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
441	2026-09-05	Deep learning model for predicting extraprostatic extension of prostate cancer based on H&E-stained biopsy digital images 2025-12, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2547094 PMID:40841351	研究论文	开发并验证了一种基于前列腺活检H&E切片的深度学习流程，用于预测前列腺癌患者的包膜外扩展（EPE）	首次提出使用卷积神经网络（ConvNeXt）和基于多实例学习的模型，通过活检切片预测EPE，并进行可解释性及与生化复发关联分析	信息不足，未在摘要中明确提及局限性	通过活检切片预测前列腺癌的包膜外扩展，提供术前风险分层方法以辅助个性化治疗	前列腺癌患者及其活检H&E切片	数字病理学	前列腺癌	NA	卷积神经网络（CNN）和基于多实例学习	图像	260例前列腺癌患者的2592张术前活检H&E切片	NA	ConvNeXt	准确率, AUC	NA
442	2026-09-05	Predicting prognosis of patients with hepatitis B virus-related acute-on-chronic liver failure from longitudinal ultrasound images using a multi-task deep learning approach 2025-12, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2551819 PMID:40857062	研究论文	本研究开发并验证了一种基于纵向肝脏超声图像的多任务深度学习模型，用于预测乙肝病毒相关急性慢性肝衰竭患者的30天预后	采用孪生U-Net结构同时进行肝脏分割和预后预测，并整合纵向超声图像与临床数据，提高了预测性能	仅基于单一中心回顾性数据，样本量有限，未来需多中心外部验证	开发并验证基于纵向超声图像的多任务深度学习模型，用于HBV-ACLF患者的个体化风险分层和预后预测	乙肝病毒相关急性慢性肝衰竭（HBV-ACLF）患者，包括372名患者（训练队列290名，验证队列82名）	医学影像分析	肝病（乙肝病毒相关急性慢性肝衰竭）	超声成像	Siamese U-Net，Cox回归	纵向肝脏超声图像和临床数据	372名HBV-ACLF患者（训练队列290名，验证队列82名）	NA	Siamese U-Net	Dice系数，C指数，AUC，校准曲线，决策曲线分析	NA
443	2026-09-05	Commercial Products Using Generative Artificial Intelligence Include Ambient Scribes, Automated Documentation and Scheduling, Revenue Cycle Management, Patient Engagement and Education, and Prior Authorization Platforms 2025-11, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2025.05.021 PMID:40419172	研究论文	探讨生成式人工智能在临床实践中的商业应用，包括环境 scribe、自动化文档和调度、收入周期管理、患者参与和教育以及预先授权平台	全面概述了生成式人工智能在医疗保健中的新兴商业产品，特别关注环境 scribe 作为领先产品，并讨论了其潜在优势和当前限制	缺乏监管监督、存在偏见、与电子健康记录的互通性不一致、医生和利益相关者因对LLM输出缺乏信心而未采纳	探索生成式人工智能在临床工作流程中的整合及其对医疗效率和管理的影响	环境 scribe、自动化文档和调度平台、收入周期管理工具、患者参与和教育助手以及预先授权平台等商业生成式人工智能产品	自然语言处理	不适用	不适用	大型语言模型（LLM）	文本	不适用	不适用	不适用	不适用	不适用
444	2026-09-05	Upper Airway Volume Predicts Brain Structure and Cognition in Adolescents 2025-11, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202409-1748OC PMID:40460372	研究论文	研究上气道体积与青少年认知功能和大脑结构之间的关系，利用深度学习模型和大型儿科学队列数据	首次在大规模儿科人群中应用基于深度学习的气道分割技术，评估上气道体积作为认知结果的潜在生物标志物，并探讨其神经生物学机制	未在文中明确提及限制，可能包括观察性设计、数据来源特定性等	探讨上气道体积与青少年认知及皮质灰质体积的关系，评估其作为睡眠呼吸障碍认知结果的生物标志物	青少年，特别是9-10岁儿童，包括习惯性打鼾和非打鼾者	医学影像，深度学习	睡眠呼吸障碍	磁共振成像	深度学习分割模型	脑MRI图像	11,875名儿童，5,552,640张脑MRI切片	NA	深度学习分割模型（具体架构未提及）	平均差异、置信区间、P值	NA
445	2026-09-05	Multimodal deep learning for immunotherapy response prediction and biomarker discovery in non-small cell lung cancer 2025-Nov-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf142 PMID:40901703	研究论文	开发了一种名为DeepAFM的多模态深度学习方法，结合组织病理学、基因组特征和临床信息来预测晚期非小细胞肺癌患者对抗PD-(L)1免疫治疗的反应	提出了一种新的多模态集成方法DeepAFM，利用自监督VQVAE2进行组织病理图像表示学习，并通过注意力热图增强模型可解释性	未明确说明	开发一种多模态预测模型，以提高晚期非小细胞肺癌免疫治疗反应预测的准确性，并发现潜在的生物标志物	93例晚期非小细胞肺癌患者	多模态学习, 数字病理学	非小细胞肺癌	组织病理图像处理, 基因组分析	自监督VQVAE2, 多模态深度预测模型	组织病理全切片图像, 基因组特征, 临床信息	93例患者	NA	VQVAE2, DeepAFM	曲线下面积（AUC）	NA
446	2026-09-05	Deep learning-based cell type profiles reveal signatures of Alzheimer's disease resilience and resistance 2025-Oct-03, Brain : a journal of neurology IF:10.6Q1 DOI:10.1093/brain/awaf285 PMID:40794555	研究论文	本文应用基于Transformer的深度学习模型从批量RNA测序数据中恢复细胞类型特异性转录程序，并利用该方法揭示阿尔茨海默病韧性和抵抗性的细胞类型特征。	首次将Transformer深度学习模型应用于从批量RNA测序中恢复细胞类型特异性转录程序，相比以往方法有显著性能提升，并能大规模、低成本地研究复杂表型中的细胞类型特异性转录组。	摘要中未明确提及局限性。	揭示阿尔茨海默病韧性和抵抗性背后的细胞类型特异性机制，并识别潜在治疗靶点。	阿尔茨海默病的认知韧性和大脑抵抗性相关细胞类型，包括星形胶质细胞、兴奋性神经元和少突胶质前体细胞。	深度学习，转录组学	阿尔茨海默病	批量RNA测序	Transformer	批量RNA测序数据	未在摘要中明确说明样本数量。	未在摘要中明确提及使用的框架。	Transformer	性能指标未在摘要中明确说明，但提到显著优于先前方法。	未在摘要中明确说明计算资源。
447	2026-09-05	Incorporating respiratory signals for machine learning-based multimodal sleep stage classification: a large-scale benchmark study with actigraphy and heart rate variability 2025-09-09, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsaf091 PMID:40219765	研究论文	该研究通过大规模基准测试，系统比较了基于体动记录、心率变异性和呼吸率变异性结合的多模态方法在睡眠阶段分类中的性能	首次在大规模研究中引入通过ECG衍生呼吸特征来评估呼吸信息对睡眠阶段分类的贡献，并与传统呼吸带数据进行对比	未明确说明具体局限性，但可能包括对ECG衍生呼吸特征的依赖和数据集的地域或人群限制	系统比较基于体动记录与结合心率变异性和呼吸率变异性的多模态方法在睡眠阶段分类中的性能，评估呼吸信息对分类效果的提升	公共睡眠数据集中的超过1000个睡眠记录	机器学习	睡眠相关疾病	ECG衍生呼吸特征	长短期记忆网络	体动记录数据、心率变异性数据、呼吸率变异性数据	超过1000个睡眠记录	NA	长短期记忆网络	马修斯相关系数	NA
448	2026-09-05	Saturation transfer MR fingerprinting for magnetization transfer contrast and chemical exchange saturation transfer quantification 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30532 PMID:40228056	研究论文	提出一种利用生物物理模型驱动的深度学习方法进行饱和转移磁共振指纹（ST-MRF）成像，以量化水、磁化传递对比和酰胺质子转移参数以及B0场不均匀性	与传统的Bloch-McConnell拟合和字典匹配方法相比，该方法在估计组织参数时实现了更高的准确度（nRMSE为9.3%，优于15.3%和19.5%）	未提及	开发一种基于生物物理模型驱动的深度学习方法的饱和转移MR指纹技术，以快速准确地量化水和磁化传递参数	数值体模和健康人脑（灰质和白质）	磁共振成像	不适用	饱和转移磁共振指纹	深度学习网络	磁共振图像	数值体模（信噪比46 dB）和健康人脑（8个组织参数图）	NA	NA	归一化均方根误差，均方根误差	未提及
449	2026-09-05	Deep learning for automated boundary detection and segmentation in organ donation photography 2025-Sep, Innovative surgical sciences IF:1.7Q2 DOI:10.1515/iss-2024-0022 PMID:40568340	研究论文	本研究开发并比较了两种深度学习模型（Detectron2和YoloV8）用于器官捐献摄影中的肾脏和肝脏图像自动边界检测与分割，并与现有背景去除工具进行了对比	首次在器官捐献摄影中描述准确的自动分割方法，利用迁移学习开发了两种新模型，展示了其优于现有工具的性能	未明确提及局限性	开发并评估用于肾脏和肝脏器官捐献照片的自动分割深度学习模型，以提高手术摄影中图像分析的准确性	肾脏和肝脏的器官捐献摄影图像	计算机视觉	不适用	迁移学习	目标检测和分割模型（Detectron2和YoloV8）	图像	训练/内部验证集含821张肾脏图像和400张肝脏图像，外部验证集含203张肾脏图像和208张肝脏图像	Detectron2和YoloV8（未指定具体框架，通常基于PyTorch）	Detectron2和YoloV8	IoU（交并比）	未提及，但推断使用标准GPU（如RTX系列），具体型号未说明
450	2026-09-05	Deep learning approach for automatic assessment of schizophrenia and bipolar disorder in patients using R-R intervals 2025-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012983 PMID:40901920	研究论文	本研究利用深度学习与机器学习方法，基于短时心电图中的R-R间期自动分类精神分裂症和双相情感障碍患者	采用低成本可穿戴设备记录的短时ECG信号进行两种精神疾病的自动分类，并评估了多种机器学习模型和不同时间窗口长度，性能与先进诊断方法相当	样本量较小且未提供具体计算资源信息	开发并评估一种基于短时ECG信号自动分类精神分裂症和双相情感障碍的方法	精神分裂症或双相情感障碍患者及健康对照组	机器学习	精神分裂症、双相情感障碍	ECG	SVM、XGBoost、多层感知机、门控循环单元、集成方法	R-R间期窗口	60名参与者（30名患者和30名对照组）	NA	SVM、XGBoost、MLP、GRU、集成模型	准确率	NA
451	2026-09-05	The detection of algebraic auditory structures emerges with self-supervised learning 2025-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013271 PMID:40911653	研究论文	本研究使用自监督学习训练的深度学习模型，探究人类自发检测听觉模态中代数结构的能力是如何从经验中涌现的	首次利用深度学习模型系统评估自然和文化声音刺激对自发检测代数结构的影响，发现该能力可从纯经验中涌现，且不同预训练声音类型影响能力的发展	文中未明确提及限制，可能包括模型与人类听觉处理的差异、声音刺激范围的限制等	评估因素导致听觉模态中代数结构自发检测，并区分先天机制与经验驱动机制	深度学习模型在听觉模态中对代数结构（重复序列、概率块、复杂代数结构）的检测能力	机器学习	NA	自监督学习	深度学习模型（具体类型未指定）	声音数据（自然声音、语音、音乐）	多个深度学习模型，具体数量未说明	未指定	未指定	未指定（可能包括检测准确性等）	未指定
452	2026-09-05	An Extraction Tool for Venous Thromboembolism Symptom Identification in Primary Care Notes to Facilitate Electronic Clinical Quality Measure Reporting: Algorithm Development and Validation Study 2025-08-26, JMIR medical informatics IF:3.1Q2 DOI:10.2196/63720 PMID:40857675	研究论文	开发并验证了一个基于自然语言处理（NLP）的工具VTExt，用于从初级保健临床笔记中提取静脉血栓栓塞（VTE）症状，以促进电子临床质量测量（eCQM）的报告。	首次将NLP技术应用于全国认可的电子临床质量测量（eCQM）中，用于VTE症状提取，且工具在跨机构、不同电子健康记录系统中表现出良好的泛化能力。	未提及具体限制。	开发一个从临床笔记中提取VTE症状的工具，用于量化初级保健中VTE延迟诊断率。	初级保健临床笔记文本，包括VTE阳性病例和阴性对照的笔记句子。	自然语言处理	静脉血栓栓塞	NLP（基于规则的方法）	规则驱动方法	文本	病例组包括279份患者笔记中的17,585条进展笔记句子，对照组包括50份患者笔记中的2,838条进展笔记句子；外部验证使用来自两个独立医疗保健组织的数据集。	NA	NA	曲线下面积、阳性预测值、阴性预测值、灵敏度、特异性	NA
453	2026-09-05	Tongue Image-Based Diagnosis of Acute Respiratory Tract Infection Using Machine Learning: Algorithm Development and Validation 2025-08-25, JMIR medical informatics IF:3.1Q2 DOI:10.2196/74102 PMID:40854033	研究论文	本研究旨在开发并验证基于舌象特征的人工智能预测模型，以区分COVID-19与腺病毒呼吸道感染，提高诊断准确性	首次探索使用舌象特征结合深度学习与机器学习算法，区分COVID-19与腺病毒感染，融合传统中医诊断与现代技术	样本量较小（共280张舌象图像，来自172名参与者），可能影响模型的泛化能力	开发并验证基于舌象特征的人工智能模型，以区分COVID-19与腺病毒呼吸道感染，提高诊断准确率并整合传统诊断方法	58名COVID-19患者、84名腺病毒感染患者以及30名健康对照者的舌象图像	机器学习	呼吸道感染（COVID-19与腺病毒感染）	舌象图像采集与深度学习特征提取	逻辑回归、随机森林、梯度提升模型、极端梯度提升	图像（舌象图像）	172名参与者，共280张舌象图像	NA	NA	受试者工作特征曲线下面积（AUC）、精确率-召回率曲线下面积（AUPRC）、统计显著性P值	NA
454	2026-09-05	AI-Driven Integration of Deep Learning With Lung Imaging, Functional Analysis, and Blood Gas Metrics for Perioperative Hypoxemia Prediction 2025-08-22, JMIR medical informatics IF:3.1Q2 DOI:10.2196/73995 PMID:40759599	观点文章	本文探讨了通过深度学习与多模态临床数据整合预测围手术期低氧血症的AI应用，包括肺影像、肺功能检查和动脉血气分析，并提出了未来发展方向	提出了多模态AI框架（如DeepLung-Predict）统一CT扫描、肺功能测试和动脉血气参数，提高预测精度，超越传统方法22%	存在数据集异质性、模型可解释性不足和临床工作流整合挑战	预测围手术期低氧血症，优化资源分配，降低ICU入住风险	围手术期低氧血症患者	医学影像分析	围手术期低氧血症	影像组学, 肺功能测试, 动脉血气分析	卷积神经网络(CNN), 混合模型	影像, 临床数据	不适用	NA	TD-CNNLSTM-LungNet, DeepLung-Predict	准确率96.57%, 曲线下面积0.96, 提升22%	NA
455	2026-09-05	Deep Learning-Based Early Warning Systems in Hospitalized Patients at Risk of Code Blue Events and Length of Stay: Retrospective Real-World Implementation Study 2025-08-22, JMIR medical informatics IF:3.1Q2 DOI:10.2196/72232 PMID:40845828	研究论文	该研究评估了人工智能早期预警系统VitalCare在住院患者中的应用，通过回顾性分析显示其能显著减少Code Blue等重大不良事件和延长住院时间，并具有高预测性能	在真实临床环境中实施和验证基于深度学习的早期预警系统，展示了改善临床结果的实际效果	基于回顾性设计，可能存在选择偏倚；未提及外部验证或长期随访	评估AI早期预警系统VitalCare对住院患者临床结果的影响及其算法性能	住院患者（包括普通病房和重症监护室）	机器学习	心肺骤停、不良事件	电子健康记录数据分析	深度学习	电子健康记录数据	30,785例住院患者	NA	NA	AUROC	NA
456	2026-09-05	Deep Learning and Image Generator Health Tabular Data (IGHT) for Predicting Overall Survival in Patients With Colorectal Cancer: Retrospective Study 2025-08-19, JMIR medical informatics IF:3.1Q2 DOI:10.2196/75022 PMID:40828572	研究论文	本研究利用图像生成器（IGHT）将表格电子病历数据转换为二维图像，采用深度学习方法预测结直肠癌患者的5年总生存期，并评估模型的可解释性。	通过IGHT将表格数据转换为图像，应用视觉几何组（VGG16）模型进行生存预测，并结合梯度加权类激活映射（Grad-CAM）提高临床可解释性。	研究为单中心回顾性设计，缺乏外部验证，且存在数据类别不平衡问题，限制了模型的泛化能力和临床应用可行性。	开发并评估基于电子病历数据的深度学习模型，以预测结直肠癌患者的5年总生存期，并利用可解释人工智能技术提高模型的临床可解释性。	来自吉尔医疗中心的3321名结直肠癌患者，包括人口统计学特征、肿瘤特征、实验室值、治疗方式和随访结果。	深度学习	结直肠癌	电子病历数据分析	卷积神经网络（CNN）	表格数据	3321名患者	未明确提及	VGG16, CNN, ANN	准确率、灵敏度、特异性、精确率、F1分数	未明确提及
457	2026-09-05	Towards proactively improving sleep: machine learning and wearable device data forecast sleep efficiency 4-8 hours before sleep onset 2025-08-14, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsaf113 PMID:40293116	研究论文	本研究利用可穿戴设备数据和机器学习模型，在睡眠开始前4至8小时预测睡眠效率，旨在主动改善睡眠。	首次展示了使用可穿戴数据在睡前准确预测睡眠效率的可能性，为主动预防不良睡眠提供了新方法。	摘要中未提及具体局限性。	开发并验证在睡眠开始前4至8小时预测低睡眠效率的模型，并探索相关活动参数与睡眠效率的关系。	80,811名英国生物银行成人参与者的加速度计数据。	机器学习	睡眠障碍	NA	梯度提升（CatBoost）和深度学习（CNN-LSTM）	加速度计数据	80,811名成人	NA	CatBoost, CNN-LSTM	AUC, AUPRC	NA
458	2026-09-05	Predictive Modeling of Osteonecrosis of the Femoral Head Progression Using MobileNetV3_Large and Long Short-Term Memory Network: Novel Approach 2025-08-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/66727 PMID:40768653	研究论文	本研究利用MobileNetV3_Large和长短期记忆网络（LSTM）对股骨头坏死（ONFH）的进展进行预测建模，以提高疾病评估和预测的准确性。	首次将MobileNetV3_Large与LSTM结合用于ONFH的病理图像分析和时间序列动态预测，通过深度学习方法定量评估血管重建和治疗反应。	研究样本量较小（仅30例患者），且模型性能可能受限于单一中心数据，需在更大规模和多中心数据上验证。	使用深度学习算法提高ONFH的诊断准确性和预测疾病进展，优化治疗策略。	30例诊断为ONFH的患者，1200张MRI切片（包括675张病变切片和225张正常切片）。	计算机视觉	股骨头坏死	磁共振成像	CNN (MobileNetV3_Large) 和 LSTM	图像（MRI切片）和时序数据	30例患者，1200个MRI切片，分为训练（630）、验证（135）和测试（135）	NA	MobileNetV3_Large, LSTM	准确率、召回率、AUC	NA
459	2026-09-05	Probability-Based Early Warning for Seasonal Influenza in China: Model Development Study 2025-08-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/73631 PMID:40769217	研究论文	本研究开发了一种基于概率的机器学习早期预警系统，用于中国季节性流感的预测，采用Dense ResNet模型生成连续的风险评估值，替代传统的二元阈值预警。	首次提出基于概率的早期预警系统，使用Dense ResNet对流感样病例阳性率进行连续风险估计（0-1变量），而非固定阈值，以提高灵活性并减少误报和漏报。	研究可能受限于历史数据（2014-2024年）的回顾性分析，未实时结合动态传播模型，且未充分探讨模型的泛化性在不同地理区域或人群中的差异。	开发一种创新的概率性早期预警方法，用于及时预测流感样病例活动水平的变化，增强公共卫生决策的准确性。	中国北方和南方的流感监测数据（2014-2024年），涉及流感样病例阳性率。	机器学习	季节性流感	NA	Dense ResNet（监督深度学习模型）	时间序列数据（流感监测数据）	未明确说明样本数量，但覆盖中国南北地区2014-2024年的监测数据	NA	Dense ResNet	AUC、准确度、召回率、F1分数	NA
460	2026-09-05	SimPep and OP-AND: A deep learning framework and curated database for predicting osteogenic peptides 2025-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013422 PMID:40880496	研究论文	本文提出了一种基于深度学习的框架SimPep和一个名为OP-AND的策划数据库，用于预测成骨肽，并验证了其有效性。	首次引入成骨肽的公共数据库OP-AND，并提出假设：来自破骨细胞形成相关蛋白的肽可能作为非成骨肽。	数据可用性有限，性能可能受限于数据集大小和外部验证。	开发一种预测成骨肽的方法和提供公共数据库，以促进骨质疏松相关疾病的预防和计算检测。	成骨肽及其在预防骨相关疾病中的潜在作用。	机器学习	骨质疏鬆相关疾病	NA	深度学习	肽序列数据	成骨肽数据集（具体数量未说明）及外部数据集。	NA	NA	准确率，受试者工作特征曲线下面积	NA