep learning algorithm in a prospective non-interventional study in Kenya 2024-07, Diabetes, obesity & metabolism DOI:10.1111/dom.15587 PMID:38618987	研究论文	在肯尼亚进行的一项前瞻性非干预性研究中，验证基于眼底照片预测心血管风险因素的深度学习算法	首次在肯尼亚人群中验证基于英国生物银行数据集训练的算法，评估其在不同种族和环境下的泛化能力	样本量相对较小（301人），且模型性能略低于原始训练人群，可能需要重新校准	评估机器学习算法在肯尼亚人群中从眼底照片估计心血管参数的准确性，以促进早期筛查在资源有限环境中的应用	肯尼亚地区的参与者，包括血压、糖化血红蛋白、估计肾小球滤过率及糖尿病和高血压诊断状态	计算机视觉, 机器学习	心血管疾病, 高血压, 糖尿病	眼底视网膜照片	CNN	图像	301名肯尼亚参与者	NA	NA	平均绝对误差, 受试者工作特征曲线下面积	NA
4175	2026-06-19	Accurate single-molecule spot detection for image-based spatial transcriptomics with weakly supervised deep learning 2024-05-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.04.006 PMID:38754367	研究论文	提出Polaris分析流程，结合弱监督深度学习模型进行细胞分割和斑点检测，用于图像空间转录组学数据分析	首次将弱监督深度学习应用于单分子斑点检测，无需人工标注即可实现高精度分析，并整合了概率基因解码器以量化单细胞基因表达	未明确讨论局限，但可能依赖于图像质量及实验条件对斑点检测精度的影响	开发一种统一、自动化的分析流程，用于处理MERFISH、seqFISH和ISS等多种图像空间转录组学实验数据的单细胞基因表达定量	图像空间转录组学数据中的单分子荧光斑点及细胞区域	数字病理学，计算机视觉	不适用	MERFISH， seqFISH， ISS（原位RNA测序）	CNN（卷积神经网络），弱监督深度学习	图像	不适用	DeepCell	未指定具体架构（描述为深度学习模型结合概率基因解码器）	不适用	不适用
4176	2026-06-19	Adapting Deep Learning QSPR Models to Specific Drug Discovery Projects 2024-04-01, Molecular pharmaceutics IF:4.5Q1 DOI:10.1021/acs.molpharmaceut.3c01124 PMID:38373038	研究论文	提出基于迁移学习的混合全局-局部策略，将深度学习QSPR模型适配到特定药物发现项目中	提出基于微调预训练全局模型的混合全局-局部迁移学习策略，在小样本场景下（每项目约10个分子）效果显著	NA	改进药物发现项目中的分子性质预测，通过领域适配提升局部模型性能	超过300个诺华药物发现项目的ADME实验数据	机器学习	NA	ADME实验	深度学习QSPR模型	分子结构数据	300多个药物发现项目，每个项目约10个分子	NA	预训练全局模型	平均绝对误差（MAE）	NA
4177	2026-06-19	Accurate single-molecule spot detection for image-based spatial transcriptomics with weakly supervised deep learning 2024-Feb-05, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.03.556122 PMID:37732188	研究论文	提出一种基于弱监督深度学习的高精度单分子点检测方法，用于图像空间转录组学分析	结合深度学习的细胞分割与点检测模型，以及概率基因解码器，提供统一、即开即用的空间转录组学数据分析解决方案	未明确说明，可能依赖特定实验条件下的表现	实现精确的单细胞基因表达定量分析，简化图像空间转录组学数据处理流程	空间转录组学数据中的单分子荧光原位杂交（MERFISH、seqFISH、ISS）图像	数字病理学	NA	MERFISH, seqFISH, ISS	深度学习模型（卷积神经网络等）	图像	NA	TensorFlow	细胞分割与点检测网络（具体架构未明确）	准确性（Accuracy）	NA
4178	2026-06-19	A Siamese ResNeXt network for predicting carotid intimal thickness of patients with T2DM from fundus images 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1364519 PMID:38549767	研究论文	开发并验证基于眼底图像的深度学习模型，用于预测2型糖尿病患者的颈动脉内膜中层厚度	提出一种基于Siamese ResNeXt网络的单模态模型，在预测T2DM患者CIMT的效能和鲁棒性上优于传统网络，并通过Grad-CAM可视化证实眼底微血管病变与CIMT的关联	未提及模型的外部验证、数据来源的多样性限制，以及年龄因素嵌入网络后性能下降的原因分析不足	利用眼底图像预测T2DM患者的颈动脉内膜中层厚度	1236名T2DM患者的眼底图像和CIMT超声记录	机器学习	2型糖尿病	眼底图像分析	Siamese ResNeXt网络	图像	1236名T2DM患者	NA	ResNet, ResNeXt	召回率, AUC, 精确率, 特异性, F1值, ROC曲线	NA
4179	2026-06-19	An ensemble deep learning diagnostic system for determining Clinical Activity Scores in thyroid-associated ophthalmopathy: integrating multi-view multimodal images from anterior segment slit-lamp photographs and facial images 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1365350 PMID:38628586	研究论文	开发集成深度学习方法，结合前节裂隙灯照片和面部图像来自动评估甲状腺相关眼病的临床活动性评分	首次将前节裂隙灯照片和面部图像作为多视角多模态数据，通过集成深度学习方法模拟专家评估，提升了TAO活动性预测的准确性	研究样本量较小，仅包含单一医院的156例患者，可能影响模型泛化性；主观症状（如疼痛）仍需额外输入而非完全自动化	构建集成深度学习系统，通过多视角多模态图像准确预测TAO的临床活动性评分	甲状腺相关眼病患者的炎症体征（眼睑结膜红肿、肿胀等）及主观症状	计算机视觉	甲状腺相关眼病	NA	集成深度学习模型（基于残差网络）	图像（前节裂隙灯照片和面部图像）	156名TAO患者	NA	残差网络	准确率、特异度、精确率、召回率、F1分数	NA
4180	2026-06-19	Divergences in color perception between deep neural networks and humans 2023-12, Cognition IF:2.8Q1 DOI:10.1016/j.cognition.2023.105621 PMID:37716312	研究论文	评估深度神经网络与人类在颜色感知方面的差异，揭示当前DNN模型未能充分捕捉人类颜色感知的认知一致性	首次通过对比颜色相似性判断实验，系统评估了包括卷积神经网络和视觉Transformer在内的多种DNN架构与人类颜色感知的偏差，并提出了基于小波分解的可解释颜色感知模型作为更优基准	未涉及颜色感知的时间动态特性、跨文化差异以及高维颜色空间（如CIELAB）的深度映射；小波模型的认知合理性仍需更多神经科学验证	探究深度神经网络在颜色感知维度上与人类认知的一致性，并寻找更符合认知规律的替代模型	人类颜色相似性判断（通过在线调查收集）和多种DNN产生的颜色嵌入表示	机器学习、计算机视觉、认知科学	不适用	卷积神经网络、视觉Transformer、小波分解、风格迁移任务训练	卷积神经网络、视觉Transformer	图像（控制颜色属性的图像、网络搜索图像、CIFAR-10真实世界图像）	多种图像数据集（未明确样本数量，包含三类图像集：颜色控制图像、网络图像、CIFAR-10的10类图像）	PyTorch（隐含）、TensorFlow（未明确，但常见框架）	ResNet、ViT、VGG、U-Net（？待确认）、小波模型	颜色相似性判断一致性（相关系数、均方误差）	未明确，但通常使用GPU（如NVIDIA A100或V100）