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
501	2026-05-31	Artificial intelligence in cancer immunotherapy: current trends in predicting response and personalizing treatment 2026-May-28, Journal of the Egyptian National Cancer Institute IF:2.1Q3 DOI:10.1186/s43046-026-00371-w PMID:42209845	综述	综述了人工智能在癌症免疫治疗中预测反应和个性化治疗的当前趋势	总结了结合基因组学、转录组学、放射组学、数字病理学、循环生物标志物和临床证据的多模态AI模型，这些模型能创建具有显著更高判别价值的复合预测特征	前瞻性和多中心验证稀缺，外部验证常出现性能下降；临床实施受数据异质性、偏倚、纵向验证不足、可重复性有限和大部分模型缺乏透明度阻碍	探讨人工智能如何通过更准确预测治疗反应、发现特定生物标志物和制定个性化治疗方案，推动癌症免疫治疗的发展	癌症免疫治疗中的AI应用，包括预测反应、CAR-T细胞治疗优化及临床实施挑战	机器学习	癌症	NA	深度学习、集成模型	全切片图像、CT/MRI/PET放射组学、空间和单细胞组学、多组学融合数据、循环生物标志物、临床证据	NA	NA	NA	AUC	NA
502	2026-05-31	Please follow the rules: surgical workflow recognition constrained by linear temporal logic 2026-May-28, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03724-x PMID:42209907	研究论文	利用可微时间逻辑定义手术流程约束，提高手术工作流识别的时间一致性	提出使用可微时间逻辑（DTL）和Allen区间代数（AIA）算子定义手术动作的程序性约束，并在训练中引导网络遵循这些约束，增强时间一致性和可解释性	帧级准确率提升有限，仅在部分条件下存在显著差异	通过引入逻辑规则约束手术工作流识别模型，提升预测的时间一致性和鲁棒性	三种手术数据集：机器人辅助子宫切除术内部数据集、AutoLaparo和Cholec80公开数据集	计算机视觉, 机器学习	NA	NA	双向LSTM, MS-TCN, Transformer	视频	三种数据集：内部子宫切除术数据集、AutoLaparo、Cholec80（具体数量未提供）	PyTorch	Bi-LSTM, MS-TCN, ASFormer	准确率, Edit分数, 分段F1分数	NA
503	2026-05-31	KRASG12V/A146T mutations are associated with nCRT resistance via enhanced DNA double-strand break repair and support a deep learning prediction framework in LARC 2026-May-28, Cellular & molecular biology letters IF:9.2Q1 DOI:10.1186/s11658-026-00947-3 PMID:42210090	研究论文	鉴定KRAS G12V/A146T突变与局部晚期直肠癌新辅助放化疗耐药相关并构建多模态深度学习预测框架	首次将KRAS G12V/A146T突变与DNA双链断裂修复增强及nCRT耐药相关联，并开发整合基因组与病理全切片图像的多模态深度学习融合模型	单中心回顾性研究，突变携带者数量有限，无法进行多变量校正，模型需在更大规模多中心前瞻性队列中验证	识别与nCRT反应相关的分子事件并开发治疗前预测框架	局部晚期直肠癌（LARC）患者	数字病理学, 机器学习	直肠癌	全外显子测序（WES）, 多组学分析, 功能性实验（细胞系与小鼠模型）	多模态深度学习融合模型	全外显子测序数据, 组织病理全切片图像（WSI）	89例患者（67例最初测序+22例已发表数据），106张WSI	PyTorch	弱监督多模态融合框架	AUC	NA
504	2026-05-31	AutoCumulus: an automated mammographic density measure created using artificial intelligence 2026-May-28, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-16264-z PMID:42210110	研究论文	提出一种基于深度学习的自动乳腺密度测量方法AutoCumulus，并在大规模人群中验证其性能	利用深度学习从半自动CUMULUS软件测量中学习，创建全自动且高精度的乳腺密度测量方法	需进一步临床验证才能投入实际应用	开发并评估一种自动化的乳腺密度测量方法，作为可扩展的乳腺癌风险指标	乳腺密度测量方法	计算机视觉	乳腺癌	深度学习	CNN	乳腺X线图像	9,057名女性（BRAIx项目）及独立测试集（CSAW-CC数据集）	PyTorch	ConvNeXtSmall	相关系数, 特异性, AUC	NA
505	2026-05-31	Deep learning for early detection of guava fruit anthracnose and fruit fly infestation 2026-May-28, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-026-09125-1 PMID:42210111	研究论文	基于深度学习对番石榴果实炭疽病和果蝇侵染进行早期检测	利用对比度受限自适应直方图均衡化和反锐化掩膜预处理，结合迁移学习和边缘部署可行性分析，实现高精度早期检测	数据集仅包含473张经标注的孟加拉国番石榴图像，样本量较小，可能限制模型泛化能力	开发深度学习分类系统，实现番石榴炭疽病和果蝇侵染的早期检测	番石榴果实图像，包含炭疽病和果蝇侵染的早期症状（病灶<2mm和细微刺痕）	计算机视觉	植物病害（炭疽病和果蝇侵染）	图像预处理（反锐化掩膜和CLAHE）、数据增强、迁移学习	EfficientNetB3	图像	473张经标注的番石榴果实图像	PyTorch	EfficientNetB3、ResNet50、DenseNet121、Vision Transformer	准确率、精确率、召回率、F1分数、ROC-AUC	Raspberry Pi 4B（边缘部署推理），量化后模型大小13MB，参数数量12.3百万
506	2026-05-31	Cardiac arrhythmia detection via PQRST analyzed data using an optimized hierarchical fused fuzzy deep reinforcement learning 2026-May-28, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03564-4 PMID:42210277	研究论文	提出一种基于优化分层融合模糊深度强化学习的心律失常检测方法	将分层融合模糊深度强化学习应用于心律失常预测，并利用SHAP、LIME等工具分析模型可解释性	未提及具体局限性	实现非窦性心律的早期预测，预防心脏疾病	采用12导联心电图数据集，共10,646名患者	机器学习	心律失常	NA	优化分层融合模糊深度强化学习	心电图信号	10,646名患者	NA	NA	准确率, ROC曲线下面积	NA
507	2026-05-31	Rapid Generation of Subject-Specific Human Models With Detailed Tissue Structures for Timely Individualized SAR Assessment 2026-May-28, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70409 PMID:42210642	研究论文	提出一种混合框架，结合超快MRI、深度数据扫描和深度学习，快速生成个体化人体模型，用于MRI中局部比吸收率的实时评估	通过半监督教师-学生学习和部分类别标注策略训练深度学习模型，实现MRI图像中主要组织类型的自动分割，并将MRI解剖分割与摄像头外部几何数据融合，生成无缝的个体化人体模型	NA	实现个体化全身解剖模型的快速生成，用于MRI中患者特异性的躯干局部比吸收率预测	人体模型生成和SAR评估	数字病理学	NA	MRI, 深度数据扫描	深度学习模型	图像	20名志愿者	NA	NA	峰值SAR10g误差, 归一化均方根误差	NA
508	2026-05-31	Machine Learning Model Using Pre-Cancer Therapy Cardiac Magnetic Resonance Images to Predict Cancer Therapy-Related Cardiac Dysfunction 2026-May-28, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2026.04.007 PMID:42212994	研究论文	使用治疗前心脏磁共振图像通过深度学习模型预测癌症治疗相关心脏功能障碍	首次利用治疗前CMR图像通过深度卷积神经网络预测CTRCD，并与临床和传统成像模型进行比较，显示出更高的预测性能	样本量相对较小（229名患者），且仅包括HER2+乳腺癌女性患者，可能限制了模型的泛化性	评估使用治疗前CMR图像的深度学习模型预测CTRCD的能力，并与临床和传统成像模型进行比较	HER2+乳腺癌女性患者	计算机视觉	乳腺癌相关心脏功能障碍	心脏磁共振成像	深度卷积神经网络	图像	229名患者（176名内部验证，53名外部验证）	NA	深度卷积神经网络	AUC, F1分数	NA
509	2026-05-31	Advances in multispectral and hyperspectral inversion for soil heavy metal contamination: Mechanisms, machine learning algorithms, and future perspectives 2026-May-28, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.142542 PMID:42214863	综述	综述了多光谱和高光谱反演土壤重金属污染的机理、机器学习算法及未来展望	结合文献计量分析与方法学进展，系统梳理了从传统线性回归到深度学习的模型演变，并构建了大规模高精度反演的综合框架	空间尺度扩展和卫星观测引入的混合像素、水分干扰及样本稀缺等问题限制了模型鲁棒性和跨区域泛化能力	为大规模、高精度的土壤重金属光谱反演提供技术发展全面框架和未来方向指导	土壤重金属污染物，特别是铜、铅和锌	机器学习	NA	多光谱遥感、高光谱遥感	机器学习、深度学习	光谱数据	NA	NA	CNN, Transformer, XGBoost	NA	NA
510	2026-05-31	Multimodal GPT-5 for Predicting Poor Functional Outcomes After Intracerebral Hemorrhage in the Emergency Department: Validation Study 2026-May-27, JMIR AI DOI:10.2196/87062 PMID:42202259	研究论文	本研究评估了GPT-4.1和GPT-5模型在急诊科利用多模态数据预测脑出血患者不良功能结局的表现，并与传统机器学习模型进行了比较	首次系统评估多模态GPT-5在急诊科脑出血预后预测中的应用，包括零样本预测和提示增强策略，并与传统机器学习模型进行全面比较	GPT模型校准性差，倾向于低估预测概率，整体预测准确性不如传统机器学习模型，仅在较高阈值概率下展示临床净收益	评估基于GPT的大型语言模型在急诊科利用常规可获取的多模态数据预测脑出血后不良功能结局的性能和临床效用	脑出血患者	自然语言处理	脑出血	多模态数据分析，非对比CT成像	GPT，逻辑回归	临床数据，CT图像	一所三级医院的脑出血患者，具体数量未说明	Azure OpenAI Service	GPT-4.1，GPT-5	AUROC，校准Brier评分，Nagelkerke R²，组内相关系数，决策曲线分析	NA
511	2026-05-31	A hybrid transformer-zero-shot learning framework with Muon optimization for intelligent channel estimation in MIMO wireless systems 2026-May-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33791-0 PMID:42204164	研究论文	提出一种结合Transformer、零样本学习和Muon优化器的混合框架，用于MIMO无线系统的智能信道估计	首次将零样本学习与Transformer架构及Muon优化器结合，实现在未知信噪比和衰落条件下的精准信道估计而无需重新训练	仅在仿真环境下验证，未在真实无线通信系统中测试；Muon优化器的实际硬件实现复杂性待评估	开发一种能泛化到未知信道条件、无需重复训练的智能MIMO信道估计方法	MIMO无线系统中的信道估计问题	自然语言处理	NA	NA	Transformer、零样本学习、Muon优化器	NA	NA	NA	Transformer	均方误差(MSE)	NA
512	2026-05-31	Tocotrienol as a multi-target inhibitor of ICAM-1, VCAM-1, and E-selectin: Comparison using AutoDock and GNINA docking with molecular dynamics simulation 2026-May-27, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109136 PMID:42214856	研究论文	本研究通过分子对接和分子动力学模拟，比较评估了生育三烯醇异构体对ICAM-1、VCAM-1和E-selectin的多靶点抑制能力	首次基于计算证据对生育三烯醇异构体在靶向炎症和血管相关通路中的多靶点效力进行全面区分，并比较了传统分子对接工具AutoDock Vina与基于深度学习的AI辅助对接工具GNINA的性能差异	AI辅助对接工具GNINA因受体模型结构限制未能生成对VCAM-1的对接结果；研究结果仍需进一步的实验验证来确认这些计算预测及其生物学意义	评估生育三烯醇异构体对E-selectin、ICAM-1和VCAM-1的分子结合亲和力和相互作用特征，揭示其在抗动脉粥样硬化中的潜在作用	α-、β-、γ-和δ-生育三烯醇异构体以及E-selectin、ICAM-1和VCAM-1蛋白受体	计算机辅助药物设计	动脉粥样硬化	分子对接	卷积神经网络	蛋白质结构数据和配体分子结构	4种生育三烯醇异构体和3种蛋白受体	AutoDock Vina, GNINA	NA	结合亲和力（kcal/mol）、氢键相互作用、疏水相互作用、范德华力	NA
513	2026-05-31	A Systematic Survey and Benchmark of Deep Learning for Molecular Property Prediction in the Foundation Model Era 2026-May-26, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c02081 PMID:42096352	综述	系统综述和基准测试了基础模型时代深度学习在分子性质预测中的应用	提出了统一分类法，连接分子表征、模型架构和跨学科应用，并提出了三个前瞻性方向（嵌入量子一致性、可信推理、整合计算与实验数据）	基准设计中存在数据拆分不一致、立体化学不一致、分析来源异质以及随机或定义不明拆分下的可重复性限制	梳理分子性质预测中深度学习的四种互补范式并评估当前基准设计，推动更透明、时间-支架意识的现代化方法	深度学习模型在分子性质预测中的性能与基准设计	机器学习	NA	NA	NA	数据	涵盖广泛使用的数据集及反映工业视角的数据集	NA	NA	NA	NA
514	2026-05-31	Distance-Restraint-Guided Diffusion Models for Sampling Protein Conformational Changes and Ligand Dissociation Pathways 2026-May-26, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.6c00199 PMID:42096314	研究论文	提出了一种基于距离约束引导的扩散模型方法，用于采样蛋白质构象变化和配体解离路径	在反向扩散过程中引入原子组质心距离约束，无需模型重新训练即可沿反应坐标系统采样，同时结合深度学习结构预测与物理模拟，实现自由能景观构建	NA	开发高效策略，系统采样蛋白质构象动态和配体结合过程，定量表征生物分子热力学特性	三种经历开-闭构象转变的模型蛋白质及一个蛋白质-肽解离路径	机器学习	NA	扩散模型	扩散模型（类似AlphaFold3架构）	蛋白质结构数据	三种模型蛋白质及一个蛋白质-肽体系	Boltz-2	扩散模型网络结构	基于学习的置信度指标、立体化学验证指标、构象空间覆盖均匀性	NA
515	2026-05-27	Correction to "Quantifying Multi-pollutant Co-exposure via Deep Learning-Based Simultaneous Prediction Using Geostationary Satellite Data" 2026-May-26, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.6c05436 PMID:42113025	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
516	2026-05-31	Magnetic susceptibility source separation (χ-separation) in quantitative susceptibility mapping 2026-May-26, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110708 PMID:42203157	综述	梳理定量磁化率成像中磁化率源分离方法，比较多序列与仅梯度回波技术的优劣	全面分类磁化率源分离方法为多序列方法和仅梯度回波方法，并评估深度学习框架如χ-sepnet，指出简化采集协议的趋势	弛豫常数准确测定和静态去相假设仍存生物物理难题，缺乏体内金标准影响准确性评估	综述磁化率源分离技术，区分亚体素磁源以定量铁和髓鞘生物标志物	磁化率源分离方法，包括多序列方法（如SEMI-TWInS, APART-QSM）、仅梯度回波技术（如DECOMPOSE-QSM, QSM-ARCS）和深度学习框架（如χ-sepnet）	机器学习	NA	磁共振成像	深度学习	磁共振图像	NA	NA	χ-sepnet	NA	NA
517	2026-05-31	AI for the assessment and discovery of morphological-molecular biomarker relationships in hematologic malignancies 2026-May-26, Blood reviews IF:6.9Q1 DOI:10.1016/j.blre.2026.101398 PMID:42215353	综述	总结人工智能在血液恶性肿瘤形态学分析中的最新进展，揭示形态-分子生物标志物关联，并探讨其临床整合潜力	通过深度学习模型实现自动化细胞分类、疾病特征检测及遗传变异预测，首次系统整合虚拟染色和可解释性方法以支持临床转化	数据异质性、缺乏前瞻性验证、跨学科协作需求仍是主要挑战	推动人工智能驱动的可解释形态学分析在血液肿瘤精准医学中的应用	髓系和淋巴系肿瘤（包括急性白血病、淋巴瘤等）的血涂片和骨髓涂片图像	计算机视觉	血液恶性肿瘤（髓系/淋巴系肿瘤）	深度学习、多实例学习、虚拟染色	深度神经网络	图像（血涂片、骨髓涂片）	未明确提及	未明确提及	多实例学习架构	未明确提及	NA
518	2026-05-31	Generating Labeled Low-Heterogeneity Transcriptomes Using CRISPRa and CRISPRi Can Improve Phenotype Prediction by Deep Learning 2026-May-25, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.5c00873 PMID:42183825	研究论文	提出利用CRISPRa和CRISPRi技术生成标注的低异质性转录组数据集，以改善深度学习在表型预测中的表现	首次提出通过CRISPRa和CRISPRi技术生成低异质性、表型标注的转录组数据集，作为传统高异质性数据集的补充，以提升深度学习模型在表型预测中的效果	目前仅提出框架和实验考量，尚未生成实际数据集或进行模型验证，缺乏实验结果支持	解决现有组学数据集在深度学习表型预测中的异质性高和样本量不足问题	通过CRISPRa和CRISPRi技术产生的表型标注细胞系及其对应的低异质性转录组数据集	machine learning	癌症	CRISPRa, CRISPRi	深度学习（DL）	转录组数据	NA	NA	NA	NA	NA
519	2026-05-31	An interpretable multimodal model integrating clinical, spectral CT imaging, and deep learning analysis of intra- and peritumoral regions for preoperative prediction of perineural invasion in gastric cancer: A prospective, multicenter study 2026-May-24, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102776 PMID:42214885	research paper	开发一种多模态融合模型，整合临床、光谱CT影像和深度学习特征，用于胃癌术前预测神经侵犯	首次将瘤内及瘤周区域的光谱CT参数与深度学习特征结合，构建可解释的多模态融合模型，在多个中心验证了其优越性能	NA	术前预测胃癌中的神经侵犯，以改善风险分层和治疗规划	经病理确诊的胃癌患者	digital pathology, machine learning	gastric cancer	Spectral CT imaging	ResNet-50	image, clinical data	250名患者（训练集138例，内部验证集59例，外部验证集53例）	NA	ResNet-50	AUC, calibration curve, decision curve analysis, Hosmer-Lemeshow test	NA
520	2026-05-31	Explicit modeling of beam geometry improves three-dimensional dose prediction for esophageal cancer radiotherapy under heterogeneous beam configurations 2026-May-22, Radiation oncology (London, England) DOI:10.1186/s13014-026-02844-7 PMID:42174687	研究论文	该研究探索了在异质性射束配置的食管癌放疗中，通过显式建模射束几何结构来提升三维剂量预测的准确性、鲁棒性和临床工作流程效率	首次将基于射线追踪的射束几何表示（归一化射束覆盖和重叠图）整合到深度学习剂量预测模型中，突破传统仅依赖解剖数据的局限性，显著提升异质性射束配置下的预测性能	回溯性研究设计且为单中心数据；模型仅适用于食管癌调强放疗（IMRT），泛化性需进一步验证	提升食管癌调强放疗中三维剂量预测的准确性、鲁棒性和临床实用性	751例食管癌调强放疗患者的治疗计划和剂量分布数据	数字病理学	食道癌	影像引导放疗，射线追踪	AS-NeSt骨干网络	影像，剂量分布图	751例患者（训练组618例，测试组100例，罕见射束配置组33例，临床验证组42例）	NA	AS-NeSt	剂量误差百分比，骰子相似系数，计划时间	NA