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
16681	2025-10-07	Discovery and characterization of novel FGFR1 inhibitors in triple-negative breast cancer via hybrid virtual screening and molecular dynamics simulations 2024-09, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2024.107553 PMID:38901279	研究论文	本研究通过混合虚拟筛选和分子动力学模拟发现并表征了新型FGFR1抑制剂，用于三阴性乳腺癌治疗	开发了结合深度学习与分子对接的混合虚拟筛选方法，发现了具有纳摩尔级抑制活性的新型化合物	研究主要基于计算机模拟和体外实验，尚未进行体内动物模型验证	开发针对三阴性乳腺癌FGFR1靶点的有效抑制剂	FGFR1蛋白及其V561M突变体，三阴性乳腺癌细胞系	计算生物学	三阴性乳腺癌	虚拟筛选，分子对接，分子动力学模拟，HTRF生物测定	深度学习，分子对接	分子结构数据，生物活性数据	NA	KarmaDock, Schrödinger	NA	IC50值	NA
16682	2025-10-07	Simple models vs. deep learning in detecting low ejection fraction from the electrocardiogram 2024-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztae034 PMID:39081946	研究论文	比较简单模型与深度学习模型在心电图检测低射血分数方面的性能	证明基于标准心电图测量的简单模型可以达到与深度学习模型相近的性能，且更易于临床部署和解释	研究基于观察性数据集，需要进一步验证在更广泛人群中的适用性	评估简单模型与深度学习模型在检测左心室收缩功能障碍方面的准确性和可移植性	心电图波形和经胸超声心动图匹配数据	机器学习	心血管疾病	心电图测量，超声心动图	随机森林, 逻辑回归, 深度学习	心电图波形，测量数据	40,994对匹配的心电图和超声心动图（斯坦福大学医学中心），外加哥伦比亚医学中心和英国生物银行的外部验证数据	NA	NA	AUC	NA
16683	2025-10-07	Fluorescence excitation-scanning hyperspectral imaging with scalable 2D-3D deep learning framework for colorectal cancer detection 2024-06-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64917-5 PMID:38926431	研究论文	开发用于结直肠癌检测的荧光激发扫描高光谱成像与可扩展深度学习框架	提出新型荧光激发扫描高光谱成像方法，结合可调节速度/性能权衡的端到端AI框架，提供AI决策过程的可解释性可视化	高维数据带来的处理、解释和分类挑战	提升结直肠癌病变检测的准确性和实时分析能力	结直肠癌组织样本	计算机视觉	结直肠癌	荧光激发扫描高光谱成像	深度学习	高光谱图像	NA	NA	NA	分类准确率	NA
16684	2025-10-07	Deep Learning Phenotyping of Tricuspid Regurgitation for Automated High Throughput Assessment of Transthoracic Echocardiography 2024-Jun-24, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.22.24309332 PMID:38978651	研究论文	开发用于经胸超声心动图自动高通量评估三尖瓣反流的深度学习表型分析流程	首个用于三尖瓣反流自动检测和分层的深度学习流程，在两个不同医疗系统中验证	研究数据来自特定医疗中心，需在更广泛人群中验证	开发自动化三尖瓣反流评估系统，实现高通量筛查	经胸超声心动图视频数据	计算机视觉	心血管疾病	超声心动图，彩色多普勒	深度学习	视频	训练集：47,312项研究（2,079,898个视频）；测试集：CSMC 2,462项研究（108,138个视频），SHC 5,549项研究（278,377个视频）	NA	NA	AUC, 敏感性, 特异性	NA
16685	2025-10-07	Deep learning evaluation of echocardiograms to identify occult atrial fibrillation 2024-Apr-13, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01090-z PMID:38615104	研究论文	使用深度学习算法分析经胸超声心动图视频来识别隐匿性心房颤动	开发了两阶段深度学习算法，不仅能区分窦性心律和房颤，还能预测窦性心律患者90天内发生房颤的风险	模型在预测隐匿性房颤时的AUPRC相对较低(0.19)，表明在正样本较少的情况下性能有限	通过深度学习技术实现房颤的早期筛查和识别	经胸超声心动图视频数据	计算机视觉	心血管疾病	经胸超声心动图	CNN	视频	111,319个TTE视频用于训练，10,203个TTE视频用于外部验证	NA	基于视频的卷积神经网络	AUC, AUPRC	NA
16686	2025-10-07	Deep Learning to Estimate Cardiovascular Risk From Chest Radiographs : A Risk Prediction Study 2024-04, Annals of internal medicine IF:19.6Q1 DOI:10.7326/M23-1898 PMID:38527287	研究论文	开发并验证一种基于胸部X光片预测10年主要不良心血管事件风险的深度学习模型	首次利用常规胸部X光片通过深度学习直接预测心血管风险，为无法计算传统风险评分的患者提供补充评估方法	基于电子医疗记录的回顾性研究设计	开发从常规胸部X光片估计10年心血管风险的深度学习模型	符合初级心血管预防条件的门诊患者	计算机视觉	心血管疾病	深度学习	深度学习模型	胸部X光图像	开发集来自癌症筛查试验数据，外部验证集包括8869名未知ASCVD风险患者和2132名已知风险患者	NA	CXR CVD-Risk	风险比, 置信区间	NA
16687	2025-10-07	Automatic end-to-end VMAT treatment planning for rectal cancers 2024-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14259 PMID:38317597	研究论文	开发并临床评估用于直肠癌VMAT治疗的端到端自动分割与自动计划系统	首次将自动分割和自动计划整合为完整的端到端流程，仅需肿瘤大体体积轮廓和CT扫描作为输入	大、小肠区分困难，端到端流程的医生接受率存在差异（88%和62%）	实现直肠癌VMAT治疗的自动化计划流程	直肠恶性肿瘤患者	数字病理	直肠癌	容积旋转调强放疗(VMAT)	深度学习	CT扫描图像	CTV分割174例患者，其他结构18例患者，计划评估20+34+16例患者	nnU-Net	nnU-Net	Dice相似系数, 95% Hausdorff距离, 李克特五分量表评分	NA
16688	2025-10-07	Prospective Evaluation of Automated Contouring for CT-Based Brachytherapy for Gynecologic Malignancies 2024-Apr, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2023.101417 PMID:38435965	研究论文	评估深度学习自动勾画在妇科恶性肿瘤CT引导近距离放疗中的准确性和效率	首次前瞻性评估自动勾画在妇科放疗临床实践中的应用效果	样本量较小（30例自动勾画组 vs 31例手动勾画组），单中心研究	评估自动勾画危及器官在妇科近距离放疗计划中的临床应用价值	妇科恶性肿瘤患者	数字病理	妇科恶性肿瘤	CT引导近距离放疗	深度学习	CT图像	61例患者（30例自动勾画组，31例手动勾画组）	NA	NA	Likert评分，Dice相似系数，平均表面距离，95% Hausdorff距离，Hausdorff距离，剂量体积直方图指标	NA
16689	2025-10-07	Deep learning for transesophageal echocardiography view classification 2024-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-50735-8 PMID:38167849	研究论文	本研究开发了一种基于深度学习的经食管超声心动图视图分类模型，用于对术中及术中TEE影像数据进行结构化处理	首次开发了针对术中及术中TEE影像的多类别视图分类深度学习模型，并在两个独立医疗中心进行了外部验证	NA	解决TEE影像复杂非结构化特性对深度学习应用的限制，实现标准化TEE视图的自动分类	经食管超声心动图影像数据	计算机视觉	心血管疾病	经食管超声心动图成像	CNN	视频	来自Cedars-Sinai医学中心和斯坦福大学医学中心的术中及术中TEE视频	NA	NA	AUC	NA
16690	2025-03-01	Commentary on "A systematic review on machine learning and deep learning techniques in cancer survival prediction": Validation of survival methods 2023-10, Progress in biophysics and molecular biology DOI:10.1016/j.pbiomolbio.2023.08.001 PMID:37579795	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
16691	2025-10-07	A deep learning-based electrocardiogram risk score for long term cardiovascular death and disease 2023-Sep-12, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00916-6 PMID:37700032	研究论文	开发基于深度学习的静息心电图风险评分模型SEER，用于预测长期心血管死亡和疾病风险	首次证明仅使用静息心电图即可通过深度学习准确预测长期心血管死亡率，且仅需单导联心电图即可实现高性能预测	模型在预测动脉粥样硬化疾病方面的性能相对较低（AUC 0.67），且仅在美国三家医疗中心进行验证	开发基于心电图的心血管风险预测工具以改善风险分层和医疗决策	心电图数据和心血管疾病患者	医疗人工智能	心血管疾病	心电图检测	CNN	心电图信号	斯坦福大学医学中心收集的大规模静息12导联心电图数据集	NA	深度卷积神经网络	AUC	NA
16692	2025-10-07	Prediction of Coronary Artery Calcium Using Deep Learning of Echocardiograms 2023-05, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2022.12.014 PMID:36566995	研究论文	本研究开发了一种基于视频的深度学习模型，通过经胸超声心动图视频预测冠状动脉钙化评分	首次使用经胸超声心动图视频结合深度学习技术预测冠状动脉钙化评分，为无法进行CT检查的患者提供了替代方案	样本量相对有限，外部验证集仅包含92例TTE视频，需要更大规模的研究验证	探索使用广泛可用的经胸超声心动图替代CT扫描进行冠状动脉钙化评估的可行性	冠状动脉钙化患者	计算机视觉	心血管疾病	经胸超声心动图，冠状动脉钙化CT	CNN	视频	2,881个TTE视频与冠状动脉钙化CT配对数据，外部验证集92个TTE视频	NA	卷积神经网络	AUC, F1分数, 精确召回曲线, 接收者操作特征曲线	NA
16693	2025-10-07	High-Throughput Precision Phenotyping of Left Ventricular Hypertrophy With Cardiovascular Deep Learning 2022-04-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2021.6059 PMID:35195663	研究论文	本研究开发了一种深度学习工作流程，用于自动量化心室肥厚并预测左心室壁增厚的原因	开发了全自动深度学习工作流程，能够精确测量左心室尺寸并区分不同原因的心室肥厚，相比人工专家具有更高的可重复性和精确度	研究基于回顾性数据，需要在前瞻性研究中进一步验证	评估深度学习工作流程在量化心室肥厚和预测左心室壁增厚原因方面的准确性	左心室肥厚患者，特别是肥厚型心肌病和心脏淀粉样变性患者	医学影像分析	心血管疾病	超声心动图视频分析	深度学习	超声心动图视频	23745名患者，包括斯坦福医疗保健和CSMC的胸骨旁长轴视频和心尖四腔视频	NA	NA	平均绝对误差(MAE), AUC, R2	NA
16694	2025-10-07	Using deep learning to study emotional behavior in rodent models 2022, Frontiers in behavioral neuroscience IF:2.6Q3 DOI:10.3389/fnbeh.2022.1044492 PMID:36483523	综述	探讨深度学习技术在啮齿类动物情绪行为研究中的应用及不同模型架构的影响	系统比较监督、无监督和自监督学习方法在动物行为分析中的优劣，建立行为状态表征与神经活动的关联框架	未提供具体实验数据验证，属于方法论讨论而非实证研究	研究深度学习如何提升动物情绪行为分析的客观性和效率	啮齿类动物的情绪相关行为（焦虑、社交互动、奖赏和应激反应）	计算机视觉	NA	视频姿态估计	深度学习	视频	NA	NA	NA	NA	NA
16695	2025-03-01	Systematic Quantification of Sources of Variation in Ejection Fraction Calculation Using Deep Learning 2021-11, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2021.06.018 PMID:34274282	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
16696	2025-02-28	Identification of an ANCA-associated vasculitis cohort using deep learning and electronic health records 2025-Apr, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105797 PMID:39864108	研究论文	本研究利用深度学习和电子健康记录（EHR）识别ANCA相关性血管炎（AAV）病例，提出了一种比传统方法更准确的病例识别模型	首次使用深度学习模型分析EHR数据来识别AAV病例，相比传统基于规则的方法，能够发现更多遗漏的病例	模型在测试队列中的阳性预测值（PPV）较低（0.262），可能影响其在实际应用中的可靠性	开发一种基于深度学习的模型，用于从电子健康记录中准确识别ANCA相关性血管炎（AAV）病例	电子健康记录（EHR）中的临床文档	自然语言处理	血管炎	深度学习	分层注意力网络（HAN）	文本	三个数据集分别包含6000、3008和7500个注释部分，测试队列包含2000个样本	NA	NA	NA	NA
16697	2025-02-28	Hip prosthesis failure prediction through radiological deep sequence learning 2025-Apr, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105802 PMID:39884035	研究论文	本研究开发了基于多张连续X光片的人工智能模型，用于预测髋关节假体失败	首次结合时间序列和空间信息，利用多张连续X光片进行髋关节假体失败预测	外部验证集的样本量较小（14例患者），可能影响模型的泛化能力	开发基于多张连续X光片的人工智能模型，用于预测髋关节假体失败	224名患者的髋关节X光片序列	计算机视觉	骨科疾病	深度学习	CNN（卷积神经网络）与GRU（门控循环单元）或LSTM（长短期记忆网络）结合	X光片图像	224名患者的X光片序列，其中14名用于外部验证	NA	NA	NA	NA
16698	2025-02-28	Deep learning based prediction of depression and anxiety in patients with type 2 diabetes mellitus using regional electronic health records 2025-Apr, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105801 PMID:39889672	研究论文	本研究开发并验证了一个深度学习模型REDAPM，利用区域电子健康记录（EHR）数据预测2型糖尿病患者中的抑郁和焦虑	REDAPM模型首次整合了区域异构EHR数据，包括结构化和非结构化数据，捕捉临床事件的时间依赖性，显著提升了预测性能	研究依赖于特定区域（南京）的EHR数据，可能限制了模型的普适性	开发并验证一个深度学习模型，用于预测2型糖尿病患者中的抑郁和焦虑	2型糖尿病患者	机器学习	糖尿病	深度学习	REDAPM	电子健康记录（EHR）数据	内部验证数据集包含24,724名患者，外部验证数据集包含34,340名患者	NA	NA	NA	NA
16699	2025-02-03	A deep learning model for QRS delineation in organized rhythms during in-hospital cardiac arrest 2025-Apr, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105803 PMID:39891984	研究论文	本文介绍了一种新的深度学习模型，用于在院内心脏骤停期间准确描绘有组织心律中的QRS复合波	提出了一种基于U-Net模型的深度学习方法，首次在心脏骤停心律中测试并准确描绘QRS复合波	未提及具体局限性	提高在院内心脏骤停期间QRS复合波的准确描绘，以支持临床诊断和治疗策略优化	院内心脏骤停患者和血流动力学稳定的患者	数字病理学	心血管疾病	深度学习	U-Net	ECG信号	332次院内心脏骤停事件（151815个QRS复合波）和105名血流动力学稳定的患者（112497个QRS复合波）	NA	NA	NA	NA
16700	2025-10-07	Randomized controlled trial of an artificial intelligence diagnostic system for the detection of esophageal squamous cell carcinoma in clinical practice 2025-Mar, Endoscopy IF:11.5Q1 DOI:10.1055/a-2421-3194 PMID:39317205	研究论文	评估人工智能诊断系统在临床实践中检测食管鳞状细胞癌效果的前瞻性随机对照试验	首个在临床环境中评估AI系统辅助内镜医师检测食管鳞癌的前瞻性随机对照研究	单中心研究，样本量有限，未能证明AI系统显著提高癌症检出率	确定AI系统在临床环境中如何帮助内镜医师检测食管鳞状细胞癌	接受食管胃十二指肠镜检查的食管鳞癌高危患者	计算机视觉	食管癌	白光成像，窄带成像，碘染色	深度学习系统	内镜图像	320名患者	NA	NA	检出率	NA