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
9701	2025-10-06	DDEvENet: Evidence-based ensemble learning for uncertainty-aware brain parcellation using diffusion MRI 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102489 PMID:39787735	研究论文	开发了一种基于深度学习和扩散MRI的证据集成神经网络DDEvENet，用于解剖脑区划分	设计了证据深度学习框架，在单次推理中量化每个体素的预测不确定性，并提出了基于证据的集成学习方法	NA	开发不确定性感知的脑区划分方法，提高分割结果的准确性和可靠性	健康成人和多种脑部疾病患者（精神分裂症、双相情感障碍、注意力缺陷多动障碍、帕金森病、脑小血管病和脑肿瘤神经外科患者）	医学影像分析	脑部疾病	扩散MRI	集成神经网络	扩散MRI图像	来自多个成像源的大规模数据集，包括健康成人和多种脑部疾病患者	深度学习框架	包含五个并行子网络的集成架构	分割准确性，不确定性估计	NA
9702	2025-10-06	An in-depth review of AI-powered advancements in cancer drug discovery 2025-03, Biochimica et biophysica acta. Molecular basis of disease DOI:10.1016/j.bbadis.2025.167680 PMID:39837431	综述	探讨人工智能与基因组学在癌症药物发现中的融合及其对个性化治疗发展的推动作用	系统阐述AI技术（包括深度学习和高级数据分析）在药物发现关键阶段（靶点识别、药物设计、临床试验优化和药物反应预测）的变革性作用，并重点介绍DrugnomeAI、PandaOmics和AlphaFold等前沿工具的创新应用	面临大规模基因组数据管理的技术挑战以及AI在医疗领域应用的伦理问题	加速癌症药物发现过程并推动精准医疗发展	人工智能技术在癌症药物研发中的应用	机器学习	癌症	基因组学数据分析	深度学习	基因组数据	NA	NA	NA	NA	NA
9703	2025-10-06	NetSDR: Drug repurposing for cancers based on subtype-specific network modularization and perturbation analysis 2025-03, Biochimica et biophysica acta. Molecular basis of disease DOI:10.1016/j.bbadis.2025.167688 PMID:39862994	研究论文	提出基于网络模块化和扰动分析的癌症亚型特异性药物重定位框架NetSDR	整合癌症亚型信息识别亚型特异性功能模块，结合深度学习构建加权药物响应网络，并采用动态扰动响应扫描方法进行药物优先排序	仅以胃癌为例进行验证，需要扩展到更多癌症类型和更大规模数据	开发针对特定癌症亚型的精准药物重定位方法	癌症亚型特异性功能模块和潜在药物靶点	系统生物学	癌症	网络医学方法，蛋白质组学数据分析，深度学习	深度学习模型	蛋白质组学数据，网络数据	NA	NA	NA	NA	NA
9704	2025-10-06	Deep learning model for identifying acute heart failure patients using electrocardiography in the emergency room 2025-Feb-20, European heart journal. Acute cardiovascular care DOI:10.1093/ehjacc/zuaf001 PMID:39787045	研究论文	开发并评估一种利用心电图数据识别急诊室急性心力衰竭患者的深度学习模型	首次将常规12导联心电图与临床数据结合，使用CatBoost算法显著提升急性心力衰竭的识别准确率	回顾性研究设计，数据来源于三家医院可能限制泛化能力	提升急诊室中急性心力衰竭的诊断能力	急诊室就诊的急性心力衰竭患者	机器学习	心血管疾病	心电图分析	CatBoost, XGBoost, Light GBM, 线性回归	心电图数据、临床参数	19285名急诊患者，其中9119名确诊急性心力衰竭患者	CatBoost, XGBoost, Light GBM	梯度提升决策树	AUC, 准确率, 精确率, 召回率, F1分数	NA
9705	2025-10-06	Enhancing motor imagery EEG signal decoding through machine learning: A systematic review of recent progress 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109534 PMID:39672015	综述	本文系统综述了2017年以来机器学习在运动想象脑电信号解码领域的最新研究进展	聚焦2017年后的最新研究进展，系统总结了脑机接口中运动想象EEG信号解码的数据集、预处理方法、特征提取技术和深度学习模型	作为综述文章，不涉及原始实验研究，主要依赖已有文献的总结和分析	通过机器学习和深度学习技术提升运动想象脑电信号的解码能力，改善运动障碍患者的生活质量	运动想象脑电图信号和脑机接口系统	机器学习	运动障碍疾病	脑电图	深度学习模型	脑电信号	NA	NA	NA	NA	NA
9706	2025-10-06	Diagnostic performance of neural network algorithms in skull fracture detection on CT scans: a systematic review and meta-analysis 2025-Feb, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-024-02300-7 PMID:39680295	系统性综述与荟萃分析	评估卷积神经网络在CT扫描中诊断颅骨骨折的诊断性能	首次对CNN模型在颅骨骨折CT诊断中的性能进行系统性综述和定量荟萃分析	研究存在显著异质性，可能受到模型拓扑结构、训练方法和验证技术差异的影响	评估CNN模型在CT图像中诊断颅骨骨折的诊断性能	颅骨骨折患者的CT扫描图像	医学影像分析	颅骨骨折	CT扫描	CNN	CT图像	11项研究，20,798名患者	NA	NA	AUC, 敏感度, 特异度, 准确度	NA
9707	2025-10-06	Improving functional correlation of quantification of interstitial lung disease by reducing the vendor difference of CT using generative adversarial network (GAN) style conversion 2025-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111899 PMID:39740598	研究论文	本研究使用生成对抗网络进行CT图像风格转换，以减少不同厂商CT设备间的差异，改善间质性肺病定量测量的功能相关性	首次将可路由生成对抗网络应用于CT图像风格转换，有效减少不同厂商设备间的量化变异	研究为回顾性设计，仅包含特发性肺纤维化患者，样本量有限	评估CT风格转换是否能最小化间质性肺病量化变异，改善定量CT测量的功能相关性	特发性肺纤维化患者	医学影像分析	间质性肺病	CT扫描，肺功能测试	GAN	CT图像	112名患者（平均年龄61岁，82名男性）	NA	RouteGAN	一致性相关系数，视觉准确性评分，相关系数	NA
9708	2025-10-06	Prediction of Proteolysis-Targeting Chimeras Retention Time Using XGBoost Model Incorporated with Chromatographic Conditions 2025-Jan-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01732 PMID:39786356	研究论文	本研究开发了一种结合色谱条件的XGBoost模型，用于预测蛋白质降解靶向嵌合体（PROTACs）的保留时间	首次将色谱条件描述符与分子指纹和描述符结合，构建了专门针对PROTACs保留时间预测的优化XGBoost模型	模型性能依赖于有限的PROTAC-RT数据集，且仅验证了6种实验确定的化合物	开发准确预测PROTACs化合物保留时间的计算方法	蛋白质降解靶向嵌合体（PROTACs）化合物	机器学习	NA	液相色谱-质谱联用（LC-MS）	XGBoost, RF, KNN, SVM, FCNN	化学分子数据	从文献收集的PROTAC-RT数据集	XGBoost, Scikit-learn	全连接神经网络	R², RMSE	NA
9709	2025-10-06	Development and Validation of a Machine Learning Method Using Vocal Biomarkers for Identifying Frailty in Community-Dwelling Older Adults: Cross-Sectional Study 2025-01-16, JMIR medical informatics IF:3.1Q2 DOI:10.2196/57298 PMID:39819744	研究论文	开发并验证基于语音生物标志物的机器学习方法，用于识别社区老年居民的衰弱状态	首次使用基于深度学习的声学特征作为语音生物标志物来预测衰弱状态，相比传统方法和单纯人口统计学数据具有更好性能	样本量较小（127名参与者），研究设计为横断面研究无法建立因果关系	开发用于识别社区老年居民衰弱状态的分类模型	50岁及以上的社区居住老年人	机器学习	老年疾病	语音记录分析，图片描述任务	深度学习	语音数据，人口统计学数据	127名50岁及以上参与者	NA	NA	准确率，AUC	NA
9710	2025-10-06	Pose Analysis in Free-Swimming Adult Zebrafish, Danio rerio: "Fishy" Origins of Movement Design 2025, Brain, behavior and evolution DOI:10.1159/000543081 PMID:39681106	研究论文	本研究通过无标记追踪和无监督机器学习分析成年斑马鱼自由游动时的姿态配置	首次使用DeepLabCut和B-SOiD机器学习软件联合分析斑马鱼游动姿态，提出鱼类运动的三级前后弯曲约束假说	仅分析12只斑马鱼数据，样本量有限；依赖视觉分析进行后验聚类合并	验证运动演化假说：通过利用身体与介质间的被动反作用力最小化神经控制的运动设计	成年斑马鱼（Danio rerio）的自由游动行为	计算机视觉	NA	无标记姿态追踪，无监督多变量时间序列分析	深度学习	视频序列	12只自由行为斑马鱼，超过14,000个连续帧	DeepLabCut, B-SOiD	NA	聚类分析，多维尺度分析	NA
9711	2025-10-06	Ensemble learning-based predictor for driver synonymous mutation with sequence representation 2025-Jan, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012744 PMID:39761306	研究论文	提出一种基于集成学习的同义突变效应预测器EPEL，用于识别癌症中的驱动同义突变	首次将DNA形状特征和基于化学分子BERT预训练模型的深度学习特征整合到同义突变效应评估中	深度学习方法的DNA序列表示在本研究中未能显著提升驱动同义突变的识别效果	开发高精度的驱动同义突变预测方法	人类癌症中的同义突变	机器学习	癌症	DNA序列分析，深度学习特征提取	集成学习，树模型	DNA序列数据	NA	NA	BERT	预测准确率	NA
9712	2025-10-06	Integrative analysis of cuproptosis-related lncRNAs: Unveiling prognostic significance, immune microenvironment, and copper-induced mechanisms in prostate cancer 2025-Jan, Cancer pathogenesis and therapy DOI:10.1016/j.cpt.2024.03.004 PMID:39872368	研究论文	本研究通过整合分析铜死亡相关lncRNAs，揭示了其在前列腺癌预后预测、免疫微环境调节和铜诱导机制中的重要作用	首次将铜死亡相关lncRNAs与前列腺癌预后关联，并采用多层级注意力图神经网络构建预后模型，同时通过细胞实验验证关键lncRNAs与铜死亡的相关性	研究样本仅来自TCGA数据库的492例患者，缺乏外部验证队列	探索铜死亡相关lncRNAs在前列腺癌预后预测和免疫微环境中的作用机制	前列腺癌患者和相关的长链非编码RNA	生物信息学	前列腺癌	RNA测序，拷贝数变异分析，细胞实验	图神经网络	基因表达数据，拷贝数变异数据	492例前列腺癌患者	MLA-GNN	多层级注意力图神经网络	AUC, 疾病无进展生存期	NA
9713	2025-10-06	Machine learning-based risk predictive models for diabetic kidney disease in type 2 diabetes mellitus patients: a systematic review and meta-analysis 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1495306 PMID:40099258	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2型糖尿病患者糖尿病肾病风险中的性能和临床适用性	首次对机器学习模型预测2型糖尿病患者糖尿病肾病风险进行系统综述和荟萃分析，比较不同机器学习算法的性能表现	模型开发和验证过程中存在数据偏倚，仅少数研究进行了外部验证	评估机器学习模型在预测2型糖尿病患者糖尿病肾病风险中的性能和临床适用性	2型糖尿病患者的糖尿病肾病风险预测	机器学习	糖尿病肾病	机器学习算法	随机森林,传统回归机器学习,深度学习	临床数据	26项研究，94个机器学习模型	NA	NA	AUC,95%置信区间	NA
9714	2025-06-04	Artificial intelligence in ophthalmology: opportunities, challenges, and ethical considerations 2025, Medical hypothesis, discovery & innovation ophthalmology journal DOI:10.51329/mehdiophthal1517 PMID:40453785	综述	本文探讨了人工智能在眼科领域的应用现状、挑战及伦理考量	全面回顾了AI在眼科多个子领域（如角膜疾病、白内障手术、糖尿病视网膜病变等）中的高精度诊断应用，并系统分析了当前面临的挑战与伦理问题	数据集存在偏差、外部验证有限、监管障碍以及透明度等伦理问题	评估AI在眼科领域的应用潜力与实施障碍	眼科疾病诊断与管理	数字病理	眼科疾病	深度学习、机器学习	CNN、深度学习模型	图像、临床数据	NA	NA	NA	NA	NA
9715	2025-06-04	Integrating support vector machines and deep learning features for oral cancer histopathology analysis 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf034 PMID:40454251	研究论文	本研究提出了一种结合支持向量机(SVM)和深度学习特征的方法，用于口腔癌组织病理学图像分类以检测异常增生	通过融合基于InceptionResNet-v2和视觉变换器(ViT)模型提取的深度学习特征训练的SVM分类器，解决了类别不平衡问题，并显著提高了分类性能	NA	提高口腔癌异常增生的检测准确率	口腔癌组织病理学图像	数字病理学	口腔癌	深度学习特征提取	SVM, InceptionResNet-v2, ViT	图像	NA	NA	NA	NA	NA
9716	2025-10-06	A Deep Learning Approach for Accurate Discrimination Between Optic Disc Drusen and Papilledema on Fundus Photographs 2024-Dec-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002223 PMID:39090774	研究论文	开发用于区分视盘玻璃膜疣和视乳头水肿的深度学习系统	首个针对视盘玻璃膜疣与视乳头水肿二分类的专用深度学习系统，在多中心多族裔人群中验证	回顾性研究，需前瞻性验证	训练、验证和测试深度学习系统以准确区分视盘玻璃膜疣和视乳头水肿	来自30个神经眼科中心的2,180名患者的4,508张彩色眼底图像	计算机视觉	眼科疾病	数字眼底摄影	深度学习系统	图像	4,508张彩色眼底图像（2,180名患者），训练集4,087张图像（1,959名患者），外部测试集421张图像（221名患者）	NA	NA	AUC, 准确率, 敏感度, 特异度	NA
9717	2025-10-06	[Development of a Deep Learning-Based System for Supporting Medical Decision-Making in PI-RADS Score Determination] 2024-Dec, Urologiia (Moscow, Russia : 1999) PMID:40377545	研究论文	开发基于深度学习的计算机辅助诊断系统，用于支持PI-RADS评分确定中的医疗决策	首次将3D U-Net架构应用于多参数MRI图像（T2W、DWI、DCE）处理，旨在最小化PI-RADS分级中的人为误差	敏感性较低（60%），分割精度有待提升，需要更大数据集和更先进的深度学习技术进行改进	开发能够支持医疗决策的计算机辅助诊断系统，减少前列腺癌诊断中的观察者间差异	前列腺癌患者和良性病变患者	医学影像分析	前列腺癌	多参数MRI（T2W、DWI、DCE）	深度学习	医学影像	136名患者（108例前列腺癌，28例良性病变）	Python	3D U-Net	准确率, 敏感性, 特异性, Dice相似系数, AUC	NA
9718	2025-10-06	Design of high specificity binders for peptide-MHC-I complexes 2024-Nov-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.28.625793 PMID:39651227	研究论文	本研究利用深度学习工具设计能够特异性结合肽-MHC-I复合物的小蛋白	首次使用深度学习蛋白质设计工具开发特异性靶向pMHC复合物的结合蛋白，能够区分高度相似的肽段	仅针对十种目标pMHC进行了验证，需要进一步扩大验证范围	开发高特异性结合肽-MHC-I复合物的蛋白质工具	肽-MHC-I复合物	机器学习	免疫相关疾病	深度学习蛋白质设计	深度学习	蛋白质结构数据	十种目标pMHC复合物	NA	NA	结合特异性，T细胞激活能力	NA
9719	2025-10-06	Time-Series Deep Learning and Conformal Prediction for Improved Sepsis Diagnosis in Non-ICU Hospitalized Patients 2024-Nov-22, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.21.24317716 PMID:39606323	研究论文	开发了一种基于深度学习和保形预测的时间序列模型，用于非ICU住院患者的脓毒症早期诊断	结合时间序列深度学习和保形预测框架，专门针对非ICU环境设计，显著降低假阳性率	模型依赖于电子健康记录数据的完整性和质量，在数据稀疏环境中性能可能受限	提高非ICU住院患者脓毒症的早期诊断准确性和时效性	非ICU住院患者	机器学习	脓毒症	深度学习，保形预测	深度学习模型	电子健康记录，时间序列数据	83,813名患者用于训练，eICU-CRD数据集用于验证	NA	时间序列深度学习模型	AUROC，假阳性率，特异性	NA
9720	2025-10-06	Leveraging Artificial Intelligence and Data Science for Integration of Social Determinants of Health in Emergency Medicine: Scoping Review 2024-10-30, JMIR medical informatics IF:3.1Q2 DOI:10.2196/57124 PMID:39475815	综述	本文通过范围综述探讨人工智能和数据科学在急诊医学中整合健康社会决定因素的应用现状与发展前景	首次系统评估AI和数据科学在急诊医学环境中整合SDOH数据的潜力，特别关注机器学习与自然语言处理技术的应用效果	纳入研究数量有限（26篇），研究领域尚处于早期发展阶段，缺乏标准化数据收集方法	评估AI和数据科学在急诊科环境中建模、提取和整合健康社会决定因素数据的潜力	急诊科患者及其健康社会决定因素数据	自然语言处理, 机器学习	脓毒症, 急性心肌梗死, 哮喘	自然语言处理, 机器学习	深度学习, 规则基础模型	临床文本数据	26项符合纳入标准的研究（从1047篇筛选得出）	NA	NA	F1分数, 特异性	NA