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
821	2026-01-30	Applicability study of AI attribution methods for ophthalmic image classification 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33120-5 PMID:41491079	研究论文	本研究评估了三种前沿归因方法在眼科图像分类中的适用性，以解释基于VGG16的深度学习模型在糖尿病视网膜病变和视网膜积液检测中的预测	首次系统地将自然图像领域的归因方法（DeepLIFT、AGI、AttEXplore）应用于眼科医学影像，评估其在病理和正常病例中的临床相关性，并指出即使定量性能高，归因结果仍需结合临床专业知识解读	归因方法的结果因基础假设和超参数敏感性而差异显著，高插入或低删除分数不一定对应临床有意义的视觉归因，且在正常病例中全局上下文证据的确认可能使归因信息量降低	探索归因方法在医学影像领域的适用性，以提高深度学习模型在眼科诊断中的可解释性和临床接受度	糖尿病视网膜病变和视网膜积液	计算机视觉	糖尿病视网膜病变	光学相干断层扫描（OCT）、宽视野OCT血管造影（OCTA）	CNN	图像	NA	NA	VGG16	准确率、插入分数、删除分数	NA
822	2026-01-30	Predicting Physical Appearance from Low Template: State of the Art and Future Perspectives 2026-Jan-05, Genes IF:2.8Q2 DOI:10.3390/genes17010059 PMID:41595479	综述	本文综述了从低模板DNA预测外貌特征的现状与未来展望，重点评估了机器学习模型在提升预测精度和操作可行性方面的应用	系统评估了机器学习模型在低模板DNA表型预测中的应用，并比较了不同算法在关键数据集上的性能，同时探讨了多组学整合、可解释AI等未来方向	在混合人群和多基因复杂性状预测方面仍存在局限性，模型的可解释性和偏差缓解对于法庭可采性至关重要	评估和改进从低模板DNA进行法医DNA表型预测的准确性和可靠性	低模板DNA样本及其预测的外部可见特征（如眼睛、头发、皮肤颜色、祖先、年龄）	法医基因组学	NA	SNP-based trait modeling, genotype imputation, epigenetic age estimation, probabilistic inference	Random Forests, Support Vector Machines, Gradient Boosting, deep learning	基因组数据	1000 Genomes Project, UK Biobank, 法医案例样本	NA	NA	AUC	NA
823	2026-01-30	Deep Learning-Based Segmentation of the Ulnar Nerve in Ultrasound Images 2026-Jan-05, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62010113 PMID:41597399	研究论文	本文评估了基于深度学习的超声图像中尺神经分割方法，并分析了多种数据增强技术对分割性能的影响	首次利用大规模尺神经超声数据集，系统比较了多种分割模型，并统计分析了五种常见数据增强技术对分割性能的显著性影响	未明确说明模型在临床实际应用中的泛化能力，且仅针对尺神经进行验证	优化超声图像中神经分割的深度学习方法	超声图像中的尺神经	计算机视觉	NA	超声成像	深度学习分割模型	图像	来自545名患者的4789张超声图像	NA	U-Net	Dice系数, IoU	NA
824	2026-01-30	Contrast-Enhanced Mammography and Deep Learning-Derived Malignancy Scoring in Breast Cancer Molecular Subtype Assessment 2026-Jan-05, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62010115 PMID:41597401	研究论文	本研究探讨了对比增强乳腺摄影结合深度学习评分在评估乳腺癌分子亚型中的应用	首次将对比增强乳腺摄影的形态与功能信息与深度学习恶性肿瘤评分相结合，用于乳腺癌分子亚型评估，并比较了其与MRI在表型描述上的一致性	单中心回顾性研究，样本量有限（76个恶性病灶），且深度学习评分在不同分子亚型间的差异未达到统计学显著性	评估对比增强乳腺摄影及深度学习评分在乳腺癌分子亚型鉴别中的潜在价值	399名女性中经病理证实的76个恶性乳腺病灶（包括68例浸润性癌和8例导管原位癌）	数字病理学	乳腺癌	对比增强乳腺摄影，深度学习恶性肿瘤评分	深度学习模型	医学影像	76个恶性病灶（来自399名女性）	iCAD ProFound AI	NA	曲线下面积，中位数评分	NA
825	2026-01-30	Emerging Artificial Intelligence Models for Estimating Breslow Thickness from Dermoscopic Images 2026-Jan-03, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14010097 PMID:41595633	综述	本文综述了利用深度学习模型从皮肤镜图像中无创估算Breslow厚度的研究进展	系统性地总结了基于卷积神经网络和视觉Transformer的AI模型在Breslow厚度估算中的应用，并强调了预处理技术和可解释性方法对临床适用性的提升	外部验证显示模型性能下降，在临床关键厚度范围（0.4-1.0毫米）区分能力差，训练数据存在显著偏差（主要代表浅肤色类型），缺乏前瞻性临床试验验证临床效用，监管审批路径未定义	评估人工智能模型在无创估算皮肤黑色素瘤Breslow厚度方面的潜力与挑战	皮肤镜图像	计算机视觉	皮肤黑色素瘤	深度学习	CNN, Transformer	图像	单中心数据集（具体数量未提供）	NA	ResNet, EfficientNet, Vision Transformers	准确率, AUC	NA
826	2026-01-30	Microbial Ecological Signatures Predict Pathogen Emergence and Multidrug Resistance in Cystic Fibrosis Airways up to a Year in Advance 2026-Jan-02, medRxiv : the preprint server for health sciences DOI:10.64898/2025.12.28.25342520 PMID:41503489	研究论文	本研究开发了一种基于自编码器的新框架，通过整合囊性纤维化患者气道微生物组的分类学和功能数据，预测病原体定植、多重耐药性和即将发生的感染，可提前长达一年进行预测	开发了新的自编码器框架，整合分类和功能数据形成潜在“系统发育和功能簇”，结合梯度提升随机森林，首次实现了对囊性纤维化气道病原体出现和多重耐药性的长期预测	研究样本量相对有限（64名患者，127个样本），模型在更广泛人群中的泛化能力仍需进一步验证	开发预测囊性纤维化患者气道病原体出现和多重耐药性的早期标志物	囊性纤维化患者的气道微生物组	机器学习	囊性纤维化	宏基因组测序	自编码器, 梯度提升随机森林	宏基因组数据	127个痰液和支气管肺泡灌洗液宏基因组样本（来自64名囊性纤维化患者），以及来自22个独立数据集的1000多个全球宏基因组样本	NA	自编码器	准确率	NA
827	2026-01-30	RoBep: a region-oriented deep learning model for B-cell epitope prediction 2026-Jan-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag006 PMID:41527265	研究论文	本文介绍了一种名为RoBep的区域导向深度学习模型，用于预测B细胞表位，通过结合蛋白质语言模型和等变图神经网络，并引入区域约束机制，以提高预测的准确性和生物合理性	RoBep引入了新颖的区域约束机制，将先进的蛋白质语言模型ESM-Cambrian与等变图神经网络结合，显式建模表位残基的空间聚类，确保预测的表位残基在空间上紧凑，从而增强生物合理性和实用性	未在摘要中明确提及，但可能包括对特定数据集或蛋白质结构的依赖，以及计算资源需求	开发一种区域导向的深度学习模型，用于准确预测B细胞表位残基，以支持抗体设计和结构引导的疫苗开发	B细胞表位残基和抗体-抗原结合区域	自然语言处理, 机器学习	NA	蛋白质语言模型, 等变图神经网络	深度学习模型, 图神经网络	蛋白质结构数据	NA	PyTorch	ESM-Cambrian, 等变图神经网络	F1分数, Matthews相关系数, 精确率-召回率曲线下面积, AUROC0.1	NA
828	2026-01-30	Development and clinical validation of a novel deep learning-based mediastinal endoscopic ultrasound navigation system for quality control: a single-center, randomized controlled trial 2026-Jan-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000003469 PMID:40990678	研究论文	本研究开发并临床验证了一种基于深度学习的新型纵隔内镜超声导航系统，旨在通过实时AI反馈提升纵隔EUS检查的质量控制	首次开发并在一项随机对照试验中验证了用于纵隔内镜超声质量控制的AI导航系统，实现了实时解剖标志识别与扫描引导	研究为单中心试验，未发现对第2站（隆突下区域）的扫描完整性有显著改善，且未报告不良事件，外部泛化性需进一步验证	开发并评估一种人工智能系统，以辅助纵隔内镜超声检查中的解剖标志识别和扫描引导，从而改善临床实践中的质量控制	需要进行纵隔内镜超声检查的患者	数字病理学	纵隔疾病	内镜超声	深度学习	图像	训练集来自120名患者的11230张标注图像，内部验证1972张图像，外部验证824张图像（来自三个机构）；随机对照试验纳入148名患者（AI辅助组72人，对照组76人）	NA	NA	标准站完整性、结构完整性、手术时间	NA
829	2026-01-30	An ancient recombination desert is a speciation supergene in placental mammals 2026-Jan, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09740-2 PMID:41225009	研究论文	本研究利用深度学习分析22种胎盘哺乳动物的基因组比对数据，发现了一个古老且保守的X染色体重组荒漠，该区域在物种形成过程中持续阻碍基因流动并保留物种历史信息	首次通过深度学习系统推断哺乳动物重组景观的演化，发现X染色体上占30%区域的古老重组荒漠是跨目级谱系的生殖隔离屏障，可作为解决哺乳动物系统发育难题的可靠标记	研究基于22种分歧较大的胎盘哺乳动物，可能未覆盖所有哺乳动物类群的多样性；深度学习模型的推断结果需要更多实验数据验证	探究重组率对物种形成早期基因流动屏障的影响，并开发能准确推断物种关系的系统发育分析方法	22种胎盘哺乳动物的基因组数据，后续扩展至94个物种的系统发育分析	基因组学	NA	深度学习，基因组比对，重组图谱推断	深度学习模型	基因组序列比对数据	22种胎盘哺乳动物（初始分析），94个物种（系统发育分析）	NA	NA	NA	NA
830	2026-01-30	Comprehensive review on learning models of leukemia detection based on morphological information 2026-Jan, Leukemia & lymphoma IF:2.2Q3 DOI:10.1080/10428194.2025.2583449 PMID:41340531	综述	本文系统综述了基于形态学信息的白血病检测人工智能方法，涵盖图像采集、预处理、分割及分类模型	全面梳理了白血病检测中的人工智能方法，并分析了现有问题与未来方向	NA	系统回顾白血病诊断中基于人工智能的方法	白血病检测的人工智能方法	数字病理学	白血病	外周血涂片显微镜检查、流式细胞术、骨髓活检成像	机器学习、深度学习	图像	NA	NA	NA	NA	NA
831	2026-01-30	Computational drug design in the artificial intelligence era: A systematic review of molecular representations, generative architectures, and performance assessment 2026-Jan, Pharmacological reviews IF:19.3Q1 DOI:10.1016/j.pharmr.2025.100095 PMID:41389438	综述	本文对人工智能时代计算药物设计中的分子表示、生成架构和性能评估方法进行了系统性回顾	提出了一个独特的分类框架，首先按药物表示分类，再按生成模型类型分类，阐明了不同模型对特定分子数据类型的适用性	NA	分析计算药物设计领域的当前格局，为人工智能驱动的药物发现提供统一框架和未来方向	计算药物设计方法，包括分子表示策略、生成架构框架和评估方法	机器学习	NA	NA	变分自编码器, 生成对抗网络, 强化学习系统, 扩散模型	分子数据（1维、2维、3维表示）	NA	NA	NA	NA	NA
832	2026-01-30	Deep Learning for Coronary Stenosis Detection in Heavily Calcified Plaques at Coronary CT Angiography: A Stepwise, Multicenter Study 2026-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.250109 PMID:41405428	研究论文	本研究开发并验证了一种用于在冠状动脉CT血管造影中自动评估重度钙化斑块血管狭窄的深度学习模型	首次针对重度钙化斑块这一具有挑战性的场景，开发并多中心验证了用于冠状动脉狭窄自动评估的深度学习模型，并证明了其辅助放射科医生提升诊断性能的临床价值	研究为回顾性设计，且模型性能在重度钙化（Agatston评分>300）的特定人群中验证，泛化性需进一步在更广泛人群和前瞻性研究中确认	开发并验证一种深度学习模型，用于在冠状动脉CT血管造影中自动评估重度钙化斑块血管的狭窄程度	冠状动脉CT血管造影图像，特别是包含重度钙化斑块的血管	数字病理学	心血管疾病	冠状动脉CT血管造影，定量冠状动脉造影	深度学习模型	医学图像	总计10101例CCTA检查用于模型开发，外部测试集1包含442例，外部测试集2包含120例，外部测试集3包含150例前瞻性收集的检查	NA	NA	特异性，受试者工作特征曲线下面积，Kappa值	NA
833	2026-01-30	A deep learning methodology for fully-automated quantification of calcific burden in high-resolution intravascular ultrasound images 2026-Jan, The international journal of cardiovascular imaging DOI:10.1007/s10554-025-03583-8 PMID:41454216	研究论文	本文提出了一种基于深度学习的全自动方法，用于在高分辨率血管内超声图像中量化钙化负荷	首次引入深度学习模型实现血管内超声图像中钙化组织的无缝检测与量化，替代了传统耗时的手动分析	研究样本量相对有限（197条血管），且模型性能依赖于专家标注的准确性，未在更广泛的多中心数据上进行验证	开发一种自动化工具，以辅助经皮冠状动脉介入治疗规划及药物疗效评估中的钙化负荷量化	血管内超声图像中的钙化组织	计算机视觉	心血管疾病	血管内超声成像	深度学习模型	图像	197条血管的26,211帧训练图像和30条血管的5,138帧测试图像	NA	NA	kappa系数, 相关系数	NA
834	2026-01-30	An Artificial Intelligence-Based Prognostic Model for Prediction of Functional Glaucoma Progression From Clinical and Structural Data 2026-Jan-01, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.12.026 PMID:41483865	研究论文	本研究设计了一个基于深度学习的预后模型，整合临床和结构数据来预测青光眼的功能性进展，并与临床医生的预测性能进行比较	首次结合基线临床、人口统计学数据、视盘照片以及光学相干断层扫描（OCT）的视网膜神经纤维层和黄斑厚度测量，利用预训练的卷积神经网络预测青光眼进展，显著优于临床医生的预测	研究为回顾性设计，样本量相对有限（1599只眼），且验证队列使用不同设备进行OCT成像，可能影响模型泛化能力	预测青光眼的功能性进展，整合多源信息以提升疾病进展预测的准确性	1599只眼（来自908名患者），包括确诊或疑似青光眼，具有至少5次24-2视野检查和3年以上随访	数字病理学	青光眼	光学相干断层扫描（OCT）、24-2视野检查、线性回归分析	CNN	图像、临床数据、人口统计学数据	1599只眼（908名患者），其中验证队列为291只眼	TensorFlow, PyTorch	基于ImageNet预训练的卷积神经网络	AUC、准确率、精确率-召回曲线下面积	未指定具体GPU类型或云平台，但基于深度学习框架推断可能使用NVIDIA GPU
835	2026-01-30	Histo-Miner: Deep learning based tissue features extraction pipeline from H&E whole slide images of cutaneous squamous cell carcinoma 2026-Jan, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013907 PMID:41564120	研究论文	本文提出了一种基于深度学习的组织特征提取流程Histo-Miner，用于从皮肤鳞状细胞癌的H&E全切片图像中分析组织形态和细胞相互作用	开发了针对皮肤组织（特别是非黑色素瘤肿瘤细胞）的深度学习流程，解决了现有工具在皮肤组织上性能不佳的问题，并生成了两个新的标注数据集	未明确说明模型在其他癌症类型或数据集上的泛化性能，且样本量相对有限	设计一个深度学习流程，用于从皮肤鳞状细胞癌的H&E全切片图像中自动提取组织特征，以支持下游临床任务如免疫治疗反应预测	皮肤鳞状细胞癌（cSCC）患者的H&E全切片图像	数字病理学	皮肤鳞状细胞癌	H&E染色全切片成像	CNN, Vision Transformer	图像	21张WSIs用于细胞核标注（47,392个细胞核），144张WSIs用于肿瘤区域分割，45名患者用于免疫治疗反应预测	NA	NA	多类全景质量（mPQ）, 宏平均F1分数, 平均交并比（mIoU）, ROC曲线下面积（AUC）	NA
836	2026-01-30	Leveraging Different Distance Functions to Predict Antiviral Peptides with Geometric Deep Learning from ESMFold-Predicted Tertiary Structures 2026-Jan-01, Antibiotics (Basel, Switzerland) DOI:10.3390/antibiotics15010039 PMID:41594075	研究论文	本研究探索了使用不同距离函数从预测的肽结构构建图表示，以训练基于深度图学习的抗病毒肽预测模型	首次系统比较了不同距离函数（非仅欧氏距离）在构建肽结构图表示中的应用，并证明其他距离函数能构建编码不同化学空间的异构图，从而提升模型判别能力	研究基于ESMFold预测的肽三级结构，可能受预测准确性限制；未涉及实验验证	开发更有效的基于几何深度学习的抗病毒肽预测方法	抗病毒肽及其预测的三级结构	机器学习	NA	几何深度学习，图表示学习	深度图学习模型	图数据（源自预测的肽三级结构）	NA	NA	NA	NA	NA
837	2026-01-30	Impact of experimentally elevated CO₂ concentrations and temperature on cognitive function: An EEG-based study under constant ventilation 2026-Jan-01, Ecotoxicology and environmental safety IF:6.2Q1 DOI:10.1016/j.ecoenv.2025.119578 PMID:41601028	研究论文	本研究通过气候室实验，探讨了在恒定通风条件下，室内CO₂浓度和温度升高对认知功能的联合影响	首次在恒定通风条件下，结合实验性提升的CO₂浓度和温度，利用EEG特征构建深度学习模型（CCM）来评估认知舒适度，并揭示了热-CO₂联合应激对主观舒适度和神经认知负荷指标的调制作用，即使行为表现变化有限	行为任务表现仅显示出有限的变化，样本量较小（24名参与者），且实验条件可能无法完全模拟真实世界的复杂环境	研究全球变暖背景下，室内热环境和空气成分变化对学习和认知功能的具体影响	24名健康成年参与者	认知神经科学	NA	脑电图（EEG）、神经心理学任务（Stroop任务和延迟匹配样本任务）、主观评估、生理测量	深度学习模型	脑电图（EEG）数据、行为任务数据、主观评估数据、生理测量数据	24名参与者	NA	认知舒适模型（CCM）	NA	NA
838	2026-01-30	Construction and Interpretability of a Multimodal Deep Learning Model of Electronystagmography-Optical Coherence Tomography Angiography for Early Screening of Alzheimer's Disease 2026 Jan-Dec, American journal of Alzheimer's disease and other dementias DOI:10.1177/15333175261422037 PMID:41601185	研究论文	本研究构建并评估了一个整合光学相干断层扫描血管成像和眼震电图的多模态深度学习模型，用于阿尔茨海默病和轻度认知障碍的早期筛查	首次将OCTA和ENG数据结合，利用多模态深度学习模型进行AD/MCI的早期非侵入性筛查，并通过Grad-CAM和SHAP分析增强了模型的可解释性	研究为回顾性设计，样本量相对较小（250名受试者），且未在外部独立队列中进行验证	探索多模态深度学习模型在阿尔茨海默病和轻度认知障碍早期筛查中的价值和可解释性	阿尔茨海默病患者、轻度认知障碍患者及健康对照者	数字病理学	阿尔茨海默病	光学相干断层扫描血管成像，眼震电图	深度学习	图像，信号，临床评分	250名受试者	NA	NA	曲线下面积，灵敏度，特异性	NA
839	2026-01-30	A Deep Learning-Generated Mixed Tumor-Stroma Ratio for Prognostic Stratification and Multi-omics Profiling in Bladder Cancer 2026, Research (Washington, D.C.) DOI:10.34133/research.1053 PMID:41602481	研究论文	本研究开发了一种基于深度学习的混合肿瘤-间质比（MTSR）计算方法，用于膀胱癌的预后分层和多组学分析	首次提出混合肿瘤-间质比（MTSR）作为膀胱癌预后指标，并通过多组学分析揭示其与ITGB8富集的基质致癌通路的机制联系，同时构建了基于多参数MRI的放射组学模型进行无创评估	未在摘要中明确说明	开发一种基于深度学习的定量组织学分析方法，以改进膀胱癌的风险分层和精准管理	膀胱癌组织切片（H&E染色）和多参数MRI图像	数字病理学	膀胱癌	全切片图像分析，多组学分析（包括批量RNA测序和单细胞RNA测序），多参数MRI放射组学	CNN	图像	基于癌症基因组图谱（TCGA）的膀胱癌切片，并在多中心队列中进行外部验证	未在摘要中明确说明	ResNet50	分类准确率，Cohen's kappa系数，Cox回归，Kaplan-Meier分析，meta分析，放射组学模型准确率	未在摘要中明确说明
840	2026-01-30	Deep Learning-Based Instance-Level Segmentation of Kidney and Liver Cysts in Computed Tomography Images of Patients Affected by Polycystic Kidney Disease 2026-Jan-01, Kidney360 IF:3.2Q1 DOI:10.34067/KID.0000000924 PMID:40811034	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA