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
61	2025-08-11	Validation of syncope short-term outcomes prediction by machine learning models in an Italian emergency department cohort 2025-Aug, Internal and emergency medicine IF:3.2Q1 DOI:10.1007/s11739-025-04034-x PMID:40668516	研究论文	本研究旨在通过机器学习模型验证和比较晕厥患者短期不良结局的预测能力	在意大利急诊科队列中外部验证了梯度提升（GB）和逻辑回归（LR）模型，并与新型深度学习模型（TabPFN和TabLLM）进行了比较	使用CSRS变量的GB和LR模型在事件率较高的外部晕厥队列中预测能力有所下降	验证和比较不同机器学习模型对晕厥患者短期不良结局的预测能力	2015年至2017年间在六家意大利医院急诊科评估的非低风险晕厥患者	机器学习	晕厥	梯度提升（GB）、逻辑回归（LR）、深度学习（TabPFN）、大语言模型（TabLLM）	GB、LR、TabPFN、TabLLM	临床数据	257名患者，中位年龄71岁
62	2025-08-11	Detecting structural heart disease from electrocardiograms using AI 2025-Aug, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09227-0 PMID:40670798	研究论文	利用AI从心电图中检测结构性心脏病	开发了一个深度学习模型EchoNext，基于超过100万份心电和影像记录，能够检测多种结构性心脏病，并在内部和外部验证中表现出高诊断准确性，优于心脏病专家	模型在未进行心脏影像检查的患者中进行了前瞻性评估，但可能仍存在未被发现的局限性	扩大心脏病筛查的可及性	结构性心脏病	机器学习	心血管疾病	深度学习	EchoNext	心电图和影像数据	超过100万份心电和影像记录
63	2025-08-11	Effect of arc length on the deep learning prediction of monitor units in lung stereotactic ablative radiation therapy treatment 2025-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105018 PMID:40684542	research paper	研究弧长对深度学习预测肺部立体定向消融放射治疗中监测单位的影响	探讨了不同弧长对深度学习模型预测监测单位的影响，并比较了同质和异质弧长训练集的效果	研究局限于单一机构的患者数据，可能缺乏外部验证	优化肺部多病灶立体定向消融放射治疗中的剂量调整	肺部癌症患者	digital pathology	lung cancer	deep learning	DL	医疗数据	257名患者的295次治疗，共60,720个样本
64	2025-08-11	Imaging-aided diagnosis and treatment based on artificial intelligence for pulmonary nodules: A review 2025-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105050 PMID:40700795	综述	本文综述了人工智能在肺结节诊断和治疗中的应用，比较了不同AI方法的性能和局限性	系统比较了传统规则方法、手工特征机器学习、放射组学、深度学习及结合Transformer或注意力机制的混合模型，并探讨了多模态影像融合的潜力	存在领域偏移、高计算需求、可解释性有限以及多中心数据集变异性的挑战	评估AI在肺结节管理中的性能、适用性和局限性	肺结节	数字病理学	肺癌	深度学习、放射组学、Transformer、注意力机制	CNN、Transformer、混合模型	影像（CT、PET、MRI）	NA
65	2025-08-11	Use of artificial intelligence in animal experimentation: A review 2025-Aug, Toxicology letters IF:2.9Q2 DOI:10.1016/j.toxlet.2025.07.1417 PMID:40712858	综述	本文综述了人工智能在动物实验中的应用及其对减少动物使用和提高毒性及安全性评估可靠性的潜力	探讨了AI如何通过计算机建模、机器学习和计算毒理学等方法改进毒性预测和药物安全性评估，并强调其在推动3R原则和监管创新中的作用	监管验证仍是一个挑战	评估人工智能在毒理学和安全性评估中的应用及其对减少动物实验的贡献	毒性预测、药物安全评估和化学危害分类	计算毒理学	NA	机器学习、深度学习算法、定量结构-活性关系模型	深度学习算法、定量结构-活性关系模型	计算机模拟数据、体外数据	NA
66	2025-08-11	Development and Validation of Survival Prediction Models for Patients With Pineoblastomas Using Deep Learning: A SEER-Based Study 2025-Aug, Cancer reports (Hoboken, N.J.) DOI:10.1002/cnr2.70303 PMID:40771018	研究论文	本研究利用深度学习技术开发和验证了针对松果体母细胞瘤患者的生存预测模型	首次应用深度神经网络（DNN）构建松果体母细胞瘤患者的3年生存率预测模型，相比传统CPH模型展现出更高准确性	样本量较小（仅145例患者），且数据来源于单一数据库（SEER）	开发精准预测松果体母细胞瘤患者生存结局的预测模型	松果体母细胞瘤患者	数字病理学	松果体母细胞瘤	深度学习	DNN	临床数据	145例来自SEER数据库（1975-2019年）的患者
67	2025-08-11	Constructing high-quality enhanced 4D-MRI with personalized modeling for liver cancer radiotherapy 2025-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104955 PMID:40578043	research paper	提出了一种基于深度学习的个性化建模方法，用于重建高质量的4D-MRI图像，以改善肝癌放疗中的肿瘤运动监测	采用个性化模型处理患者异质性，显著提高了4D-MRI图像质量	研究仅针对58名肝癌患者，样本量相对较小	开发一种快速重建高质量4D-MRI图像的方法，用于肝癌放疗	肝癌患者的4D-MRI图像	digital pathology	liver cancer	fast spoiled gradient recalled echo (FSPGR) sequences	深度学习模型（未指定具体类型）	image	58名肝癌患者
68	2025-08-11	Tranquillyzer: A Flexible Neural Network Framework for Structural Annotation and Demultiplexing of Long-Read Transcriptomes 2025-Jul-31, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.25.666829 PMID:40766630	研究论文	介绍了一个名为Tranquillyzer的灵活神经网络框架，用于长读长转录组的结构注释和解复用	采用混合神经网络架构和全局上下文感知设计，能够精确识别结构元素，即使元素因测序噪声或文库构建变异性而发生移位、部分降解或重复	未明确提及具体限制	开发一个灵活、可扩展的框架，用于处理长读长单细胞RNA测序数据	长读长单细胞RNA测序数据	生物信息学	NA	Oxford Nanopore Technologies (ONT) 长读长单细胞RNA测序	混合神经网络	RNA测序数据	未明确提及具体样本数量
69	2025-08-11	Predicting In-Hospital Mortality in Intensive Care Unit Patients Using Causal SurvivalNet With Serum Chloride and Other Causal Factors: Cross-Country Study 2025-Jul-24, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/70118 PMID:40706028	研究论文	本研究通过大规模跨国多队列研究，分析ICU患者入院时血清氯水平与院内死亡率的关系，并建立个性化生存曲线预测深度学习模型	首次将血清氯水平作为预后指标纳入ICU环境，开发了Causal SurvivalNet深度学习模型进行个性化生存预测	研究结果可能受到不同国家医疗体系差异的影响，且未考虑治疗过程中氯水平的变化	提高ICU患者风险分层和临床决策的准确性	ICU患者	医疗人工智能	重症监护	深度学习、因果图分析、限制性立方样条、Cox比例风险模型	Causal SurvivalNet	临床数据	189462名ICU患者（来自美国和中国4个队列）
70	2025-08-11	Computational Pathology for Accurate Prediction of Breast Cancer Recurrence: Development and Validation of a Deep Learning-Based Tool 2025-Jul-16, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100847 PMID:40680854	研究论文	开发并验证了一种基于深度学习的计算病理学工具Deep-Breast-Cancer-Recurrence (BCR)-Auto，用于从常规H&E染色全切片图像中预测乳腺癌复发风险	提出了一种新的深度学习模型Deep-BCR-Auto，显著优于现有的弱监督模型，并展示了在独立数据集上的强泛化能力	研究可能受到数据集规模和多样性的限制，特别是在服务不足人群中的代表性	开发一种成本效益高的计算病理学工具，用于乳腺癌复发风险预测	乳腺癌患者	计算病理学	乳腺癌	深度学习	Deep-BCR-Auto	H&E染色全切片图像	两个独立队列：The Cancer Genome Atlas Program乳腺癌数据集和俄亥俄州立大学内部数据集
71	2025-08-11	Artificial intelligence in pediatric otolaryngology: A state-of-the-art review of opportunities and pitfalls 2025-Jul, International journal of pediatric otorhinolaryngology IF:1.2Q3 DOI:10.1016/j.ijporl.2025.112369 PMID:40334638	综述	本文综述了人工智能在儿科耳鼻喉科中的应用现状、机遇与挑战	强调了针对儿童独特生理和发育特征定制AI应用的必要性，并指出了当前知识空白	成人训练数据的泛化能力不足以及儿科数据相对缺乏	探讨AI在儿科耳鼻喉科中的应用潜力与未来发展方向	儿科耳鼻喉科疾病	医疗人工智能	儿科耳鼻喉疾病（如中耳炎、腺样体肥大、儿童阻塞性睡眠呼吸暂停等）	深度学习、预测建模、联邦学习	深度学习模型、大型语言模型	图像数据、临床数据	NA
72	2025-08-11	PTMFusionNet: A Deep Learning Approach for Predicting Disease Related Post-translational Modification and Classifying Disease Subtypes 2025-Jul, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2025.101009 PMID:40466864	research paper	提出了一种名为PTMFusionNet的深度学习方法，用于预测疾病相关的翻译后修饰(PTM)并整合蛋白质表达数据以分类疾病亚型	PTMFusionNet结合了两个图卷积网络模型(LAGCN和FWGCN)，能够预测PTM潜力分数并将其与蛋白质表达数据整合，优于现有基准算法	NA	预测疾病相关的翻译后修饰并整合蛋白质表达数据以改进疾病亚型分类	蛋白质翻译后修饰(PTM)和蛋白质表达数据	machine learning	NA	mass spectrometry	GCN (Graph Convolutional Network), LAGCN, FWGCN	protein intensity and PTM information	三个数据集(KIPAN, COADREAD, THCA)
73	2025-08-11	UniScore, a Unified and Universal Measure for Peptide Identification by Multiple Search Engines 2025-Jul, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2025.101010 PMID:40466863	研究论文	提出UniScore作为一种度量标准，用于整合和标准化多种搜索引擎在基于LC/MS/MS的自下而上蛋白质组学数据分析中的输出	UniScore仅通过匹配候选肽的氨基酸序列与产物离子谱来计算，独立于分数值使用基于目标-诱饵方法的错误发现率控制接受标准，相比其他使用深度学习的光谱预测的重新评分方法，能够以最小的计算资源处理更大规模的数据	NA	开发一种统一且通用的度量标准，用于整合和标准化多种搜索引擎在蛋白质组学数据分析中的输出	基于LC/MS/MS的自下而上蛋白质组学数据	蛋白质组学	NA	LC/MS/MS, 数据依赖采集(DDA)	NA	质谱数据	大规模全球蛋白质组数据和磷酸化蛋白质组数据
74	2025-08-11	Accelerated Non-Contrast-Enhanced Three-Dimensional Cardiovascular Magnetic Resonance Deep Learning Reconstruction 2025-Jul, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/RCM37399 PMID:40776949	研究论文	本研究探讨了Adaptive CS-Net深度学习算法在非对比增强三维心血管磁共振成像中的重建效果	首次评估Adaptive CS-Net算法在REACT非对比三维全心成像中的表现，并与传统压缩感知方法进行比较	样本量较小(30名参与者)，且仅针对特定血管区域进行评估	评估深度学习重建算法在心血管磁共振成像中的性能	非对比增强三维全心磁共振图像	数字病理	心血管疾病	REACT序列，bSSFP序列，压缩感知	Adaptive CS-Net	磁共振图像	30名参与者
75	2025-08-11	Artificial Intelligence-based Approaches for Characterizing Plaque Components From Intravascular Optical Coherence Tomography Imaging: Integration Into Clinical Decision Support Systems 2025-Jul, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/RCM39210 PMID:40776963	综述	本文综述了基于人工智能的方法在冠状动脉内光学相干断层扫描（IVOCT）图像中斑块特征分析的应用及其临床转化	整合AI技术于IVOCT分析流程，减少对预定义标准的依赖，实现更灵活全面的斑块特征分析	现有方法评估的斑块特征范围有限，且多局限于特定监管或研究环境	促进IVOCT技术在临床实践中的常规应用，支持临床决策	冠状动脉粥样硬化斑块	数字病理学	心血管疾病	IVOCT	CNN	图像	NA
76	2025-08-11	Harnessing Artificial Intelligence in Interventional Cardiology: A Systematic Review of Current Applications 2025-Jul, Cureus DOI:10.7759/cureus.87494 PMID:40777718	系统综述	本文系统综述了人工智能在介入心脏病学中的当前应用、方法和前景	探讨了AI在介入心脏病学中的创新应用，如提高诊断准确性和手术效率，以及个性化治疗指导	面临数据隐私、算法透明度和普适性等挑战	评估AI在介入心脏病学中的应用及其潜力	介入心脏病学中的AI技术及其临床应用	医疗人工智能	心血管疾病	机器学习(ML)和深度学习(DL)	ML和DL	医疗影像和临床数据	20项研究
77	2025-08-11	Deep learning-assisted terahertz intelligent detection and identification of cancer tissue 2025-Jul, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2025.03.013 PMID:40777781	research paper	提出了一种基于深度学习的太赫兹智能检测系统DECANet，用于癌症组织的早期筛查和识别	结合太赫兹检测技术和人工智能技术，开发了一种端到端的癌症组织分类系统	研究仅针对乳腺癌和皮肤癌组织，未涉及其他类型癌症	开发一种非侵入性、高分辨率的癌症早期诊断工具	乳腺癌和皮肤癌组织	digital pathology	breast cancer, skin cancer	THz detection technique	DECANet (dense and efficient channel attention network)	THz signals	乳腺癌和皮肤癌组织样本（具体数量未提及）
78	2025-08-11	Advancing Spine Fracture Detection: The Role of Artificial Intelligence in Clinical Practice 2025-Jul, Korean journal of neurotrauma DOI:10.13004/kjnt.2025.21.e22 PMID:40778250	review	本文综述了人工智能在脊柱骨折检测中的最新进展及其在临床实践中的应用	总结了深度学习和机器学习模型在脊柱骨折诊断中的最新进展，并探讨了AI辅助工作流程在提高诊断效率方面的潜力	数据集变异性大、需要大规模标注数据集以及评估指标的标准化不足	提高脊柱骨折的诊断准确性和效率，改善患者管理	脊柱骨折	medical imaging	osteoporosis, trauma, and degenerative diseases	deep learning (DL), machine learning (ML)	DL, ML	medical imaging	NA
79	2025-08-11	Automated Finite Element Modeling of the Lumbar Spine: A Biomechanical and Clinical Approach to Spinal Load Distribution and Stress Analysis 2025-Jun-30, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.124236 PMID:40602487	研究论文	本研究介绍了一种自动化有限元分析方法，用于腰椎生物力学研究，整合了基于深度学习的分割与计算建模，以优化从成像到模拟的工作流程	通过深度学习框架自动分割医学影像数据，并结合Laplacian平滑和简化技术优化表面网格，显著提高了建模效率和可重复性	未明确提及样本量或数据来源的具体限制	开发一种自动化有限元分析方法，用于腰椎生物力学研究，以改进临床诊断、植入物设计和康复治疗	腰椎的椎骨和椎间盘	生物力学	脊柱疾病	深度学习、有限元分析(FEA)、Laplacian平滑	深度学习框架、Gibbon库、FEBio	医学影像数据	NA
80	2025-08-11	Assessing Algorithmic Fairness With a Multimodal Artificial Intelligence Model in Men of African and Non-African Origin on NRG Oncology Prostate Cancer Phase III Trials 2025-May, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-24-00284 PMID:40344545	研究论文	本研究评估了多模态人工智能（MMAI）深度学习系统在非洲裔和非非洲裔前列腺癌患者中的算法公平性	首次在多模态AI模型中评估了种族亚组间的算法公平性，并验证了其在不同种族中的预后性能	研究中包含29例（0.5%）种族状态未知或缺失的患者，可能对结果产生一定影响	评估多模态AI工具在前列腺癌临床试验中的算法公平性和跨种族适用性	来自5项随机III期试验的5,708名前腺癌患者（包括948名非洲裔和4,731名非非洲裔患者）	数字病理学	前列腺癌	多模态AI深度学习系统	深度学习	数字组织病理学图像和临床数据	5,708名患者（948名非洲裔，4,731名非非洲裔，29名种族未知）