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
1621	2025-12-04	AI-enhanced synergistic chemo-immunotherapy: From mechanistic insights to clinical translation 2025-Nov-29, Critical reviews in oncology/hematology DOI:10.1016/j.critrevonc.2025.105064 PMID:41325797	综述	本文全面探讨了化疗与免疫检查点抑制剂联合治疗的机制基础、临床应用及当前挑战，并重点介绍了人工智能在优化此类联合治疗中的新兴作用	强调了人工智能（包括多组学整合、影像组学和深度学习）在识别协同药物组合、预测治疗反应和患者分层方面的应用，以推动个性化癌症治疗	面临化疗诱导的免疫抑制、肿瘤异质性和数据可解释性等关键挑战	优化化疗与免疫检查点抑制剂的协同治疗策略，以提升抗肿瘤疗效并推动临床转化	化疗与免疫检查点抑制剂联合治疗的机制、临床应用及患者	机器学习	肿瘤学	多组学整合、影像组学、深度学习	深度学习	多组学数据、影像数据	NA	NA	NA	NA	NA
1622	2025-12-04	Geometric deep learning for local growth prediction on abdominal aortic aneurysm surfaces 2025-Nov-29, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103323 PMID:41330258	研究论文	本文提出了一种基于SE(3)对称Transformer的几何深度学习模型，用于直接从富含局部多物理特征的血管模型表面预测腹主动脉瘤的局部生长	首次使用SE(3)对称Transformer模型直接在血管表面进行AAA生长预测，保留了血管表面的解剖结构和几何保真度，而无需对AAA形状进行参数化	训练数据量较小（仅24名患者），且采样间隔不规则；外部验证集规模有限（仅7名患者）	开发个性化的腹主动脉瘤生长预测方法，以改进临床监测策略	腹主动脉瘤患者	几何深度学习	腹主动脉瘤	计算机断层扫描血管造影	Transformer	3D血管模型表面	训练集：24名患者的113次CTA扫描；外部验证集：7名患者的25次CTA扫描	NA	SE(3)-symmetric transformer	中位直径误差, 准确率	NA
1623	2025-12-04	Artificial intelligence and sleep medicine II: A scoping review of applications, advancements, and future directions 2025-Nov-28, Sleep medicine reviews IF:11.2Q1 DOI:10.1016/j.smrv.2025.102212 PMID:41330180	综述	本文是一篇范围综述，总结了人工智能在睡眠医学中的应用、进展及未来方向	全面梳理了AI在睡眠医学中的最新应用，包括从阻塞性睡眠呼吸暂停检测到睡眠分期等多个领域，并指出了未来研究需优先考虑多中心验证和伦理治理	存在显著的真实世界验证差距，且实施挑战仍存	综述人工智能在睡眠医学领域的应用、技术进步及未来发展方向	聚焦于睡眠医学中的人工智能研究，包括原始研究、系统综述和荟萃分析	机器学习	睡眠障碍	NA	深度学习	NA	NA	NA	NA	准确率, 灵敏度, 特异性	NA
1624	2025-12-04	Deep learning for autism detection using clinical notes: A comparison of transfer learning for a transparent and black-box approach 2025-Nov-27, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103318 PMID:41330257	研究论文	本研究比较了使用BioBERT的透明可解释机器学习方法与黑盒方法在临床文本中检测自闭症谱系障碍的性能，并评估了迁移学习的效果	引入了一种透明且可解释的机器学习方法，利用BioBERT分析非结构化临床文本，通过标注行为描述并映射到诊断标准来分配最终标签，同时评估了迁移学习在两种不同真实世界数据集上的表现	训练数据的顺序对性能有影响，且黑盒模型在顺序或混合数据训练下表现较差，可能限制了其泛化能力	开发一种透明且可解释的机器学习方法，用于自动化自闭症谱系障碍的诊断，并评估其在真实世界数据集上的泛化能力	自闭症谱系障碍（ASD）的诊断	自然语言处理	自闭症谱系障碍	机器学习	BioBERT	文本	两个不同的真实世界数据集	NA	BioBERT	灵敏度, 特异性	NA
1625	2025-12-04	Deep learning-derived arterial input function for dynamic brain PET 2025-Nov-26, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121609 PMID:41314271	研究论文	本研究提出了一种深度学习衍生的动脉输入函数（DLIF），能够直接从动态PET图像序列中估计代谢物校正的动脉输入函数，无需任何血液采样	首次利用深度学习框架直接从动态PET图像序列中估计代谢物校正的动脉输入函数，无需任何侵入性血液采样，结合了复杂时间动态捕捉和典型AIF形状的先验知识	未明确说明样本量大小、模型泛化能力或在不同疾病群体中的验证情况	开发一种快速、准确且完全非侵入性的动脉输入函数测量方法，以替代传统的侵入性血液采样	动态脑部PET成像数据	医学影像分析	阿尔茨海默病, 帕金森病	动态正电子发射断层扫描（PET）成像	深度学习	动态PET图像序列	NA	NA	NA	准确性, 鲁棒性	NA
1626	2025-12-04	Bubble Detection in Gas-Solid Separation Fluidized Beds Based on Deep Learning 2025-Nov-25, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c09389 PMID:41322525	研究论文	本研究提出了一种基于改进YOLOv8的气泡检测模型，用于气固流化床中的气泡动态监测，并分析了气泡特征与分选性能的关联	模型集成了多头自注意力机制增强全局特征提取，采用多尺度特征融合结构实现高效特征整合，并使用基于Involution的解耦头在提高检测精度的同时降低计算复杂度	NA	实现气固流化床中气泡的准确、实时监测，并探究气泡动态与分选效率的耦合关系	干法选煤气固流化床中的气泡	计算机视觉	NA	深度学习	CNN	图像	120个实验数据集	NA	YOLOv8, Faster R-CNN, Mask R-CNN	精确率, 召回率, mAP@0.5	NA
1627	2025-12-04	Efficient Channel Attention-Gated Graph Transformer for Aero-Engine Remaining Useful Life Prediction 2025-Nov-25, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c07687 PMID:41322556	研究论文	本文提出了一种名为高效通道注意力门控图变换器的新预测框架，用于航空发动机剩余使用寿命预测	结合图卷积网络、基于高效通道注意力的自适应特征融合机制和基于Transformer的时间编码器，有效建模多源传感器读数的局部序列依赖性和捕获长运行周期内的渐进退化行为	NA	提高航空发动机剩余使用寿命预测的准确性和可靠性	航空发动机	机器学习	NA	NA	GCN, Transformer	多源传感器读数	基准C-MAPSS数据集	NA	图卷积网络, Transformer	均方根误差, Score指数	NA
1628	2025-12-04	Identification of Potential Nontoxic Human BTK Inhibitors through an Integrated Deep Learning and Structure-Based Drug Repositioning Strategy 2025-Nov-25, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c01756 PMID:41322579	研究论文	本研究通过整合深度学习和基于结构的药物重定位策略，识别潜在的非毒性人类BTK抑制剂	开发了一个结合深度学习、基于结构的药物重定位和毒性分析的集成管道，用于识别BTK抑制剂，并通过分子模拟和基于GNN的毒性分析验证了候选化合物的稳定性和安全性	需要进一步的临床试验来验证gozetotide、micafungin和candicidin作为BTK靶向疗法的有效性和安全性	识别潜在的非毒性人类BTK抑制剂，以提供更安全有效的自身免疫性疾病治疗方法	BTK（Bruton's tyrosine kinase）及其抑制剂，特别是针对FDA批准药物库中的化合物	机器学习	自身免疫性疾病	深度学习、分子对接、分子模拟、毒性分析	人工神经网络（ANN）、图神经网络（GNN）	化合物数据、药物库数据	经过严格过滤的高质量化合物数据集，以及FDA批准药物库	NA	人工神经网络（ANN）、图神经网络（GNN）	RMSD、RMSF、RoG、氢键分析、PCA、FEL、DCCM	NA
1629	2025-12-04	Spatial transcriptomics expression prediction from histopathology based on cross-modal mask reconstruction and contrastive learning 2025-Nov-25, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103889 PMID:41330094	研究论文	提出一种基于对比学习和跨模态掩码重建的深度学习方法，从全切片图像预测空间转录组表达	采用跨模态对比学习建立组织病理形态与空间基因表达的特征对应，并设计跨模态掩码重建作为预训练任务实现特征级融合，无需大规模预训练数据或抽象语义表示	未明确说明方法在极低样本量（如少于10个样本）下的稳定性，且未与其他模态融合方法（如注意力机制）进行系统比较	从组织病理图像预测空间转录组表达，以降低数据获取成本并支持肿瘤微环境分析	六种不同疾病数据集的全切片图像与空间转录组数据	数字病理学	肿瘤（多种癌症类型）	空间转录组技术，全切片图像分析	深度学习，对比学习	图像（全切片图像），基因表达数据	六个疾病数据集（具体样本数未明确说明）	未明确说明（代码库未指定框架）	CMRCNet（自定义网络）	皮尔逊相关系数（PCC）	未明确说明
1630	2025-12-04	Deep learning based CT grading system for sacroiliitis: a multi-center studydemonstrating superior accuracy and efficiency compared to human readers 2025-Nov-22, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112557 PMID:41330312	研究论文	本研究开发并验证了一种基于深度卷积神经网络的CT图像骶髂关节炎自动分级系统，并在多中心研究中证明了其相对于人类阅片者具有更高的准确性和效率	首次将3D-ResNet50模型应用于骶髂关节炎的CT图像自动分级，并在多中心外部验证中证明了其诊断性能优于人类专家，特别是在II级分级方面有显著提升	对于IV级骶髂关节炎的诊断性能提升未达到统计学显著性，且模型仅在特定医院的数据集上进行了训练和验证	开发并验证用于中轴型脊柱关节炎患者骶髂关节炎自动分级的深度学习系统	骶髂关节炎患者的CT图像	数字病理学	中轴型脊柱关节炎	CT成像	CNN	医学影像（CT图像）	共1590名患者（1341名用于模型开发，130名内部验证，249名外部验证）	NA	3D-ResNet50	准确率, AUC	NA
1631	2025-12-04	CCK * (Convex Closure K *): A Suite of Algorithms for the De Novo Design of L- and D-peptide Binders 2025-Nov-22, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.21.689740 PMID:41332631	研究论文	本文介绍了一种名为CCK*的计算框架，用于从头设计L-和D-肽结合物	提出了一种统一的计算框架，支持L-和D-肽的设计，扩展了设计空间，并引入了一套手性不变算法（scope、montage、arise）	NA	开发一个计算框架，用于设计L-和D-肽结合物，以克服D-肽设计中的进化背景和结构数据缺乏问题	L-和D-肽结合物	机器学习	NA	几何建模、几何哈希、迭代残基搜索	NA	结构数据	NA	NA	NA	NA	NA
1632	2025-12-04	Variability vs. phenotype: Multimodal analysis of Dravet syndrome brain organoids powered by deep learning 2025-Nov-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113831 PMID:41323276	研究论文	本文利用深度学习开发了ImPheNet工具，通过分析Dravet综合征脑类器官的活体成像数据，克服了类器官变异性，实现了早期表型分类和药物效应评估	开发了基于深度学习的ImPheNet预测工具，首次将活体成像与深度学习结合用于克服脑类器官的变异性，实现Dravet综合征的早期表型分类和抗癫痫药物暴露分析	研究主要基于脑类器官模型，可能无法完全模拟体内复杂环境；深度学习模型的泛化能力需在更多数据集上验证	研究Dravet综合征的分子病理生理学，开发深度学习工具以克服脑类器官变异性，加速发育性癫痫性脑病研究和治疗发现	Dravet综合征脑类器官，包括健康对照和疾病模型，以及抗癫痫药物暴露下的类器官	深度学习	Dravet综合征	脑类器官活体成像，深度学习分析	深度学习模型	活体成像数据集	未明确指定样本数量，但涉及健康与DS表型的脑类器官	未明确指定	ImPheNet（具体架构未详细说明）	准确分类（准确率），但未明确具体指标	未明确指定
1633	2025-12-04	FDTransformer: A firn density prediction framework combining a self-attention transformer network with firn densification physics 2025-Nov-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113869 PMID:41323272	研究论文	本研究提出了一种结合自注意力Transformer网络与粒雪密实化物理的粒雪密度预测框架FDTransformer，用于改进冰川粒雪密度估计	首次将具有序列自注意力机制的Transformer网络与粒雪密实化物理过程相结合，构建了从物理参数到密度序列的非线性映射模型	模型仅在格陵兰岛三个站点进行验证，尚未在其他气候区域或更广泛的粒雪演化模式中进行测试	提高冰川粒雪密度估计的准确性，以更好评估冰川物质平衡	冰川粒雪	机器学习	NA	深度学习	Transformer	物理参数序列，观测密度数据	格陵兰岛三个站点（Dye-2、KAN_U和Summit）的测量数据	NA	自注意力Transformer网络	平均绝对误差	NA
1634	2025-12-04	Predicting defibrillation outcomes by combining ventricular fibrillation and defibrillation waveforms: a retrospective clinical study 2025-Nov-19, Resuscitation IF:6.5Q1 DOI:10.1016/j.resuscitation.2025.110906 PMID:41270994	研究论文	本研究通过结合心室颤动和除颤波形，利用卷积神经网络预测除颤结果，在回顾性心脏骤停队列中验证了其预测准确性的提升	首次将心室颤动波形与建模的除颤波形结合，采用深度学习方法来提高除颤结果的预测准确性，相比传统的振幅谱面积方法有显著改进	研究为回顾性设计，可能存在选择偏倚；模型在特定AMSA值范围内表现最佳，泛化能力需进一步验证	验证结合心室颤动和除颤波形是否能提高除颤结果的预测准确性	经历心室颤动和除颤治疗的患者	机器学习	心血管疾病	心电图波形记录与建模	CNN	波形数据	未明确指定样本数量，数据按4:1比例随机分为训练集和测试集	未明确指定	卷积神经网络	AUC	NA
1635	2025-12-04	Automatically quantifying spatial heterogeneity of immune and tumor hypoxia environment and predicting disease-free survival for patients with rectal cancer 2025-Nov-18, Cancer immunology, immunotherapy : CII DOI:10.1007/s00262-025-04235-5 PMID:41251704	研究论文	本研究开发了一种自动化的定量免疫组化特征提取流程，用于分析直肠癌肿瘤微环境中免疫和缺氧标志物的空间异质性，并预测患者的无病生存期	整合了基于深度学习的肿瘤分割与不同距离侵袭边缘的计算检测，通过解卷积算法量化DAB染色强度，并识别出与预后相关的空间异质性特征	需要在多中心队列中进行进一步验证以确认临床适用性	开发自动化流程以量化肿瘤微环境的空间异质性，并预测直肠癌患者的无病生存期	直肠癌患者的组织样本	数字病理学	直肠癌	免疫组化	深度学习	图像	104例患者样本（57例训练/47例验证）	NA	NA	C-index	NA
1636	2025-12-04	CIRPIN: Learning Circular Permutation-Invariant Representations to Uncover Putative Protein Homologs 2025-Nov-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.18.689110 PMID:41332582	研究论文	本文提出了一种名为CIRPIN的图神经网络，用于学习对环形排列不变的蛋白质表示，以识别传统结构搜索工具可能遗漏的环形排列相关蛋白质同源物	提出了一种新颖的数据增强策略，利用合成环形排列（synCPs）训练图神经网络，使其能够学习对环形排列不变的蛋白质表示，从而有效识别拓扑重排相关的蛋白质	未明确说明模型在非环形排列拓扑变异情况下的泛化能力，也未详细讨论计算效率与现有工具的全面对比	开发一种能够识别环形排列相关蛋白质同源物的深度学习方法，以弥补当前结构搜索工具的不足	蛋白质结构，特别是涉及环形排列的蛋白质	机器学习	NA	结构比对，合成环形排列数据增强	图神经网络	蛋白质结构数据	来自SCOPe和AlphaFold Cluster Representatives数据库的蛋白质	NA	图神经网络	NA	NA
1637	2025-12-04	Single-cell multiomics data integration and generation with scPairing 2025-Nov-17, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2025.101211 PMID:41151585	研究论文	本文提出了一种名为scPairing的深度学习模型，用于整合和生成单细胞多组学数据	受对比语言-图像预训练（CLIP）启发，scPairing将不同模态的数据嵌入到共同空间，并扩展至生成三模态数据	NA	解决单细胞多组学数据因成本高而数据集较小的问题，通过数据整合与生成促进生物学发现	视网膜细胞、免疫细胞和肾脏细胞	机器学习	NA	单细胞多组学技术	深度学习模型	基因表达和染色质可及性等多模态单细胞数据	NA	NA	受CLIP启发的模型架构	NA	NA
1638	2025-12-04	AIstain: Enhancing microglial phagocytosis analysis through deep learning 2025-Nov-17, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2025.101207 PMID:41109218	研究论文	本研究开发了一种基于U-Net的深度学习模型AIstain，用于增强小胶质细胞吞噬作用的图像分析	利用U-Net神经网络进行图像细胞计数，相比传统活细胞染色及现有分割工具（如SAM2和Cellpose 3），在细胞检测方面表现出更优性能，且模型可扩展至其他细胞类型	未明确说明模型在多样化或临床样本中的泛化能力，以及可能存在的计算资源需求	提高小胶质细胞吞噬作用的分析精度，简化实验流程，以促进神经生物学研究	小鼠小胶质细胞，并扩展至白血病细胞和乳腺癌细胞	计算机视觉	神经系统疾病	图像细胞计数，活细胞成像	CNN	图像	未明确指定样本数量，但提及生成了大量数据集用于训练	未指定，但基于U-Net架构	U-Net	未明确指定，但提及在细胞检测方面性能优越	未明确指定
1639	2025-12-04	Inferring binding specificities of human transcription factors with the wisdom of crowds 2025-Nov-17, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.16.688692 PMID:41332515	研究论文	本文报道了IBIS挑战赛的结果，该挑战赛旨在通过多实验数据构建人类转录因子结合特异性模型，并评估不同机器学习方法在DNA基序建模中的表现	组织了最大的开放社区挑战赛IBIS，通过大规模基准测试比较了深度学习模型与传统位置权重矩阵在转录因子结合特异性建模中的性能	研究主要关注人类转录因子，可能未涵盖其他物种或更广泛的DNA结合蛋白，且挑战赛数据虽丰富但仍有改进空间	评估和比较不同计算方法在推断人类转录因子结合特异性方面的效果	人类转录因子的结合特异性模型	生物信息学	NA	多实验数据整合分析	深度学习模型, 位置权重矩阵, 其他机器学习方法	DNA序列数据	NA	NA	NA	基准测试评估	NA
1640	2025-12-04	Vitiligo Signature-Based Drug Screening Identifies Fulvestrant as a Novel Immunotherapy Combination Strategy 2025-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202503979 PMID:40974370	研究论文	本研究通过比较白癜风与黑色素瘤，建立了一个基于白癜风特征的生物标志物面板，用于区分“冷”与“热”肿瘤，并利用深度学习预测系统识别出Fulvestrant作为增强抗PD-L1治疗的候选药物	提出了一种基于白癜风特征的精准患者分层方法，并首次将Fulvestrant鉴定为一种新型免疫治疗组合策略，通过激活CCL5、MHC I和IFN II信号通路增强抗肿瘤免疫	研究主要基于临床前模型，尚未进行大规模临床评估，且Fulvestrant在人类患者中的安全性和有效性需进一步验证	开发一种提高免疫治疗响应率的精准策略，并探索增强抗PD-L1治疗效果的药物组合	黑色素瘤患者、白癜风患者、临床前肿瘤模型	机器学习	黑色素瘤	单细胞RNA测序、免疫荧光、流式细胞术	深度学习	基因表达数据、单细胞RNA测序数据、免疫组化数据	未明确指定样本数量，涉及临床前模型和患者数据	未明确指定	未明确指定	准确性	未明确指定