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
1241	2025-12-06	Anterior segment optical coherence tomography in corneal diseases: A bibliometric analysis and visualization research of global research trends (1994-2024) 2025-Nov-28, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000045679 PMID:41327675	文献计量分析	本文对前段光学相干断层扫描（AS-OCT）在角膜疾病领域的全球研究进行了文献计量分析，绘制了关键研究轨迹、合作网络和新兴趋势	首次对AS-OCT在角膜疾病领域长达30年（1994-2024）的全球研究趋势进行了全面的文献计量和可视化分析，揭示了人工智能和光学相干弹性成像等新兴方向	分析仅基于Web of Science核心合集的数据，可能未涵盖所有相关出版物；且排除了非英文文献，可能存在语言偏倚	通过文献计量学方法，梳理和可视化AS-OCT在角膜疾病领域的研究趋势、合作网络及未来发展方向	1994年至2024年间发表的2079篇关于AS-OCT在角膜疾病应用的研究文献	数字病理学	角膜疾病	前段光学相干断层扫描（AS-OCT），光学相干弹性成像	NA	文献元数据（如引文、作者、关键词）	2079篇出版物	VOSviewer, CiteSpace	NA	Mann-Kendall τ检验（τ=0.929, P<.001），引用次数	NA
1242	2025-12-06	Comparative evaluation of emphysema quantification: Standardized %LAV-950 versus DL-based emphysema quantification with clinical parameter correlation 2025-Nov-28, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000046246 PMID:41327730	研究论文	本研究比较了传统%LAV-950阈值方法与基于深度学习的算法在肺气肿定量分析中的表现，并评估了它们与肺功能测试参数的相关性	首次系统比较了传统阈值方法与深度学习算法在肺气肿定量中的性能，并发现深度学习方法在软组织重建核上展现出更强、更一致的相关性	研究为回顾性设计，样本量相对较小（101例），且仅针对慢性阻塞性肺疾病患者	评估肺气肿定量方法的准确性及其与肺功能参数的相关性	慢性阻塞性肺疾病患者的胸部CT扫描和肺功能测试数据	医学影像分析	慢性阻塞性肺疾病	胸部CT扫描，肺功能测试	深度学习算法	医学影像（CT扫描）	101例慢性阻塞性肺疾病患者	NA	NA	Pearson相关系数	NA
1243	2025-12-06	A Practical Guide to Transition State Analysis in Biomolecular Simulations with TS-DAR 2025-Nov-27, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.5c06097 PMID:41252524	研究论文	本文介绍了一种名为TS-DAR的计算框架，用于从分子动力学模拟中系统识别生物分子构象变化中的过渡态	提出了一种结合分布外检测、变分原理正则化神经网络和VAMP-2分散损失函数的计算框架，能够自动识别传统方法难以捕捉的短寿命高能过渡态	未明确说明方法对计算资源的需求、在不同蛋白质系统上的普适性验证以及与其他过渡态识别方法的定量比较	开发并推广一种能够系统识别生物分子构象变化中过渡态的计算方法	蛋白质构象变化过程中的过渡态	计算生物物理学	NA	分子动力学模拟	深度学习模型	分子动力学模拟轨迹数据	NA	NA	神经网络	NA	NA
1244	2025-12-06	Automated high-fidelity 3D reconstruction of middle-ear ossicles from low-resolution clinical CT using a deep learning pipeline 2025-Nov-26, Hearing research IF:2.5Q1 DOI:10.1016/j.heares.2025.109492 PMID:41344151	研究论文	本研究验证了一种从低分辨率临床CT图像自动生成高保真中耳听小骨3D模型的深度学习框架	提出了一种结合YOLOv5x、深度反向投影网络和带“提示通道”的2.5D U-Net的三阶段自动化流水线，能够从稀疏数据中重建完整解剖结构	未明确说明训练数据的具体来源和多样性，外部验证集的规模可能有限	开发一种快速、准确且鲁棒的自动化工具，从标准临床CT生成患者特异性的3D听小骨模型	中耳听小骨	计算机视觉	NA	临床CT成像	CNN	医学图像（CT）	NA	NA	YOLOv5x, Deep Back-Projection Network (DBPN), 2.5D U-Net	平均精度均值 (mAP50), Dice系数, 平均表面距离	NA
1245	2025-12-06	Noninvasive Coronary Artery Disease Detection Using Retinal Images: A Multimodal Study 2025-Nov-19, JACC. Advances DOI:10.1016/j.jacadv.2025.102341 PMID:41265390	研究论文	本研究开发了一种基于深度学习的多模态框架，利用视网膜图像进行冠状动脉疾病的无创检测	首次提出结合视网膜图像和临床指标的多模态深度学习框架，并引入跨模态注意力机制进行融合，在中等风险人群中显示出优于传统临床评分方法的性能	研究为横断面设计，样本量相对有限（383例），且来自4家医院，需要更大规模的前瞻性研究验证	开发一种安全、无创的冠状动脉疾病检测方法	接受过冠状动脉造影的患者	计算机视觉	心血管疾病	视网膜成像	CNN, 多层感知机, 医学大语言模型	图像, 临床指标	383名患者	NA	卷积网络, 多层感知机, 跨模态注意力机制	AUC, 灵敏度, 特异性, 准确率	NA
1246	2025-12-06	Beyond conventional images: AI-driven biotechnologies for oral cancer diagnosis - a systematic review 2025-Nov-19, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2025.116118 PMID:41344069	系统综述	本文系统回顾了利用人工智能驱动的生物技术进行口腔癌早期诊断的研究，分析了不同技术类别的诊断性能并评估了当前研究的局限性	首次对AI驱动的生物技术在口腔癌诊断中的应用进行系统性分类和性能比较，并采用QUADAS-2工具进行质量评估	研究中存在样本量有限、缺乏外部验证、模型架构定义不清、数据集处理不明确以及AI新架构探索不足等问题	评估人工智能驱动的生物技术在口腔癌早期诊断中的应用效果和潜力	口腔癌（OC）	数字病理学	口腔癌	分子生物学、生物标志物、光谱分析、多光谱自发荧光寿命成像（maFLIM）	传统机器学习方法、深度学习	生物分子数据、光谱数据、成像数据	42项研究（具体样本数量未明确）	NA	NA	准确率	NA
1247	2025-12-06	Deep Learning Model for Breast Shear Wave Elastography to Improve Breast Cancer Diagnosis (INSPiRED 006): An International, Multicenter Analysis 2025-Nov-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-02681 PMID:40834300	研究论文	本研究开发并验证了一种基于剪切波弹性成像（SWE）图像的深度学习模型（AI-SWE），用于改善BI-RADS 3和4类乳腺肿块的癌症诊断	首次在国际多中心研究中开发并验证了基于EfficientNetB1架构的深度学习模型，用于分析乳腺剪切波弹性成像图像，旨在解决传统方法因缺乏已验证速度阈值而导致的临床应用受限问题	研究未明确说明模型在不同人群或设备间的泛化能力细节，且未来需探索其与多模态乳腺癌诊断工具的整合效果	开发并验证一种基于深度学习的剪切波弹性成像图像分析模型，以提升乳腺肿块（特别是BI-RADS 3和4类）的癌症诊断准确性，并减少不必要的活检	患有BI-RADS 3或4类乳腺肿块的女性患者的剪切波弹性成像图像	数字病理学	乳腺癌	剪切波弹性成像	CNN	图像	开发集：924名患者（4,026张图像）；外部验证集1：194名患者（562张图像）；外部验证集2：176名患者（188张图像，使用最新SWE软件）	NA	EfficientNetB1	灵敏度, 特异性, 假阳性率, 受试者工作特征曲线下面积	NA
1248	2025-12-06	Development of a screening model for APL using cell population data and deep learning-extracted WBC scattergram features 2025-Nov-07, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-15034-7 PMID:41204132	研究论文	本研究开发了一种结合深度学习提取的WBC散点图特征与常规血液参数的急性早幼粒细胞白血病筛查模型	首次利用VGG-16网络从常规血检DIFF和WNB通道中提取APL特异性3D散点图特征，并与优化的随机森林分类器结合，实现无需额外检测的即时APL筛查	研究为回顾性多中心设计，样本量相对有限（94例APL患者），未来需要前瞻性验证和更大样本的推广	开发一种基于常规实验室数据的机器学习模型，用于快速筛查急性早幼粒细胞白血病，以解决资源有限环境下的诊断延迟问题	急性早幼粒细胞白血病患者	数字病理学	白血病	常规血液检测	CNN, 随机森林	图像, 数值数据	94例确诊APL患者（来自三家三级医院，2020-2024年），外部验证集541例（来自独立中心）	TensorFlow, PyTorch, Scikit-learn	VGG-16	AUC, 灵敏度, 特异性	NA
1249	2025-12-06	Quantitative evaluation of the myocardial bridge anatomical features and FFRCT in patients with myocardial bridging stratified by age 2025-Nov-07, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000045686 PMID:41204561	研究论文	本研究通过冠状动脉CT血管成像，评估了年龄对左前降支心肌桥解剖特征及CT血流储备分数的影响	首次结合心肌桥长度和年龄分层，系统分析解剖特征与FFRCT值的关联，并探讨了不同年龄组中影响FFRCT异常的特定解剖参数	回顾性研究设计，样本量相对较小，特别是年轻组和老年组样本较少，未进行长期临床结局随访	评估年龄对心肌桥解剖特征及CT血流储备分数的影响，为心肌桥的血流动力学评估提供依据	139名左前降支心肌桥患者	数字病理	心血管疾病	冠状动脉CT血管成像，深度学习软件计算FFRCT	深度学习	CT影像	139名患者（短MB组58人，长MB组81人；年轻组28人，中年组89人，老年组22人）	NA	NA	统计显著性（P值）	NA
1250	2025-12-06	AI-Driven Fall Prediction across Generations: Integrating Deep Learning and Machine Learning for Young, Middle-Aged, and Older Adults 2025-Nov-06, Gerontology IF:3.1Q3 DOI:10.1159/000549410 PMID:41196832	研究论文	本研究开发并比较了多种机器学习和深度学习模型，用于预测不同年龄段成年人的跌倒风险	首次将深度学习模型（特别是AGRU）应用于跨年龄段（青年、中年、老年）的跌倒风险预测，并通过年龄分层分析揭示了各年龄组特有的关键预测因素	模型在独立数据集上的外部验证仅显示中等泛化能力，需要更大规模、更多样化的数据集以及整合时序或传感器数据进行进一步验证	开发和比较不同的ML/DL模型，以识别跨年龄组的跌倒风险关键预测特征	1441名台湾南部社区居住的20岁以上成年人，包括有和无跌倒史的参与者	机器学习	老年疾病	NA	KNN, RF, GBDT, XGBoost, CatBoost, GRU, AGRU	人口统计学、临床和身体性能数据	1441名社区居住成年人	NA	GRU, AGRU	准确率, 精确率, 召回率, F1分数, AUROC	NA
1251	2025-12-06	Application of artificial intelligence in predicting the results of open-heart surgery: a scoping review 2025-Nov-05, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03243-w PMID:41194211	综述	本文通过范围综述，综合分析了人工智能在预测心脏直视手术结果中的应用，评估了AI模型的性能，并指出了数据质量、算法偏见和临床适用性方面的研究空白	首次系统性地综述了AI在心脏直视手术预测中的应用，识别了当前研究的主要算法（如逻辑回归、随机森林、XGBoost）及其性能，并强调了深度学习和混合模型使用不足的现状	纳入的研究中89.06%为回顾性研究，模型验证不一致，前瞻性数据有限，患者群体多样性不足，这些方法学局限性阻碍了临床转化	旨在综合AI在预测心脏直视手术结果方面的研究，评估模型性能，并识别数据质量、算法偏见和临床适用性方面的差距，以指导未来个性化手术规划和患者结局的改进	聚焦于心脏直视手术及其术后结果预测的相关研究	机器学习	心血管疾病	NA	逻辑回归, 随机森林, XGBoost	NA	共纳入64项研究	NA	NA	NA	NA
1252	2025-12-06	Diagnosis melanoma with artificial intelligence systems: A meta-analysis study and systematic review 2025-Nov, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20781 PMID:40476369	meta-analysis, systematic review	本研究通过大规模荟萃分析和系统综述，评估了基于人工智能和机器学习方法在皮肤镜图像上自动诊断黑色素瘤的预测性能	首次对2006年至2024年间的人工智能诊断黑色素瘤研究进行大规模荟萃分析，特别关注并比较了深度学习模型与混合模型的性能	研究仅纳入了39项符合纳入和排除标准的主要研究，可能存在发表偏倚，且未详细分析不同算法在临床实际应用中的具体挑战	综合评估人工智能方法在黑色素瘤临床诊断中的应用，并总结深度学习和混合模型算法的预测性能	使用皮肤镜图像进行黑色素瘤自动诊断的人工智能和机器学习研究	computer vision, machine learning	melanoma	dermoscopic imaging	deep learning, hybrid models	image	来自39项主要研究的78项诊断测试数据	NA	NA	AUC, sensitivity, specificity	NA
1253	2025-12-06	A Cascaded Segmentation-Classification Deep Learning Framework for Preoperative Prediction of Occult Peritoneal Metastasis and Early Recurrence in Advanced Gastric Cancer 2025-Nov, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.006 PMID:40912952	研究论文	本研究开发了一种级联深度学习框架，用于术前预测晚期胃癌的隐匿性腹膜转移和早期腹膜复发	提出了一种结合肿瘤分割与转移风险分层的级联深度学习框架，用于术前预测隐匿性腹膜转移和早期腹膜复发，并验证了其泛化能力	NA	开发并验证一种基于CT的深度学习框架，用于术前预测晚期胃癌的隐匿性腹膜转移和早期腹膜复发风险	晚期胃癌患者	数字病理学	胃癌	CT成像	深度学习	CT图像	765名来自三个机构的晚期胃癌患者，包括内部验证（OPM测试168人，早期PR测试212人）和外部验证（早期PR测试57人）	NA	V-Net	AUC, 敏感性, 特异性	NA
1254	2025-12-06	Artificial Intelligence to Detect Developmental Dysplasia of Hip: A Systematic Review 2025-Nov, Journal of paediatrics and child health IF:1.6Q2 DOI:10.1111/jpc.70172 PMID:41015898	系统综述	本文系统综述了人工智能（特别是深度学习）在利用骨盆X光片和超声图像检测发育性髋关节发育不良（DDH）中的诊断准确性	首次系统性地评估和总结了AI在DDH诊断中的应用效果，比较了其在X光和超声图像上的表现，并指出了其与医生诊断的可比性	对外部数据集的评估有限，限制了其普适性，需要更多样化的数据集和真实世界应用来验证	评估深度学习算法在检测发育性髋关节发育不良（DDH）中的诊断准确性	有DDH风险或疑似DDH的儿童（<16岁）的髋关节超声或X光图像	数字病理学	发育性髋关节发育不良	深度学习（DL）	NA	图像（骨盆X光片、超声图像）	总计15406个样本（超声图像8315个，骨盆X光片7091个）	NA	NA	AUC, 灵敏度, 特异性	NA
1255	2025-12-06	A CT-based deep learning radiomics model for predicting HER2 expression and prognosis in non-muscle-invasive bladder cancer 2025-Nov, Biomarkers in medicine IF:1.9Q3 DOI:10.1080/17520363.2025.2590778 PMID:41277127	研究论文	本研究基于术前CT影像，结合放射组学和深度学习特征，开发了一个预测非肌层浸润性膀胱癌HER2表达状态及预后的模型	首次将深度学习评分、放射组学评分与临床病理特征整合，构建了一个深度学习放射临床特征模型，用于预测NMIBC的HER2表达和无复发生存期	回顾性研究，样本量相对较小（181例），需外部验证	评估非肌层浸润性膀胱癌的HER2表达状态和预后	非肌层浸润性膀胱癌患者	数字病理	膀胱癌	CT成像	深度学习模型	CT图像	181名患者（训练集126例，测试集55例）	NA	NA	AUC	NA
1256	2025-12-06	Prompt-based multimodal representation learning for drug repurposing 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf636 PMID:41329039	研究论文	本文提出了一种基于提示的多模态表示学习框架，用于动态编码药物重定位中的任务特定上下文信息，以提高化合物-蛋白质相互作用预测的准确性	引入了动态提示生成模块和提示校准模块，能够自适应地创建受体特异性提示并有效整合多模态特征，克服了传统方法依赖静态分子和蛋白质结构表示的局限性	未明确说明方法在其他类型受体或更广泛药物靶点上的泛化能力，也未详细讨论计算复杂度或模型可解释性	提高化合物-蛋白质相互作用预测的准确性，推动药物重定位研究	FDA批准的药物候选物，特别是针对G蛋白偶联受体的化合物	机器学习	NA	深度学习	深度学习框架	结构数据（分子和蛋白质结构）	NA	NA	提示基多模态表示学习框架	平均绝对误差	NA
1257	2025-12-06	Risk factors for hepatocellular carcinoma rupture: multicentre retrospective study 2025-Oct-30, BJS open IF:3.5Q1 DOI:10.1093/bjsopen/zraf105 PMID:41189483	研究论文	本研究通过多中心回顾性分析，全面探讨了肝细胞癌破裂的风险因素，并开发了结合传统和机器学习方法的预测模型	首次整合了传统统计模型（如CAPTure列线图）与随机森林和深度学习模型，以增强肝细胞癌破裂风险预测的准确性和可解释性	研究为回顾性设计，可能存在选择偏倚，且数据来源于中国的三级医疗中心，可能限制结果的普适性	识别肝细胞癌破裂的风险因素并开发早期风险预测模型，以优化临床决策和资源分配	肝细胞癌患者，包括破裂和非破裂病例	机器学习	肝细胞癌	回顾性数据分析，倾向性评分匹配	随机森林，深度学习	临床数据	5952名肝细胞癌患者	NA	NA	精确度，召回率，F1分数，AUC	NA
1258	2025-12-06	A Multi-Task Deep Learning Model for Pediatric Echocardiography Analysis 2025-Oct-30, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.27.25338912 PMID:41282661	研究论文	本文介绍了EchoAI-Peds，首个用于儿科超声心动图分析的多任务深度学习模型，能够同时检测多种先天性心脏缺陷和异常	开发了首个针对儿科超声心动图的多任务深度学习模型，整合了多个超声心动图视图的信息，并使用迄今为止最全面的儿科标签集进行训练	模型仅在两个医疗中心的数据集上进行了测试，可能需要更多外部验证以确保广泛适用性	开发一个专门针对儿科人群的深度学习模型，以自动化和改进儿科超声心动图分析	儿科超声心动图视频，用于检测先天性心脏缺陷、结构和功能异常、修复和干预	计算机视觉	先天性心脏缺陷	超声心动图	Vision Transformer	视频	超过11,000项研究中的700,000多个视频	NA	Vision Transformer	AUROC	NA
1259	2025-12-06	DRIPS: Domain Randomisation for Image-based Perivascular spaces Segmentation 2025-Oct-30, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.22.25337423 PMID:41282908	研究论文	提出一种基于领域随机化的图像分割框架DRIPS，用于自动分割脑部血管周围空间（PVS）	整合解剖和形状先验与基于物理的图像生成过程，生成合成脑图像和标签进行深度学习模型训练，通过引入变异性实现良好的泛化能力	未明确说明模型在极端成像条件下的性能或计算效率的具体限制	开发一种准确、全自动的PVS分割方法，适用于异构成像设置	脑部MRI数据和3D离体脑组织学重建模型	计算机视觉	脑部疾病	MRI成像（T1w和T2w，各向同性和各向异性）	深度学习模型	图像	165名受试者（来自五个队列）和一个3D离体脑模型	NA	NA	AUPRC, Dice相似系数	NA
1260	2025-12-06	Artificial intelligence-driven epigenetic CRISPR therapeutics: a structured multi-domain meta-analysis of therapeutic efficacy, off-target prediction, and gRNA optimization 2025-Oct-25, Functional & integrative genomics IF:3.9Q1 DOI:10.1007/s10142-025-01725-8 PMID:41136797	综述	本文通过系统综述和荟萃分析，评估了人工智能（AI）在提高CRISPR表观遗传编辑工具的治疗效果、gRNA优化和脱靶预测方面的作用	首次对AI驱动的CRISPR表观遗传编辑工具进行了结构化的多领域荟萃分析，量化了AI在治疗效果、gRNA优化和脱靶预测三个关键领域的积极影响	研究基于已发表的文献，可能存在发表偏倚；纳入的58项研究中仅41项提供了可提取的定量数据，样本量有限	评估人工智能对CRISPR表观遗传编辑工具的精准性、安全性和治疗效果的提升作用	CRISPR表观遗传编辑工具，特别是其治疗效果、gRNA设计和脱靶预测	机器学习	NA	CRISPR表观遗传编辑	深度学习	NA	58项研究（其中41项提供定量数据）	NA	NA	标准化均数差（SMD），受试者工作特征曲线下面积（AUC）	NA