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
7201	2026-01-06	Artificial intelligence in Glioblastoma Diagnostics: Integrating MRI, histopathology, and molecular profiling 2025, Cancer treatment and research communications DOI:10.1016/j.ctarc.2025.101040 PMID:41308410	综述	本文综述了人工智能在胶质母细胞瘤诊断中整合MRI、组织病理学和分子谱分析的应用与挑战	系统性地整合了AI在脑肿瘤诊断中的多模态数据（如MRI、fMRI、PET）应用，并强调了与放射组学、多模态融合、迁移学习及分子谱分析的结合	研究存在异质性，导致仅能进行叙述性综合；外部泛化性有限，且缺乏前瞻性、多中心验证	评估人工智能在提高脑肿瘤（特别是胶质瘤）诊断精度和效率方面的潜力	脑肿瘤诊断研究，重点关注胶质瘤	数字病理学	胶质母细胞瘤	MRI, fMRI, PET, 放射组学, 分子谱分析	CNN	图像	NA	NA	NA	NA	NA
7202	2026-01-06	A deep learning AI model for determining the relationship between X-Ray detectors and patient positioning in chest radiography 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0333209 PMID:41082558	研究论文	本研究开发了一种基于深度学习的人工智能系统，用于自动检测胸部X光摄影中X射线探测器与患者之间的位置关系	提出了一种定制化的卷积神经网络模型，首次实现了在胸部X光摄影中自动检测探测器与患者位置关系的AI系统	研究仅基于22,299张图像，可能需要在更大规模数据集上进行验证；未提及模型在不同设备或临床环境中的泛化能力	开发能够自动确定X射线探测器与患者位置关系的AI系统，以减轻放射技师的工作负担并提高成像准确性	胸部X光摄影中X射线探测器与患者的位置关系图像	计算机视觉	NA	胸部X光摄影	CNN	图像	22,299张图像	PyTorch	定制化CNN	准确率, 损失函数值, 真阴性率, 阴性预测值, 精确率, 召回率, F1分数	NA
7203	2026-01-06	In silico evolution of autoinhibitory domains for a PD-L1 antagonist using deep learning models 2023-12-05, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2307371120 PMID:38032933	研究论文	本研究利用基于深度学习的蛋白质结构预测与序列优化流程，设计了针对PD-L1拮抗剂的自抑制结构域，以开发可在肿瘤微环境中被激活的抗癌药物	首次将AlphaFold2与ProteinMPNN结合，通过迭代循环设计自抑制结构域，无需实验亲和力成熟即可获得纳摩尔级高亲和力结合剂	研究仅针对PD-L1拮抗剂进行设计验证，未在体内模型中测试其治疗效果与安全性	开发一种可通过肿瘤富集蛋白酶激活的条件性PD-L1拮抗剂，用于癌症治疗	PD-L1蛋白及其拮抗剂	计算生物学	癌症	深度学习蛋白质设计	深度学习模型	蛋白质序列与结构数据	设计了23种不同长度与拓扑结构的自抑制结构域	AlphaFold2, ProteinMPNN	AlphaFold2, ProteinMPNN	平衡解离常数（Kd）	NA
7204	2026-01-06	Deep learning for embryo evaluation using time-lapse: a systematic review of diagnostic test accuracy 2023-11, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2023.04.027 PMID:37116822	系统综述	本文系统综述了卷积神经网络模型在延时监测胚胎评估中的准确性	首次系统性地评估了深度学习在胚胎延时监测中的诊断测试准确性，并识别了模型在囊胚阶段分类方面的最佳预测性能	纳入研究之间存在高度异质性，且部分研究存在患者偏倚的高风险	研究卷积神经网络模型在胚胎评估中的准确性	胚胎图像数据	数字病理学	生殖医学	延时监测	CNN	图像	222,998个胚胎的522,516张图像	NA	NA	准确性	NA
7205	2026-01-06	Are current machine learning applications comparable to radiologist classification of degenerate and herniated discs and Modic change? A systematic review and meta-analysis 2023-11, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-023-07718-0 PMID:37150769	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估当前机器学习算法在识别椎间盘退变、突出、膨出和Modic改变方面与放射科医生分类性能的可比性	首次针对机器学习在脊柱MRI中识别椎间盘退变及相关病变与放射科医生性能比较的系统综述和荟萃分析	现有研究存在验证尝试少、样本量不足、报告不完整等问题，且算法在外部验证中性能下降	评估机器学习算法在脊柱MRI中自动识别椎间盘退变、突出、膨出和Modic改变的诊断性能，并与放射科医生比较	腰椎间盘退变（LDD）、椎间盘突出、膨出和Modic改变的MRI影像	医学影像分析	腰椎间盘退变性疾病	MRI	深度学习, 支持向量机, k近邻, 随机森林, 朴素贝叶斯	MRI影像	NA	NA	NA	分类性能指标	NA
7206	2026-01-06	Screening for peripartum cardiomyopathies using artificial intelligence in Nigeria (SPEC-AI Nigeria): Clinical trial rationale and design 2023-07, American heart journal IF:3.7Q1 DOI:10.1016/j.ahj.2023.03.008 PMID:36966922	研究论文	本文描述了在尼日利亚使用人工智能心电图筛查围产期心肌病的临床试验方案	在尼日利亚产科人群中前瞻性评估AI-ECG工具用于心肌病检测，为AI在临床实践中的广泛应用提供关键试验数据	研究仅针对尼日利亚特定人群，结果可能无法直接推广到其他地区或种族群体	评估人工智能心电图在尼日利亚产科人群中检测心肌病的有效性和实用性	尼日利亚的孕妇和产后妇女	机器学习	心血管疾病	心电图	深度学习	心电图数据	1000名孕妇和产后妇女	NA	NA	心肌病新诊断率、左心室功能受损检测率、心血管疾病新诊断率、复合不良母体心血管结局	NA
7207	2026-01-06	ECG AI-Guided Screening for Low Ejection Fraction (EAGLE): Rationale and design of a pragmatic cluster randomized trial 2020-01, American heart journal IF:3.7Q1 DOI:10.1016/j.ahj.2019.10.007 PMID:31710842	研究论文	本研究旨在通过一项实用的集群随机试验，评估一种基于深度学习的AI筛查工具在初级保健实践中检测低射血分数的有效性	首次在真实世界初级保健实践中前瞻性评估AI驱动的ECG筛查工具，用于检测无症状低射血分数，并整合到电子健康记录中实现自动筛查	试验仅限于明尼苏达州和威斯康星州的48个初级保健诊所，可能无法完全代表其他地区或医疗环境，且依赖电子健康记录数据，未直接接触患者	评估AI筛查工具在初级保健中检测低射血分数的临床有效性和实施价值	初级保健诊所的临床团队、约400名临床医生和20,000名患者，特别是接受ECG检查且未被诊断为低射血分数的成人	机器学习	心血管疾病	深度学习算法，12导联心电图	深度学习算法	心电图数据，电子健康记录数据	约20,000名患者，涉及48个初级保健诊所和400名临床医生	NA	NA	新发现的射血分数≤50%	NA
7208	2026-01-05	CUSP: Complex spike sorting from multi-electrode array recordings with U-net sequence-to-sequence prediction 2026-Feb, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110631 PMID:41265572	研究论文	本文介绍了一种名为CUSP的深度学习框架，用于从高密度多电极阵列记录中自动检测和分类小脑浦肯野细胞中的复杂峰电位	提出了一种结合U-Net架构与混合自注意力inception模块的序列到序列预测方法，能够整合局部场电位和动作电位信号，并实现对复杂峰电位事件的概率输出，在波形变异性和电极漂移下仍保持鲁棒性	未明确提及模型在非灵长类动物或不同脑区记录中的泛化性能，也未讨论计算资源需求或实时处理能力	开发一个自动化、可扩展的框架，用于准确检测和分类小脑浦肯野细胞中的复杂峰电位，以研究神经信息编码	恒河猴小脑神经像素记录中的浦肯野细胞复杂峰电位和简单峰电位	机器学习	NA	高密度多电极阵列记录	U-Net	神经电生理信号序列	基于恒河猴小脑神经像素记录的训练数据，具体样本数量未明确说明	NA	U-Net with hybrid self-attention inception blocks	F1分数	NA
7209	2026-01-05	[Application and research progress of artificial intelligence in the diagnosis and treatment of rare lung diseases] 2026-Jan-12, Zhonghua jie he he hu xi za zhi = Zhonghua jiehe he huxi zazhi = Chinese journal of tuberculosis and respiratory diseases DOI:10.3760/cma.j.cn112147-20250728-00445 PMID:41483922	综述	本文系统回顾了人工智能在罕见肺病诊断与治疗中的应用与研究进展	综述了从传统机器学习到深度学习、强化学习、迁移学习等多种AI技术在罕见肺病领域的综合应用，并强调了AI在疾病分类、治疗评估和预后预测中的潜在益处	NA	探讨人工智能技术在罕见肺病早期识别、精准诊断和个性化管理中的应用机会	特发性肺纤维化、囊性纤维化、特发性肺动脉高压等罕见肺病	机器学习	肺病	NA	深度学习, 强化学习, 迁移学习	NA	NA	NA	NA	NA	NA
7210	2026-01-05	Impact of image processing techniques on deep learning-based classification accuracy of cervical vertebral maturation 2026-Jan-04, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00887-2 PMID:41484816	研究论文	本研究探讨了不同图像处理技术对深度学习模型在颈椎成熟度分类中准确性的影响	通过引入低密度图像和多种标注技术（标准标注、低密度标注、双色标注），显著提升了基于AlexNet架构的卷积神经网络在颈椎成熟度分类中的性能	数据集规模相对较小（799张头影测量X光片），且仅基于单一模型架构（AlexNet）进行评估，可能限制了结果的泛化能力	研究图像处理技术对深度学习模型在颈椎成熟度分类准确性的影响	头影测量X光片中的第二至第四颈椎（C2-C4）区域	计算机视觉	骨科相关疾病	图像处理技术（包括低密度处理、区域标注）	CNN	图像	799张头影测量X光片（641张用于训练，158张用于测试）	Neural Network Console	AlexNet	分类准确率	NA
7211	2026-01-05	Genome-wide association study reveals genetic architecture and evolution of human retinal pigmentation 2026-Jan-02, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adw7768 PMID:41477839	研究论文	本研究开发了一个深度学习框架DeepGRP，用于从高分辨率眼底图像量化视网膜色素沉着，并通过全基因组关联研究揭示了其遗传结构和进化基础	首次开发了深度学习框架DeepGRP来量化视网膜色素沉着，并发现了26个新的遗传位点，揭示了视网膜色素上皮和光感受器细胞的关键作用，以及欧洲人群中的多基因适应证据	研究主要基于欧洲人群，可能限制了结果的普适性；深度学习模型的泛化能力未在多样化人群中充分验证	探究人类视网膜色素沉着的遗传结构和进化基础	人类视网膜色素沉着	计算机视觉	NA	全基因组关联研究（GWAS）、单核转座酶可及染色质测序（ATAC-seq）、RNA测序	深度学习	高分辨率眼底图像	NA	NA	DeepGRP	NA	NA
7212	2026-01-05	A structure-process hydrological connectivity framework for estuarine wetland management: Case study of a typical Estuary in Northern China 2026-Jan-02, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.128477 PMID:41483761	研究论文	本文提出了一种适用于河口湿地管理的结构-过程水文连通性框架，并以中国北方典型河口为例进行了应用分析	开发了一种广泛适用的双结构-过程框架，首次将结构连通性（通过深度学习和多维地貌水文参数量化）与过程连通性（基于概率的“源-汇”模型评估）动态结合，揭示了二者在湿地恢复中的异步性	案例研究仅聚焦于中国北方辽河口，框架在其他地理和气候条件下的普适性有待进一步验证	建立一种综合评估河口湿地水文连通性的框架，以支持湿地生态系统的适应性管理	河口湿地生态系统，特别是潮汐河道网络的水文连通性	环境科学与生态学	NA	深度学习，多维地貌与水文参数分析，概率模型	深度学习模型	地理空间数据，水文数据	中国北方辽河口区域	NA	NA	结构连通性增加百分比（39%），过程连通性增加百分比（11.2%）	NA
7213	2026-01-05	MaizeGEP: A Maize Hybrids Dataset with Genotype, Phenotype, and Envirotype to Develop Genomic Selection Models 2026-Jan-02, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf140 PMID:41485082	研究论文	本研究介绍了MaizeGEP数据集，该数据集整合了260个杂交玉米品种的基因型、表型和环境型数据，用于开发基因组选择模型	提出了一个包含广泛试验地点、标准化管理协议和全面环境变量记录的新数据集，并应用了一种新颖的混合专家框架结合GE2P算法进行表型预测	数据集仅涵盖260个杂交玉米品种，可能无法代表所有玉米遗传多样性；环境变量记录可能受限于特定地理位置和时间范围	开发基因组选择模型，以精确预测玉米表型，并研究基因型、环境型和表型之间的关系	260个杂交玉米品种，包括其基因型、表型数据和2382个年-县地点的环境记录	机器学习	NA	单核苷酸多态性分析，全基因组关联研究，气象记录分析	贝叶斯方法，支持向量机，LightGBM，多层感知机，DeepGS，DEM，Cropformer	基因型数据，表型数据，环境数据	260个杂交玉米品种，2382个年-县地点	TensorFlow，PyTorch，Scikit-learn	多层感知机，DeepGS，DEM，Cropformer	最佳线性无偏估计值预测准确度，表型预测准确度	NA
7214	2026-01-05	DySurv: dynamic deep learning model for survival analysis with conditional variational inference 2026-Jan-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae271 PMID:39569428	研究论文	本文提出了一种名为DySurv的新型条件变分自编码器方法，用于从电子健康记录中进行动态生存分析，以估计个体死亡风险	DySurv结合静态和纵向测量数据，无需对时间到事件的基础随机过程做出参数假设，直接估计累积风险发生率函数，在动态风险预测方面优于现有统计和深度学习方法	虽然方法利用了深度学习引导的生存分布估计的非参数扩展，但进一步的深度学习范式仍有待探索	开发一种基于深度学习的动态生存分析方法，用于从电子健康记录中预测个体死亡风险	电子健康记录数据，包括静态和纵向测量，来自ICU数据集（如eICU和MIMIC-IV）以及其他医疗时间到事件基准数据集	机器学习	重症监护相关疾病	条件变分自编码器	条件变分自编码器	电子健康记录数据，包括静态和纵向测量	多个数据集，包括6个医疗时间到事件基准数据集和2个真实世界ICU电子健康记录数据集（来自eICU和MIMIC-IV）	NA	条件变分自编码器	一致性，时间依赖性一致性，准确性，敏感性	NA
7215	2026-01-05	Predicting mortality in hospitalized influenza patients: integration of deep learning-based chest X-ray severity score (FluDeep-XR) and clinical variables 2026-Jan-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae286 PMID:39576664	研究论文	本研究开发了首个整合放射学和临床数据的人工智能系统FluDeep，用于早期预测流感住院患者的30天死亡率	首创整合放射学评分（FluDeep-XR）与临床数据的多模态AI系统，模拟临床推理过程，通过晚期融合设计提升预测性能	研究仅基于两家医院的队列数据，外部验证范围有限，未涵盖所有流感亚型或人群多样性	开发可解释的多模态AI系统，用于流感住院患者的早期死亡风险预测	流感住院患者的胸部X光影像和临床数据	数字病理学	流感	胸部X光影像分析	CNN, Random Forest	图像, 临床数据	来自台湾大学医院（开发集）和意大利Niguarda医院（外部验证集）的流感患者队列	TensorFlow, Scikit-learn	Xception	均方误差, AUC, 灵敏度	NA
7216	2026-01-05	Enhancing end-stage renal disease outcome prediction: a multisourced data-driven approach 2026-Jan-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf118 PMID:40795063	研究论文	本研究利用机器学习和深度学习模型，结合临床和索赔数据，预测慢性肾脏病进展为终末期肾病的风险，并通过可解释人工智能提高模型可解释性和减少偏差	采用多源数据集成方法，结合不同观察窗口，并应用SHAP分析增强模型可解释性，同时评估了2021年eGFR方程在减少种族偏见方面的效果	研究基于2009年至2018年的数据，未来需扩展数据集成范围并验证框架在其他慢性疾病中的适用性	提高慢性肾脏病进展为终末期肾病的预测准确性，支持临床决策和减少医疗差异	10,326名慢性肾脏病患者	机器学习	慢性肾脏病	临床数据和索赔数据集成分析	LSTM	临床数据和索赔数据	10,326名患者	NA	LSTM	AUROC, F1分数	NA
7217	2026-01-05	Deep learning regression model based on data pairing and pseudo-label fusion for NIR predictive modeling in food and pharmaceutical quality analysis 2025-Dec-29, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127399 PMID:41483668	研究论文	本文提出了一种基于数据配对和伪标签融合的深度学习回归模型DeepSS，用于食品和药品质量分析中的近红外预测建模	提出DeepSS方法，采用金字塔编码器提取近红外光谱的低维潜在特征，并引入数据配对策略通过组合样本对的潜在特征并减去其标签来增强训练数据，测试时通过将测试样本与训练特征配对生成伪标签，结合决策策略进行最终预测	NA	解决食品和药品行业中因样本化学成分测量困难导致标记数据集小、近红外光谱分析可靠性受限的问题	片剂、苹果和西洋参数据集中的关键成分	机器学习	NA	近红外光谱	深度学习回归模型	光谱数据	NA	NA	金字塔编码器	预测误差	NA
7218	2026-01-05	Performance of artificial intelligence in predicting hepatocellular carcinoma recurrence after thermal ablation: A systematic review 2025-Dec-27, World journal of hepatology IF:2.5Q2 DOI:10.4254/wjh.v17.i12.111425 PMID:41479509	系统综述	本文通过系统综述评估了基于人工智能的影像组学模型在预测肝细胞癌热消融后复发方面的性能	整合多模态影像组学分析与临床数据，优化治疗选择，并展示影像模型在预测治疗结果方面优于单独临床参数的能力	仅纳入十项研究，样本量有限，且为系统综述，未进行原始数据分析	评估人工智能驱动的预测模型在预测肝细胞癌复发方面的有效性	接受热消融治疗的肝细胞癌患者	数字病理学	肝细胞癌	影像组学分析	深度学习, 机器学习	影像数据, 临床实验室变量	NA	NA	NA	曲线下面积, 一致性指数	NA
7219	2026-01-05	Cardiovascular pulsing-based ultrasound strain imaging with deep learning using paired proximal and distal strain sequences for liver fibrosis detection: a feasibility study 2025-Dec-27, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107936 PMID:41483589	研究论文	本研究提出了一种结合心血管搏动超声应变成像与深度学习的框架，用于检测左肝叶纤维化	利用心血管搏动超声应变成像结合深度学习，采用配对近端和远端应变序列策略，利用内在心脏运动进行左肝叶纤维化检测	样本量有限（104名患者），需要更大规模队列研究进行验证	评估心血管搏动超声应变成像结合深度学习在左肝叶纤维化检测中的可行性	肝纤维化患者	医学影像分析	肝纤维化	心血管搏动超声应变成像，声辐射力脉冲成像，FibroScan测量	RNN, LSTM, GRU, Transformer, TCN	超声图像，应变序列	104名患者	NA	RNN, LSTM, GRU, Transformer, TCN	AUROC	NA
7220	2026-01-05	[Analysis of occupational stress risk factors and risk prediction research for female coal miners] 2025-Dec-20, Zhonghua lao dong wei sheng zhi ye bing za zhi = Zhonghua laodong weisheng zhiyebing zazhi = Chinese journal of industrial hygiene and occupational diseases DOI:10.3760/cma.j.cn121094-20240723-00343 PMID:41483940	研究论文	本研究分析了女性煤矿工人的职业应激风险因素，并构建了风险预测模型	首次将XGBoost和LightGBM等深度学习模型应用于女性煤矿工人职业应激预测，并利用SHAP算法解释模型结果	研究样本仅来自甘肃省一家大型煤矿，可能存在地域局限性，且为横断面研究，无法确定因果关系	分析女性煤矿工人职业应激的风险因素并构建风险预测模型	甘肃省一家大型煤矿的在岗女性工人	机器学习	NA	问卷调查	XGBoost, LightGBM	问卷数据	1435名有效问卷参与者	NA	XGBoost, LightGBM	决定系数, 均方误差, 均方根误差	NA