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
1401	2025-05-31	Deep Learning Derived Adipocyte Size Reveals Adipocyte Hypertrophy is under Genetic Control 2025-Feb-12, medRxiv : the preprint server for health sciences DOI:10.1101/2025.02.11.25322053 PMID:39990583	研究论文	本研究利用深度学习技术自动分析脂肪细胞大小，探讨其与肥胖相关性状及遗传关联的关系	开发了基于深度学习的脂肪组织切片语义分割方法，进行了迄今为止最大规模的脂肪细胞表型与遗传关联研究	研究样本主要来自特定人群，可能限制结果的普适性	探究脂肪细胞大小与肥胖相关代谢特征的关联及其遗传基础	皮下和内脏脂肪组织样本	数字病理学	肥胖相关疾病	深度学习	语义分割模型	组织切片图像	5个独立队列中的2,667份样本，包含9,000张全切片图像和超过2,700万个脂肪细胞
1402	2025-05-31	Unraveling Human Hepatocellular Responses to PFAS and Aqueous Film-Forming Foams (AFFFs) for Molecular Hazard Prioritization and In Vivo Translation 2025-Feb-11, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c10595 PMID:39893674	研究论文	本研究探讨了人类肝细胞对PFAS和AFFFs的反应，旨在预测人类肝损伤的效力范围并识别更安全的替代品	结合高通量转录组学、细胞形态图像的深度学习和肝酶泄漏分析，创新性地将机制性肝细胞反应数据转化为预测PFAS诱导的肝肿大效力范围	研究仅使用了体外培养的人类肝细胞（HepaRG, 2D），可能无法完全模拟体内环境	理解PFAS和AFFFs的毒性潜力，识别更安全的替代品，并为风险评估提供新方法	人类肝细胞（HepaRG, 2D）和30种物质（包括AFFF、PFAS和临床药物）	毒理学	肝病	高通量转录组学、深度学习、肝酶泄漏分析	深度学习	转录组数据、细胞形态图像	30种物质（包括AFFF、PFAS和临床药物）
1403	2025-05-31	Artificial intelligence-driven volumetric CT outcome score in cystic fibrosis: longitudinal and multicenter validation with/without modulators treatment 2025-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11019-5 PMID:39150489	研究论文	本研究通过3D深度学习技术开发了一种自动定量测量囊性纤维化(CF)患者气道异常的CT评分方法(NOVAA-CT)，并进行了纵向和多中心的临床验证	首次开发了基于AI的全肺自动定量CT评分系统(NOVAA-CT)，可全面监测CF严重程度并量化治疗效果	研究为回顾性设计，样本量相对有限(139例)	验证AI驱动的容积CT评分在囊性纤维化诊疗中的临床应用价值	接受ETI或ABPA治疗的囊性纤维化患者	数字病理	囊性纤维化	3D深度学习	3D CNN	CT影像	139例CF患者(ETI组60例，ABPA组20例，外部验证组59例)
1404	2025-05-31	Disease Activity and Therapeutic Response to Pegcetacoplan for Geographic Atrophy Identified by Deep Learning-Based Analysis of OCT 2025-Feb, Ophthalmology IF:13.1Q1 DOI:10.1016/j.ophtha.2024.08.017 PMID:39151755	研究论文	使用基于深度学习的OCT图像分析量化pegcetacoplan治疗下地理萎缩(GA)中光感受器(PRs)和视网膜色素上皮(RPE)层的形态变化	首次采用深度学习技术对OCT图像进行分割，量化PR和RPE的退化情况，并评估pegcetacoplan治疗的疗效	研究为事后纵向图像分析，可能存在选择偏倚	评估pegcetacoplan治疗对GA患者PR和RPE层退化的影响	年龄相关性黄斑变性导致的GA患者	数字病理学	年龄相关性黄斑变性	OCT成像	深度学习	图像	897名患者的897只眼
1405	2025-05-31	Spatial Transcriptomics of the Respiratory System 2025-Feb, Annual review of physiology IF:15.7Q1 DOI:10.1146/annurev-physiol-022724-105144 PMID:39353142	综述	本文回顾了呼吸系统空间转录组学的最常用分析流程，并概述了机器学习和人工智能在空间数据解释中的最新进展	结合机器学习和深度学习计算工具的空间解析基因表达技术，为理解呼吸系统细胞类型的三维空间互作提供了新方法	文中提到的技术和方法可能仍存在数据处理和解释的挑战	探讨呼吸系统细胞类型在三维空间中的互作机制及其在健康和疾病中的作用	呼吸系统（肺和气道）的细胞类型	空间转录组学	肺癌、COVID-19、肺纤维化	空间解析基因表达技术	机器学习、深度学习	基因表达数据	NA
1406	2025-05-31	Personalized federated learning for abdominal multi-organ segmentation based on frequency domain aggregation 2025-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14602 PMID:39636019	research paper	提出了一种基于频域聚合的个性化联邦学习框架（PAF-Fed），用于腹部多器官分割	PAF-Fed选择性收集部分模型参数进行客户端间协作，保留其余参数以学习本地数据分布，并利用傅里叶变换与自注意力机制聚合参数的低频成分	NA	解决医学图像分割中数据隐私和标注工作量大的问题	腹部多器官分割	digital pathology	NA	Federated Learning (FL), Fourier Transform, Self-attention mechanism	DL models	MRI, CT	CHAOS 2019数据集和私人CT数据集
1407	2025-05-31	Tumour purity assessment with deep learning in colorectal cancer and impact on molecular analysis 2025-Feb, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6376 PMID:39710952	研究论文	本文探讨了深度学习模型SoftCTM在结直肠癌肿瘤纯度评估中的应用及其对分子分析的影响	开发了开源多器官深度学习模型SoftCTM，用于H&E染色切片中肿瘤和非肿瘤细胞的检测，并在OCELOT Challenge 2023中开发	NA	比较SoftCTM与传统病理学(CP)和生物信息学反卷积方法在肿瘤纯度评估(TPE)中的效用和准确性	结直肠癌(CRC)患者	数字病理学	结直肠癌	RNA表达分析、DNA甲基化分析	深度学习(DL)	数字病理图像、多组学数据	1,097名患者
1408	2025-05-31	Multi-modal prediction of extracorporeal support-a resource intensive therapy, utilizing a large national database 2025-Feb, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae158 PMID:39764170	研究论文	开发了一个名为PreEMPT-ECMO的分层深度学习模型，用于预测ECMO的使用，以优化患者分诊和资源分配	利用多模态数据开发了一个连续预测ECMO使用的分层深度学习模型，该模型整合了静态和多粒度时间序列特征，优于现有的预测模型	未来需要在前瞻性验证和非COVID-19难治性呼吸衰竭中进行泛化性验证	开发一个连续的ECMO风险预测模型，以优化患者分诊和资源分配	使用ECMO的患者	机器学习	COVID-19	深度学习	分层深度学习模型	多模态数据（静态和时间序列数据）	101,400名患者（其中1,298名使用ECMO）
1409	2025-05-31	Semantic Segmentation of TB in Chest X-rays: a New Dataset and Generalization Evaluation 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047222 PMID:40224922	research paper	该研究介绍了一个新的数据集TB-Portals SIFT，用于胸部X光片中结核病(TB)病灶的语义分割，并评估了多种语义分割模型的性能	提出了一个新的数据集TB-Portals SIFT，包含6,328张带有10,435个伪标签病灶实例的胸部X光片，并首次将语义分割模型应用于TB病灶分割任务	数据集使用伪标签而非专家标注，可能影响模型性能评估的准确性	开发能够自动分割胸部X光片中TB病灶的深度学习模型，以提高TB诊断的自动化水平和可解释性	胸部X光片中的TB病灶	computer vision	lung cancer	深度学习	UNet, YOLOv8-seg, DenseNet121	image	6,328张胸部X光片，包含10,435个伪标签病灶实例
1410	2025-05-31	Classification of Major Depressive Disorder Using Vertex-Wise Brain Sulcal Depth, Curvature, and Thickness with a Deep and a Shallow Learning Model 2025-Jan-24, ArXiv PMID:39975425	research paper	该研究利用深度学习模型和浅层学习模型，基于顶点级别的大脑沟深度、曲率和厚度特征，对重度抑郁症（MDD）进行分类	首次整合顶点级别的皮层形态特征，并比较DenseNet和SVM在MDD分类中的性能，同时应用ComBat协调工具消除多中心数据的潜在干扰效应	两种分类器在未见过的中心数据上表现接近随机水平，表明当前特征和分类器组合无法有效区分MDD和健康对照组	探索基于脑形态学特征的MDD自动诊断方法	重度抑郁症患者（MDD）和健康对照组（HC）	神经影像分析	重度抑郁症	脑形态学特征分析，ComBat数据协调	DenseNet, SVM	脑结构MRI数据	7,012名参与者（2,772名MDD患者和4,240名HC），来自30个中心
1411	2025-05-31	An interpretable multi-scale convolutional attention residual neural network for glioma grading with Raman spectroscopy 2025-Jan-23, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay02068e PMID:39686848	研究论文	本文提出了一种多尺度卷积注意力残差网络（M-SCA ResNet），用于通过拉曼光谱对胶质瘤进行分级	结合多尺度通道和空间注意力机制以及残差结构，提升了模型的特征提取能力，并通过Grad-CAM增强了模型的可解释性	NA	提高胶质瘤分级的准确性和可解释性，辅助医生制定个性化手术方案	高级别胶质瘤（HGG）、低级别胶质瘤（LGG）和正常组织	数字病理	胶质瘤	拉曼光谱	M-SCA ResNet	光谱数据	NA
1412	2025-05-31	Integrating pharmacogenomics and cheminformatics with diverse disease phenotypes for cell type-guided drug discovery 2025-Jan-20, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-025-01431-x PMID:39833831	研究论文	提出了一种基于网络的统计方法Pathopticon，整合药物基因组学和化学信息学数据，用于细胞类型依赖的药物发现	开发了Pathopticon方法，结合细胞类型特异性基因-药物扰动网络与化学信息学数据，改进了药物发现的预测性能	方法依赖于现有数据库（如CMap、Enrichr、ChEMBL）的数据质量和覆盖范围	开发一种细胞类型特异性的药物发现和重新定位平台	药物基因组学和化学信息学数据，以及多种疾病表型	计算药物发现	血管疾病	QUIZ-C统计方法、qPCR实验	网络分析方法	基因表达数据、化学结构数据	569个疾病特征（来自Enrichr数据库）、73个基因集（来自MSigDB）
1413	2025-05-31	Using artificial intelligence and statistics for managing peritoneal metastases from gastrointestinal cancers 2025-Jan-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae049 PMID:39736152	research paper	本研究探讨了人工智能和统计方法在分析和处理胃肠道癌症引起的腹膜转移中的应用	比较了AI方法与传统统计方法在腹膜转移管理中的表现，发现深度学习方法表现最佳	样本量是影响模型预测准确性的关键因素，但研究未涉及具体样本量数据	探索AI和统计方法在胃肠道癌症腹膜转移管理中的应用	腹膜转移（PM）由胃肠道癌症引起	machine learning	gastrointestinal cancers	conventional machine learning (ML), deep learning (DL), biostatistics, logistic models	ML, DL	NA	NA
1414	2025-05-31	A hybrid machine learning approach for the personalized prognostication of aggressive skin cancers 2025-Jan-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01329-9 PMID:39779875	research paper	该研究开发了一种名为'DeepMerkel'的基于网络的个性化预后工具，用于Merkel细胞癌（MCC）的个性化生存预测	结合深度学习特征选择和改进的XGBoost框架，开发了首个针对MCC的个性化预后工具，并通过国际临床队列验证了其预测性能优于现有基于人群的预后分期系统	未提及具体样本量或数据收集的限制	开发个性化机器学习预后工具，用于Merkel细胞癌（MCC）的生存预测	Merkel细胞癌（MCC）患者	machine learning	skin cancer	deep learning feature selection, XGBoost	XGBoost	clinical information	NA
1415	2025-05-31	HVSeeker: a deep-learning-based method for identification of host and viral DNA sequences 2025-Jan-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf037 PMID:40372723	research paper	HVSeeker是一种基于深度学习的方法，用于区分细菌和噬菌体序列	HVSeeker结合了两种独立的模型（DNA序列和蛋白质分析）以及三种预处理方法（填充、contigs组装和滑动窗口），在识别未知噬菌体基因组方面表现出色	NA	开发一种能够从混合宏基因组中准确识别宿主和病毒序列的方法	细菌和噬菌体序列	bioinformatics	NA	deep learning	HVSeeker（包含DNA序列和蛋白质分析两个独立模型）	DNA序列和蛋白质序列	测试数据来自NCBI和IMGVR数据库，序列长度范围200到1,500碱基对
1416	2025-05-31	Foundation models in ophthalmology: opportunities and challenges 2025-Jan-01, Current opinion in ophthalmology IF:3.0Q1 DOI:10.1097/ICU.0000000000001091 PMID:39329204	review	本文探讨了眼科学中基础模型的机遇与挑战，特别是RETFound和大型语言模型（如GPT-4和Gemini）的应用	介绍了首个眼科学基础模型RETFound，并探讨了大型语言模型在眼科学任务中的表现	高质量眼科学数据集的缺乏以及训练多模态模型所需的巨大计算资源	探索眼科学中基础模型和大型语言模型的发展机遇与挑战	眼科学基础模型和大型语言模型	digital pathology	NA	NA	RETFound, GPT-4, Gemini	multimodal data	NA
1417	2025-05-31	Enhancing chest X-ray datasets with privacy-preserving large language models and multi-type annotations: A data-driven approach for improved classification 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103383 PMID:39546982	研究论文	本文提出了一种名为MAPLEZ的新方法，利用本地可执行的大型语言模型（LLM）从胸部X光报告中提取和增强发现标签，以提高分类质量	MAPLEZ不仅提取二元标签（表示发现的存在或缺失），还提取位置、严重程度和放射科医生对发现的不确定性，显著提高了标签质量和分类性能	方法仅在有限分辨率的胸部X光数据集上进行了验证，可能在其他类型或更高分辨率的数据上表现不同	提高胸部X光图像分析的标签质量和分类性能	胸部X光报告和图像	数字病理学	肺病	大型语言模型（LLM）	LLM	图像和文本	五个测试集中的八种异常情况
1418	2025-05-31	Elastography-based AI model can predict axillary status after neoadjuvant chemotherapy in breast cancer with nodal involvement: a prospective, multicenter, diagnostic study 2025-Jan-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002105 PMID:39724577	research paper	开发了一种基于弹性成像和深度学习的模型，用于预测乳腺癌患者在化疗后腋窝淋巴结状态	结合剪切波弹性成像（SWE）和深度学习放射组学（DLR）模型，显著提高了预测准确性	研究仅基于术前超声图像，未考虑其他影像学或分子生物学数据	预测乳腺癌患者在接受新辅助化疗后腋窝淋巴结的状态	671名经活检证实有淋巴结转移的乳腺癌患者	digital pathology	breast cancer	shear wave elastography (SWE), B-mode ultrasound (BUS)	deep learning radiomics (DLR)	image	671名乳腺癌患者
1419	2025-05-31	LD-informed deep learning for Alzheimer's gene loci detection using WGS data 2025 Jan-Mar, Alzheimer's & dementia (New York, N. Y.) DOI:10.1002/trc2.70041 PMID:39822590	research paper	介绍了一种名为Deep-Block的多阶段深度学习框架，用于从大规模全基因组测序数据中识别与阿尔茨海默病相关的遗传位点	Deep-Block框架结合了生物学知识，采用三阶段方法（基于连锁不平衡模式进行基因组分割、使用稀疏注意力机制选择相关LD块、应用TabNet和随机森林算法量化SNP特征重要性）来识别阿尔茨海默病的遗传因素	研究仅针对非西班牙裔白人参与者，可能限制了结果的普适性	开发先进的分析工具以从大规模高通量测序数据中有效识别遗传位点，特别是与阿尔茨海默病相关的位点	阿尔茨海默病相关的遗传位点	machine learning	阿尔茨海默病	WGS	TabNet, Random Forest	genomic data	7416名非西班牙裔白人参与者（3150名认知正常的老年人，4266名阿尔茨海默病患者）
1420	2025-05-31	Use of artificial intelligence for gestational age estimation: a systematic review and meta-analysis 2025, Frontiers in global women's health DOI:10.3389/fgwh.2025.1447579 PMID:39950139	meta-analysis	本文通过系统综述和荟萃分析评估了人工智能模型在利用超声图像估计孕龄方面的准确性	首次对AI模型在孕龄估计中的准确性进行了系统评价和荟萃分析，特别关注了不同孕期、AI模型类型和外部验证的影响	纳入研究数量有限（17篇综述，10篇荟萃分析），且部分研究存在偏倚风险	评估AI模型在孕龄估计中的准确性，并与作为金标准的超声检查进行对比	使用AI模型进行孕龄估计的研究	数字病理	妊娠相关疾病	超声成像	CNN, DNN	2D图像, 盲扫视频	17项研究（其中10项纳入荟萃分析），涉及高收入国家、中高收入国家和低收入国家的数据