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
1641	2025-12-09	AI-enhanced orthodontic treatment planning - a scoping review on evidence-based clinical application with commercial software overview 2025-Dec, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106112 PMID:40975160	综述	本文是一篇范围综述，旨在识别关于AI增强正畸治疗规划工具的证据基础研究，并评估其临床相关性和商业软件的可用性	系统性地综述了AI在正畸治疗规划中的应用，并对比了学术验证工具与商业软件之间的差异，强调了商业工具缺乏公开验证的现状	仅纳入了截至2025年2月的英文全文研究，可能存在发表偏倚，且商业软件普遍缺乏已发表的验证数据	评估AI增强正畸治疗规划工具的临床证据基础、应用潜力及商业软件的现状	正畸治疗规划中基于AI的决策支持工具，包括学术研究验证的工具和商业软件	自然语言处理, 机器学习	正畸疾病	机器学习, 深度学习, 大语言模型	大语言模型, 机器学习模型, 深度学习模型	文本, 临床数据（如口内扫描）	17项符合纳入标准的研究（从307项研究中筛选）	NA	NA	准确率（72% 至 95%）	NA
1642	2025-12-09	Types, functions, and mechanisms of machine learning for personalizing smoking cessation interventions: A systematic scoping review 2025-Dec, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103274 PMID:41005038	综述	本文通过系统性范围综述，探讨了机器学习在个性化戒烟干预中的类型、功能和机制	首次系统性地综述了机器学习在个性化戒烟干预中的潜在应用，并明确了其类型、功能与机制	现有研究存在局限性，未来需通过更稳健的实验方法对模型进行精炼、验证和测试	系统梳理机器学习在个性化戒烟干预中的应用类型、功能与机制，为未来研究提供建议	机器学习在戒烟干预中的个性化应用	机器学习	NA	机器学习	人工神经网络, 贝叶斯算法, 聚类算法, 决策树算法, 深度学习算法, 集成算法, 线性分类器, 其他, 未指定	NA	从4073条记录中筛选出98篇文章	NA	NA	NA	NA
1643	2025-12-09	Deep learning in abdominopelvic digital subtraction angiography: a systematic review of interventional radiology applications 2025-Dec, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112456 PMID:41016082	系统综述	本文系统综述了深度学习在腹盆部数字减影血管造影介入放射学应用中的现状、性能及文献空白	首次系统性地评估了深度学习在腹盆部DSA介入放射学应用中的研究进展，并识别了现有文献中的研究缺口	纳入研究数量有限（仅9项），且大多数模型基于单中心小数据集开发，泛化能力受限，目前尚无FDA批准的DL工具用于腹盆部DSA	评估深度学习在腹盆部数字减影血管造影介入放射学应用中的现状与性能	腹盆部数字减影血管造影图像	介入放射学	NA	数字减影血管造影	深度学习	医学图像	小规模单中心数据集	NA	NA	AUC, 准确率	NA
1644	2025-12-09	Automated detection of pyogenic liver abscess and diagnosis of Klebsiella pneumoniae infection based on CECT images with deep learning: A multicenter study 2025-Dec, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112462 PMID:41072135	研究论文	本研究开发并验证了一个基于深度学习的AI系统（PLADA），用于从CECT图像中自动检测肝脓肿并诊断肺炎克雷伯菌感染	提出了一个模拟临床工作流程的两阶段AI框架，首次结合V-Net自动分割和放射组学特征进行KPLA诊断，并在多中心研究中进行了验证	研究基于回顾性、单国家数据集，可能限制模型的泛化能力	开发一种准确、非侵入性的方法，用于在资源有限环境中早期诊断肺炎克雷伯菌肝脓肿	肝脓肿患者	数字病理学	肝脓肿	对比增强计算机断层扫描	深度学习, 机器学习	医学影像	492名肝脓肿患者	未明确说明	V-Net	Dice系数, AUC, 敏感性, 特异性	NA
1645	2025-12-09	Multimodal deep learning model for predicting microsatellite instability in colorectal cancer by contrast-enhanced computed tomography and histopathology 2025-Dec, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112468 PMID:41101004	研究论文	本研究开发并验证了一个融合术前增强CT和术后全切片图像的多模态深度学习模型，用于预测结直肠癌的微卫星不稳定性状态	提出了一种融合静脉期CT和病理图像特征的自适应残差网络模型，实现了跨模态信息整合，并在多中心数据上验证了其优于单模态和替代融合模型的性能	研究为回顾性设计，样本量相对有限，且仅使用了静脉期CT图像	开发一个可临床扩展的工具，用于预测结直肠癌的微卫星不稳定性状态，以支持患者分层和免疫治疗决策	结直肠癌患者	数字病理学	结直肠癌	对比增强计算机断层扫描，全切片图像	深度学习	图像	305名结直肠癌患者的配对CECT和WSI图像	NA	EfficientNet-b0, ResNet 101, 自适应残差网络	AUC, 准确率, 灵敏度, 特异性, F1分数	NA
1646	2025-12-09	Metabolomic biomarkers enhance prediction of feeding intolerance in ICU septic patients 2025-Dec, Clinics and research in hepatology and gastroenterology IF:2.6Q2 DOI:10.1016/j.clinre.2025.102731 PMID:41207616	研究论文	本研究通过整合代谢组学与临床数据，开发了一种深度学习模型，以改善ICU脓毒症患者肠内喂养不耐受的预测	首次将血清代谢组学标志物与临床风险因素结合，构建了预测脓毒症患者喂养不耐受的深度学习模型，显著提升了预测性能	样本量较小（60例患者），且缺乏外部验证，临床推广应用前需进一步验证	提高ICU脓毒症患者肠内喂养不耐受的预测准确性	脓毒症患者（包括喂养不耐受组和耐受组）及健康对照	机器学习	脓毒症	液相色谱-质谱联用	深度学习算法	代谢组学数据、临床数据	60例脓毒症患者（30例喂养不耐受，30例耐受）及20例健康对照	NA	NA	AUC, 准确率, 精确率, F1分数, 净重分类指数, 综合判别改善指数	NA
1647	2025-12-09	Artificial intelligence in echocardiography: current applications and future perspectives 2025-Dec, Journal of echocardiography IF:1.4Q3 DOI:10.1007/s12574-025-00703-0 PMID:40839151	综述	本文综述了人工智能在超声心动图领域的当前应用与未来展望	系统总结了AI如何通过机器学习，特别是深度学习，提升超声心动图的图像采集、解读和诊断准确性，并探讨了其作为辅助工具而非替代人类专家的角色	存在数据偏见、跨人群和设备泛化性有限、AI模型“黑箱”特性以及伦理问题（如数据隐私和数字技术获取不平等）等挑战	探讨人工智能在超声心动图领域的应用现状、挑战及未来发展方向	超声心动图技术及其在临床诊断中的应用	医学影像分析	心血管疾病	NA	深度学习	图像	NA	NA	NA	准确性	NA
1648	2025-12-09	Diagnostic accuracy of AI-based models for autism spectrum disorder: A systematic review and meta-analysis with a focus on Arab populations 2025-Dec, Research in developmental disabilities IF:2.9Q1 DOI:10.1016/j.ridd.2025.105166 PMID:41270703	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了基于人工智能（AI）的模型在自闭症谱系障碍（ASD）诊断中的准确性，特别关注阿拉伯人群	这是首个针对AI在ASD诊断中应用的系统综述与荟萃分析，并特别聚焦于阿拉伯人群，揭示了混合模型（深度特征提取器与经典分类器结合）的优越性能	研究仅纳入2019年至2025年间的文献，可能存在发表偏倚；对阿拉伯人群的分析样本量相对有限，且文化、语言因素对模型性能的影响仍需进一步探讨	评估基于AI的模型在自闭症谱系障碍（ASD）诊断中的准确性，并特别关注阿拉伯人群，同时评价方法学质量及文化因素对模型性能的潜在影响	自闭症谱系障碍（ASD）患者，特别是阿拉伯人群	机器学习	自闭症谱系障碍	监督式人工智能系统、机器学习（ML）、深度学习（DL）	混合模型（深度特征提取器与经典分类器结合）、传统机器学习模型、深度学习模型	NA	26,569个实例（来自10项研究，共59个模型评估）	NA	NA	灵敏度、特异度、似然比、诊断比值比（DOR）	NA
1649	2025-12-09	THE UTILITY OF DEEP LEARNING MODEL IN CLINICAL TREATMENT DECISION-MAKING OF MANDIBULAR THIRD MOLAR: A SYSTEMATIC REVIEW AND META-ANALYSIS 2025-Dec, The journal of evidence-based dental practice IF:4.1Q1 DOI:10.1016/j.jebdp.2025.102164 PMID:41290278	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了深度学习在下颌第三磨牙临床治疗决策中的效用	首次通过荟萃分析量化比较深度学习模型与人类专家在评估下颌第三磨牙与下牙槽神经空间关系方面的诊断性能	纳入研究存在异质性，且部分研究可能存在偏倚，深度学习模型在临床实际应用中的泛化能力仍需进一步验证	评估深度学习在医学影像中改善下颌第三磨牙相关临床程序的有效性	下颌第三磨牙的影像数据及其与下牙槽神经的解剖关系	数字病理	口腔颌面外科疾病	医学影像分析	深度学习模型	口腔全景X光片	45,029个影像实例	NA	NA	敏感性, 特异性	NA
1650	2025-12-09	Machine learning and deep learning in clinical practice: Advancing neurodegenerative disease diagnosis with multimodal markers 2025-Dec-01, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111667 PMID:41338440	综述	本文综述了机器学习和深度学习在神经退行性疾病诊断与管理中的应用，重点探讨了多模态生物标志物的整合及其临床转化潜力	系统梳理了AI在神经退行性疾病多模态数据（神经影像、电生理、行为、言语、分子标志物）中的应用，并前瞻性地讨论了联邦学习、可解释AI和大语言模型等新兴方向	面临数据异质性、模型可解释性不足、人群多样性缺乏以及患者隐私伦理等挑战	探讨人工智能（特别是机器学习）在神经退行性疾病精准诊断与治疗中的应用现状与未来方向	神经退行性疾病（阿尔茨海默病、帕金森病、亨廷顿病、多发性硬化症）	机器学习	神经退行性疾病	NA	机器学习, 深度学习	多模态数据（神经影像、电生理、行为功能、言语与笔迹分析、分子生物标志物）	NA	NA	NA	诊断准确性	NA
1651	2025-12-09	DeepPartitioning: Deep Learning of Graph Partitioning for Neuron Segmentation From Electron Microscopy Volume via Graph Neural Network 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3581433 PMID:40536855	研究论文	本文提出了一种基于深度学习的图划分方法DeepPartitioning，用于电子显微镜体积中的神经元分割，通过图神经网络实现端到端的超像素聚合	通过引入线图神经网络（LGNN）来捕获区域邻接图中的高阶关系结构，将图划分任务隐式转化为二阶多割问题，避免了传统方法因模型容量不足导致的建模误差	未在摘要中明确提及	开发一种端到端的超像素聚合方法，以改进电子显微镜体积中的神经元分割	电子显微镜体积中的神经元分割任务	计算机视觉	NA	电子显微镜成像	图神经网络	图像体积	三个公共电子显微镜数据集	NA	线图神经网络	NA	NA
1652	2025-12-09	Transforming Vitiligo Diagnosis and Treatment Through Artificial Intelligence: A Review 2025-Dec, Scandinavian journal of immunology IF:4.1Q2 DOI:10.1111/sji.70076 PMID:41354974	综述	本文综述了人工智能（AI）在白癜风诊断与治疗中的当前应用、最新进展及面临的挑战	系统性地总结了AI在白癜风领域的应用，包括超越皮肤科医生准确率的诊断工具、基于Transformer的图像分类器、以及用于药物重定位的预测模型，并指出了该领域未来的发展方向	面临数据集规模小、多样性不足（尤其是深色皮肤样本缺乏）、模型可解释性差、伦理问题（患者隐私、数据所有权、诊断错误责任）以及临床工作流整合困难等挑战	探讨人工智能技术如何变革白癜风的诊断与治疗，并分析其临床应用的潜力与障碍	白癜风（一种皮肤自身免疫性疾病）	数字病理学	白癜风	机器学习（ML）、深度学习（DL）、基因表达分析、蛋白质相互作用分析、药理学网络分析	深度学习神经网络、Transformer	图像、基因表达数据、蛋白质相互作用数据、药理学网络数据	NA	NA	深度神经网络、Transformer	准确率	NA
1653	2025-12-09	Artificial Intelligence in Action: A Comprehensive Review on Machine and Deep Learning Methods in Sjögren's Syndrome Diagnosis 2025-Dec, International journal of rheumatic diseases IF:2.4Q2 DOI:10.1111/1756-185x.70495 PMID:41355043	综述	本文全面回顾了人工智能，特别是机器学习和深度学习方法，在提高干燥综合征诊断准确性方面的应用	系统性地整合了AI在干燥综合征多种诊断模式（包括组织病理学、影像学、光谱学、基因组学、代谢组学和电子健康记录）中的应用，并强调了其统一多源数据、实现快速、客观和个性化诊断的潜力	本文为综述性文章，未报告原始研究的具体局限性，但文中提及的AI方法在资源有限环境中的应用潜力仍需进一步验证	探讨人工智能技术在干燥综合征诊断领域的应用现状、进展和潜力	干燥综合征的诊断方法及相关数据	机器学习	干燥综合征	组织病理学分析、唾液腺超声、计算机断层扫描、拉曼光谱、舌成像、基因组学分析、代谢组学分析、电子健康记录分析	机器学习分类器, 深度学习模型	组织病理学图像、医学影像、光谱数据、舌图像、基因组数据、代谢组数据、电子健康记录文本	NA	NA	NA	NA	NA
1654	2025-12-09	Novel antimicrobial peptides against Pseudomonas aeruginosa: in silico design and experimental validation 2025-Nov-28, Journal of applied microbiology IF:3.2Q2 DOI:10.1093/jambio/lxaf287 PMID:41258863	研究论文	本研究通过深度学习和分子对接技术设计并验证了针对铜绿假单胞菌的新型抗菌肽	利用基于Transformer的深度学习模型TACaPe生成抗菌肽序列，并结合分子对接分析靶向群体感应受体，实验验证了其抗菌和抗生物膜活性以及与美罗培南的协同作用	研究仅针对铜绿假单胞菌ATCC® 27853菌株进行体外测试，未涉及体内实验或更广泛的临床菌株验证	设计和评估具有抗菌和抗生物膜活性的新型抗菌肽，以对抗铜绿假单胞菌感染	铜绿假单胞菌及其群体感应受体（LasR、RhlR、PqsR）	机器学习	细菌感染	深度学习、分子对接、体外抗菌测试、溶血和细胞毒性实验	Transformer	肽序列数据	5种合成抗菌肽，针对铜绿假单胞菌ATCC® 27853菌株进行测试	NA	TACaPe（基于Transformer的深度学习模型）	结合亲和力、最小抑菌浓度（MIC）、生物膜抑制效果、溶血和细胞毒性	NA
1655	2025-12-09	Deep Learning Architectures for Code-Modulated Visual Evoked Potentials Detection 2025-Nov-26, ArXiv PMID:41356065	研究论文	本研究提出并评估了多种深度学习架构，用于检测基于代码调制视觉诱发电位的非侵入性脑机接口中的信号解码	引入了基于Siamese网络的相似性解码方法，并采用Earth Mover's Distance等距离度量提升对时序变化的鲁棒性，结合时间数据增强技术改善跨会话泛化能力	研究仅涉及13名健康成年人的数据，样本规模较小，且未在临床患者或更复杂环境中验证	开发高鲁棒性的解码方法以应对脑电图信号中的时序变异性和会话依赖性噪声，提升非侵入性脑机接口的可靠性	健康成年人的脑电图信号，特别是代码调制视觉诱发电位	机器学习	NA	脑电图记录，单目标闪烁刺激	CNN, Siamese网络	脑电图信号	13名健康成年人	NA	卷积神经网络，Siamese网络	准确率	NA
1656	2025-12-09	Can artificial intelligence accurately predict the risk of hematoma expansion in intracerebral hemorrhage? A systematic review and Meta-analysis of 7,665 patients 2025-Nov-24, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-025-03901-7 PMID:41276709	系统综述与Meta分析	本研究通过系统综述和Meta分析评估了人工智能模型在预测脑出血患者血肿扩大风险中的有效性	首次对人工智能模型（特别是机器学习和深度学习）在预测脑出血血肿扩大方面的性能进行了全面的系统综述和Meta分析，并比较了自发性脑出血与创伤性脑损伤相关脑出血的预测效果	研究间存在高度异质性，限制了结果的稳健性，且需要标准化的影像协议和严格的外部验证才能进行临床实施	评估人工智能模型在预测脑出血患者血肿扩大风险中的有效性	脑出血患者	机器学习	脑出血	NA	机器学习, 深度学习	NA	7,665名患者	NA	NA	灵敏度, 特异度, AUC, 阳性似然比, 阴性似然比, 诊断比值比	NA
1657	2025-12-09	Improving Performance, Robustness, and Fairness of Radiographic AI Models with Finely-Controllable Synthetic Data 2025-Nov-24, Research square DOI:10.21203/rs.3.rs-7687810/v1 PMID:41356360	研究论文	本文介绍了一种名为RoentGen-v2的文本到图像扩散模型，用于生成具有精细控制放射学发现和患者人口统计学属性的胸部X光片，并通过合成数据预训练策略提升下游疾病分类模型的性能、鲁棒性和公平性	首次提出能够显式控制人口统计学属性（如性别、年龄、种族/民族）生成临床合理胸部X光片的扩散模型，并设计了一种利用合成数据进行监督预训练再在真实数据上微调的新训练策略	NA	开发临床可部署的深度学习模型，以提升诊断影像模型的性能、鲁棒性和公平性	胸部X光片	计算机视觉	NA	文本到图像扩散模型	扩散模型	图像	超过565,000张合成图像和超过137,000张来自五个机构的真实胸部X光片	NA	RoentGen-v2	准确率, 公平性差距	NA
1658	2025-12-09	Transforming Surgical Training With AI Techniques for Training, Assessment, and Evaluation: Scoping Review 2025-Nov-18, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/58966 PMID:41252719	综述	本文是一篇范围综述，探讨了人工智能（AI）在外科培训、评估和评价中的应用现状与潜力	系统性地梳理了2020年至2024年间AI在外科培训领域的最新应用，识别了主要技术、手术类型和培训设置，并指出了自动化技能评估、个性化反馈和自适应学习路径等创新机会	研究设计异质性大，结果指标缺乏可比性；算法透明度不足；样本量普遍较小；缺乏标准化的评估指标和充分的外部验证	旨在确定AI技术如何通过数据驱动的洞察和预测分析来增强学员的学习路径和表现，并审视该领域AI算法的现状与应用，识别未来研究方向	聚焦于外科培训、评估和评价中应用AI的研究	机器学习	NA	机器学习，聚类分析，深度学习，卷积神经网络，支持向量机	机器学习，深度学习，CNN，支持向量机	NA	共分析了56项符合纳入标准的研究	NA	卷积神经网络	NA	NA
1659	2025-12-09	Foundation Model for Predicting Prognosis and Adjuvant Therapy Benefit From Digital Pathology in GI Cancers 2025-Nov-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-01501 PMID:40168636	研究论文	本研究开发了一种基于数字病理图像的基础AI模型，用于预测胃肠道癌症患者的预后和辅助化疗获益	利用自监督学习在超过130万个图像块上训练基础模型，并在多国队列中验证其预测生存结果和辅助化疗获益的能力	需要前瞻性验证以确认其临床适用性	开发并验证一种基于数字病理图像的AI模型，用于预测胃肠道癌症患者的预后和辅助化疗获益	胃肠道癌症患者，包括胃癌、食管癌和结直肠癌	数字病理	胃肠道癌症	苏木精和伊红染色组织病理学	深度学习	图像	104,876张全切片图像，涉及1,619名胃癌和食管癌患者及2,594名结直肠癌患者	NA	NA	一致性指数，5年生存率	NA
1660	2025-12-09	Deep Learning for RNA Secondary Structure Determination: Gauging Generalizability and Broadening the Scope of Traditional Methods 2025-Nov-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.04.686644 PMID:41278894	综述	本文探讨了深度学习在RNA二级结构预测中的应用，评估了方法的泛化能力并扩展了传统方法的范围	使用从蛋白质数据库（PDB）中整理的新基准数据集来评估方法泛化性，并讨论了深度学习在预测结构探测数据方面的应用	已知RNA结构的多样性和数量有限，可能导致预测与训练数据显著不同的结构时准确性不足，即泛化差距问题	评估深度学习在RNA二级结构预测中的泛化能力，并探索如何整合传统方法与现代神经网络	RNA二级结构预测方法，特别是深度学习与传统计算方法的比较与整合	机器学习	NA	RNA结构预测，结构探测数据预测	深度学习模型	RNA结构数据，结构探测数据	从蛋白质数据库（PDB）中整理的RNA结构基准数据集	NA	NA	泛化能力评估	NA