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
581	2025-09-03	Targeted Intervention Strategies for Maternal-Offspring Transmission of Christensenellaceae in Pigs via a Deep Learning Model 2025-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202503411 PMID:40492389	研究论文	本研究开发了一种深度学习模型MOMTM，用于预测母猪微生物向仔猪的传播，并探索了通过干预策略促进有益菌Christensenellaceae定植以改善后代肠道健康	首次提出专门针对猪品种和发育阶段的母源微生物传播深度学习框架MOMTM，成功预测关键传播类群并验证低聚半乳糖干预的有效性	NA	探究母源微生物传播机制并开发靶向干预策略以促进后代早期肠道菌群健康发展	母猪及其后代仔猪的肠道微生物传播	机器学习	NA	深度学习建模	深度学习框架	微生物组数据	跨猪品种和发育阶段的母仔对样本
582	2025-09-03	Machine learning is changing osteoporosis detection: an integrative review 2025-Aug, Osteoporosis international : a journal established as result of cooperation between the European Foundation for Osteoporosis and the National Osteoporosis Foundation of the USA IF:4.2Q1 DOI:10.1007/s00198-025-07541-x PMID:40493238	综述	本文综述了机器学习在骨质疏松症检测中的应用进展，涵盖从基础算法到深度学习技术的多层次分析	系统整合了过去十年中机器学习与深度学习在骨质疏松检测中的多模态数据应用，并提出未来结合电子健康记录开发个性化骨骼健康监测系统的愿景	深度学习存在'黑箱'问题、依赖大量标注数据及临床可解释性挑战，基础算法在处理高维非结构化影像数据时存在局限	提升骨质疏松症的早期诊断与风险检测的准确性和可及性	骨质疏松症的检测与筛查方法	机器学习	骨质疏松症	机器学习算法、深度学习、影像组学分析	多种算法类型（含深度学习神经网络）	临床数据、影像数据（X光、CT、MRI）、多模态数据	NA
583	2025-09-03	Multitarget Generate Electrolyte Additive for Lithium Metal Batteries 2025-Aug, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202502086 PMID:40534252	研究论文	开发一种深度学习辅助生成模型，用于多目标优化锂金属电池电解液添加剂的设计	采用分子分类衍生方法扩展数据集，结合异步有限解码器和对抗调控策略，实现复杂多样分子100%生成效率，并发现新型高效添加剂DFEPN	NA	解决锂金属电池电解液添加剂设计中需平衡电化学性能与阻燃性等冲突特性的挑战	电解液添加剂分子	机器学习	NA	深度学习辅助生成模型，分子分类衍生方法	生成模型	分子数据	从单属性数据点扩展至70,095个多属性数据点
584	2025-09-03	RNA-ligand interaction scoring via data perturbation and augmentation modeling 2025-Aug, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00820-x PMID:40555786	研究论文	提出一种基于序列的深度学习框架RNAsmol，用于预测RNA与小分子相互作用	结合数据扰动与增强、图分子特征表示和注意力特征融合模块，无需结构输入即可实现可靠预测	依赖有限的已验证RNA-小分子相互作用数据和稀缺的已知RNA结构	开发数据驱动的深度学习模型以促进RNA靶向药物发现	RNA与小分子之间的相互作用	机器学习	NA	深度学习	基于注意力的特征融合模块	序列数据	NA
585	2025-09-03	Advancing Soil Organic Carbon Prediction: A Comprehensive Review of Technologies, AI, Process-Based and Hybrid Modelling Approaches 2025-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202504152 PMID:40557741	综述	本文综述了土壤有机碳预测技术的最新进展，包括遥感、人工智能和生物地球化学建模等方法	整合多源传感数据与人工智能建模，并探讨将生物地球化学模型模拟输出作为AI训练数据以融合因果关系的创新方法	缺乏统一的最佳AI算法，且需要跨多样土壤气候和管理条件进行校准验证	提升土壤有机碳的测量、监测与预测能力，支持气候变化缓解和可持续农业管理	土壤有机碳（SOC）	环境信息学	NA	遥感（RS）、近端土壤传感（PSS）、机器学习（ML）、深度学习（DL）、生物地球化学建模、数据融合	ML, DL	多源传感器数据、遥感数据、模拟数据	NA（综述文章未指定具体样本量）
586	2025-09-03	Deep learning significantly boosts CRT response prediction using synthetic longitudinal strain data: Training on synthetic data and testing on real patients 2025-Aug, Biomedical journal IF:4.1Q2 DOI:10.1016/j.bj.2024.100803 PMID:39477070	研究论文	本研究利用深度学习技术，基于合成的心肌应变数据构建模型，用于预测心力衰竭患者对心脏再同步化治疗（CRT）的反应	首次结合合成少数类过采样技术（SMOTE）生成大量合成数据训练深度学习模型，显著提升CRT反应预测性能，且模型关键输入变量与临床经验高度一致	样本量相对有限（131名真实患者），需进一步扩大真实数据验证模型泛化能力	开发高精度、高灵敏度预测CRT治疗反应的深度学习辅助工具	心力衰竭患者	机器学习	心血管疾病	SMOTE, t-SNE, SHAP分析	DNN, 1D-CNN	二维超声心动图应变轨迹数据	131名真实患者数据，合成生成2000个训练样本
587	2025-09-03	From Code to Life: The AI-Driven Revolution in Genome Editing 2025-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202417029 PMID:40538131	综述	本文探讨人工智能在基因组编辑领域的应用与前景，涵盖技术创新、挑战及伦理问题	整合AI技术提升CRISPR系统精准度，实现sgRNA优化设计、新型Cas蛋白发现和基因调控网络分析	存在数据偏差、算法透明度不足以及潜在非预期基因修饰等伦理与技术风险	推动精准医疗、遗传病治疗和可持续农业领域的基因组编辑技术发展	基因组编辑技术及其在生物医学与农业中的应用	机器学习	遗传病	CRISPR, 深度学习和蛋白质语言模型	深度学习预测器	基因组数据	NA
588	2025-09-03	Integrating deep learning for post-translational modifications crosstalk on Hsp90 and drug binding 2025-Jul-25, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110519 PMID:40716748	研究论文	本研究利用深度学习模型结合质谱数据分析Hsp90蛋白的翻译后修饰互作及其与药物结合的关联	首次整合深度学习AI预测模型与实验数据解析Hsp90复杂PTM互作网络，提供高效分析手段	研究基于特定HDAC敲除细胞模型，结论可能受细胞类型和条件限制	解析Hsp90蛋白翻译后修饰互作及其对药物结合的影响	热休克蛋白90（Hsp90）及其翻译后修饰	机器学习	癌症	质谱分析、基因敲除	深度学习AI预测模型	质谱数据	HDAC3和HDAC8敲除的人体细胞样本
589	2025-09-03	Feasibility/clinical utility of half-Fourier single-shot turbo spin echo imaging combined with deep learning reconstruction in gynecologic magnetic resonance imaging 2025-07, Abdominal radiology (New York) DOI:10.1007/s00261-024-04739-1 PMID:39692759	研究论文	评估结合深度学习重建的iHASTE序列在妇科MRI中的临床可行性和效用	首次将深度学习重建技术与可变翻转角演化(VAE)结合的iHASTE序列应用于妇科MRI，并与传统序列对比	回顾性研究设计，样本量有限(79例患者)，仅由三位放射科医师进行主观评估	比较iHASTE与传统序列在有/无抗痉挛药物情况下的成像质量和抗伪影能力	接受妇科MRI检查的患者	医学影像	妇科疾病	深度学习重建，半傅里叶单次激发快速自旋回波(HASTE)，周期性旋转重叠平行线增强重建(PROPELLER/BLADE)	深度学习	MRI图像	79例无抗痉挛药物患者(接受iHASTE/HASTE/BLADE扫描) + 79例匹配病例对照组(接受TSE扫描)
590	2025-09-03	A novel artificial intelligence segmentation model for early diagnosis of bladder tumors 2025-07, Abdominal radiology (New York) DOI:10.1007/s00261-024-04715-9 PMID:39738572	研究论文	开发了一种基于Transformer的膀胱肿瘤分割网络（BTS-Net），用于早期膀胱癌的智能诊断	提出新型BTS-Net模型，首次将Transformer架构应用于膀胱肿瘤分割，能够实时处理手术视频并准确识别微小卫星病灶	研究仅基于单中心数据（273例患者），外部验证尚需多中心数据支持	提高早期膀胱肿瘤的识别率，减少漏诊风险	膀胱癌患者的手术视频数据	计算机视觉	膀胱癌	深度学习	Transformer (BTS-Net)	视频	273例膀胱癌患者的手术视频
591	2025-09-03	Preoperative discrimination of absence or presence of myometrial invasion in endometrial cancer with an MRI-based multimodal deep learning radiomics model 2025-07, Abdominal radiology (New York) DOI:10.1007/s00261-024-04766-y PMID:39747670	研究论文	开发并验证基于MRI的多模态深度学习放射组学模型，用于术前判别子宫内膜癌肌层浸润状态	整合临床特征与深度学习特征构建多模态模型，显著提升肌层浸润术前诊断准确性	回顾性研究设计，可能存在选择偏倚	提升子宫内膜癌术前肌层浸润评估的准确性	子宫内膜癌患者	数字病理	子宫内膜癌	MRI，深度学习特征提取	ResNet18，集成稀疏贝叶斯极限学习机	MRI图像，临床数据	1139例来自5个中心的患者
592	2025-09-03	Machine learning radiomics for H3K27M mutation prediction in gliomas: A systematic review and meta-analysis 2025-Jul, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03597-y PMID:40163098	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估机器学习模型在预测胶质瘤H3K27M突变中的性能	首次对基于机器学习的影像组学模型预测H3K27M突变性能进行系统性量化评估和比较	纳入研究数量有限（15项），可能存在发表偏倚	评估机器学习模型预测胶质瘤H3K27M突变的诊断性能	胶质瘤患者	医学影像分析	胶质瘤	MRI影像组学分析	机器学习模型和深度学习模型	医学影像（MRI）	基于15项研究的汇总数据
593	2025-09-03	MRI-derived deep learning models for predicting 1p/19q codeletion status in glioma patients: a systematic review and meta-analysis of diagnostic test accuracy studies 2025-Jul, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03631-z PMID:40369298	系统综述与荟萃分析	评估基于MRI的深度学习模型预测胶质瘤患者1p/19q共缺失状态的诊断准确性	首次系统评价和荟萃分析MRI衍生的深度学习模型在预测胶质瘤1p/19q共缺失方面的性能	纳入研究存在异质性，部分研究质量较低，仅20项研究符合条件	评价深度学习模型在胶质瘤分子分型中的诊断价值	胶质瘤患者	医学影像分析	胶质瘤	MRI，深度学习	端到端深度学习模型	MRI图像	基于20项研究的汇总数据（具体样本量未明确说明）
594	2025-09-03	Can machine learning be a reliable tool for predicting hematoma progression following traumatic brain injury? A systematic review and meta-analysis 2025-Jul, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03657-3 PMID:40397134	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估人工智能算法在预测创伤性脑损伤后血肿进展中的可靠性	首次对AI模型（包括机器学习和深度学习）在预测TBI血肿进展方面的性能进行系统性量化评估，并整合影像组学与临床特征提升预测效果	纳入研究数量有限（仅5项符合标准），需要更标准化数据集和多样化患者群体以提高模型普适性	评估人工智能工具在预测创伤性脑损伤后血肿进展中的预测准确性和临床实用性	创伤性脑损伤（TBI）患者	机器学习	创伤性脑损伤	机器学习（ML）、深度学习（DL）、影像组学	XGBoost及其他AI算法	临床数据和影像数据	基于5项研究的汇总数据（初始筛选1240项研究）
595	2025-06-05	Geometric Deep Learning for Multimodal Data in CKD 2025-Jun-03, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000778 PMID:40459949	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
596	2025-09-03	Prediction of therapeutic response to transarterial chemoembolization plus systemic therapy regimen in hepatocellular carcinoma using pretreatment contrast-enhanced MRI based habitat analysis and Crossformer model 2025-06, Abdominal radiology (New York) DOI:10.1007/s00261-024-04709-7 PMID:39586897	研究论文	本研究基于多期相增强MRI的栖息地分析和Crossformer模型，预测肝细胞癌患者对TACE联合系统治疗的疗效反应	首次结合K-means聚类生成的肿瘤内栖息地图像与Transformer架构的深度学习模型（Crossformer），用于非侵入性预测HCC治疗反应	样本量相对有限（102例），且为回顾性研究，需要更大规模前瞻性验证	开发并验证基于CE-MRI的模型，以早期评估肝细胞癌患者对TACE联合靶向及免疫治疗的反应	肝细胞癌（HCC）患者	医学影像分析	肝细胞癌	多期相对比增强MRI（CE-MRI），K-means聚类，放射组学特征提取	Crossformer, ResNet50, ExtraTrees classifier	医学影像（MRI）	102例HCC患者（机构A 63例，机构B 39例）
597	2025-09-03	Deep learning-assisted detection of intracranial hemorrhage: validation and impact on reader performance 2025-Jun, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03560-x PMID:40116947	研究论文	本研究验证了一种用于颅内出血检测的深度学习算法，并评估其辅助非专家医生提升诊断性能的临床效用	开发并验证了JLK-ICH深度学习算法，在多种颅内出血亚型中均表现高精度，并通过读者性能测试证实其能显著提升非专家诊断信心和准确性	研究基于回顾性数据，需进一步前瞻性验证；外部验证仅使用单一多民族美国数据集	验证深度学习算法在颅内出血检测中的准确性并评估其临床辅助价值	颅内出血（ICH）患者及非ICH患者的CT扫描影像	计算机视觉	脑血管疾病	深度学习	深度学习算法（JLK-ICH）	CT图像	1370例CT扫描（含800例用于读者性能研究）
598	2025-09-03	Predicting postoperative prognosis in clear cell renal cell carcinoma using a multiphase CT-based deep learning model 2025-05, Abdominal radiology (New York) DOI:10.1007/s00261-024-04593-1 PMID:39311948	研究论文	本研究开发了一种基于多期相CT图像的深度学习模型，用于术前预测透明细胞肾细胞癌患者的术后预后	首次结合三期CT图像（平扫期、皮髓质期和肾实质期）特征与深度学习技术构建预后预测模型，并与Leibovich评分系统整合形成列线图	回顾性研究设计，样本量相对有限（382例患者），缺乏外部验证队列	评估基于CT图像的深度学习模型在预测透明细胞肾细胞癌患者术后预后方面的价值	透明细胞肾细胞癌患者	计算机视觉	肾癌	CT成像，深度学习特征提取	ResNet50, ELM (极限学习机)	CT图像	382例患者（训练集229例，测试集153例）
599	2025-09-03	Application of deep learning models for accurate classification of fluid collections in acute necrotizing pancreatitis on computed tomography: a multicenter study 2025-05, Abdominal radiology (New York) DOI:10.1007/s00261-024-04607-y PMID:39347977	研究论文	应用深度学习模型对急性坏死性胰腺炎的CT图像中胰液积聚进行基于固体碎片的准确分类	首次在多中心研究中比较ResNet 50、Vision Transformer和MedViT等深度学习架构对胰腺液体积聚的自动分类性能	样本量相对有限（152例患者），且模型在外部测试队列中的性能仅为中等水平（AUC 0.753）	开发基于CT的深度学习模型，用于急性胰腺炎中胰液积聚的自动化分类	急性胰腺炎患者的CT图像及其对应的胰液积聚	计算机视觉	胰腺疾病	CT成像、深度学习	ResNet 50, Vision Transformer (ViT), MedViT	图像	152例患者（129例训练/验证，23例测试），共计2180张CT图像
600	2025-09-03	Evaluation of SR-DLR in low-dose abdominal CT: superior image quality and noise reduction 2025-05, Abdominal radiology (New York) DOI:10.1007/s00261-024-04686-x PMID:39560744	研究论文	评估超分辨率深度学习重建（SR-DLR）在低剂量腹部CT成像中的效果，并与混合迭代重建（HIR）和常规深度学习重建（cDLR）算法进行比较	首次在低剂量腹部CT中系统比较SR-DLR与HIR、cDLR，证明SR-DLR在噪声纹理和分辨率方面优于现有方法	回顾性研究，样本量较小（35例患者），需进一步多中心验证	评估SR-DLR算法在低剂量腹部CT中的图像质量和噪声降低效果	低剂量腹部CT扫描图像	医学影像处理	腹部疾病	CT成像，深度学习重建算法	深度学习重建（DLR）	CT图像	35例患者