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
161	2026-06-19	What does it take to learn the rules of RNA base pairing? A lot less than you may think 2025-Aug-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.31.668042 PMID:40766544	研究论文	探讨发现RNA经典碱基配对规则所需的最小条件，发现使用仅含21个参数的随机上下文无关文法模型，结合自动微分和随机梯度下降，仅需少量RNA序列即可学习配对规则	证明发现RNA碱基配对规则无需大规模语言模型或大量参数，仅需极简的概率模型和少量无结构、无比对的序列数据即可实现	未指定	探究识别RNA经典碱基配对规则所需的最小计算和参数条件，质疑高参数深度学习模型的必要性	RNA序列中的范德沃森–克里克–富兰克林碱基配对规则（A:U, G:C）和摆动配对（G:U）	自然语言处理，机器学习	NA	随机上下文无关文法（SCFG），自动微分，随机梯度下降	随机上下文无关文法（SCFG）	RNA序列	最少50条RNA序列（训练集）	自动微分框架（未指定具体框架，如TensorFlow或PyTorch），随机梯度下降	随机上下文无关文法（SCFG）	损失函数（未指定具体指标）	未指定
162	2026-06-19	Artificial Intelligence in Pediatric Endocrinology 2025-08, Advances in pediatrics DOI:10.1016/j.yapd.2024.12.003 PMID:40582750	综述	本文探讨人工智能在儿科内分泌学中的应用，包括机器学习、深度学习、自然语言处理等技术，并强调人机协作模式以提升医疗安全和质量	系统性地综述了人工智能在儿科内分泌领域的多种技术应用，并突出‘人在回路中’的人机协作理念	未具体讨论不同AI技术的实施障碍或临床验证结果	分析人工智能在儿科内分泌学中的潜在应用及其对人机协作的依赖	儿科内分泌学领域的AI技术（机器学习、深度学习等）	机器学习	儿科内分泌疾病	NA	NA	NA	NA	NA	NA	NA	NA
163	2026-06-19	Leveraging FastViT based knowledge distillation with EfficientNet-B0 for diabetic retinopathy severity classification 2025-Aug, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100325 PMID:40588035	研究论文	提出一种基于FastViT知识蒸馏与EfficientNet-B0的糖尿病视网膜病变严重程度分类方法	创新性地利用FastViT-MA26作为教师模型、EfficientNet-B0作为学生模型的Transformer知识蒸馏框架，在保持轻量级架构的同时实现了高分类准确率	未提及	开发高效且准确的深度学习模型，用于糖尿病视网膜病变严重程度的自动化诊断	APTOS失明检测数据集中的3662张DR眼底图像	计算机视觉	糖尿病视网膜病变	知识蒸馏	CNN, Transformer	图像	3662张眼底图像	PyTorch	FastViT-MA26, EfficientNet-B0, HGNet, ResNet50, MobileNetV3, DeiT	准确率, 精确率, 召回率, F1分数, Cohen's Kappa系数, 加权Kappa系数, Matthews相关系数, AUC	NA
164	2026-06-19	From classical approaches to artificial intelligence, old and new tools for PDAC risk stratification and prediction 2025-07, Seminars in cancer biology IF:12.1Q1 DOI:10.1016/j.semcancer.2025.03.004 PMID:40147701	综述	探讨从经典方法到人工智能用于胰腺导管腺癌风险分层和预测的演变	系统比较了经典流行病学方法与人工智能驱动方法在PDAC风险分层中的应用，并整合了遗传学、影像组学及深度学习模型	数据稀缺、模型可解释性不足及外部验证困难等临床转化挑战	评估并展望结合经典方法和AI技术开发可扩展、个性化的PDAC预测工具，以改善早期检测和患者预后	胰腺导管腺癌的风险分层与预测方法	机器学习	胰腺癌	基因组关联研究、多基因风险评分、影像组学	机器学习、深度学习	遗传数据、临床数据、生活方式数据、影像数据	不适用	不适用	不适用	不适用	不适用
165	2026-06-19	Deep Learning-Assisted Multiplexed Electrochemical Fingerprinting for Chinese Tea Identification 2025-Jun-03, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06651 PMID:40207593	研究论文	开发了一种结合多重电化学指纹图谱技术与一维卷积神经网络的方法，用于快速精确检测三种茶多酚并区分24种不同种类的中国茶	受大兴机场启发的激光雕刻传感器阵列结合一维卷积神经网络算法，实现复杂基质中结构相似天然物质的选择性鉴别，显著提升预测准确性	未提及	提高农产品（特别是茶叶）中天然成分的鉴定和认证效率与准确性	三种茶多酚、六种中国茶系列及24种茶叶品种	机器学习	NA	电化学指纹图谱技术、一维卷积神经网络	1D-CNN	电化学指纹数据	24种中国茶样本	NA	1D-CNN	准确率	NA
166	2026-06-19	The role of artificial intelligence in occupational health in radiation exposure: a scoping review of the literature 2025-05-16, Environmental health : a global access science source IF:5.3Q1 DOI:10.1186/s12940-025-01186-3 PMID:40380224	综述	系统回顾了人工智能在职业辐射暴露评估、监测、控制和防护中的应用现状	首次按照PRISMA指南系统梳理AI在职业辐射暴露管理中的三大应用类别（监督评估、检测监测、防护控制）	缺乏高质量训练数据、复杂AI算法可解释性不足、与安全标准契合度待验证、现有系统集成困难、跨学科专业知识匮乏	评估人工智能在职业辐射暴露管理中的应用潜力与现有挑战	职业辐射暴露场景下的AI工具（专家系统、机器学习、深度学习等）	机器学习	NA	NA	专家系统、机器学习、深度学习	文献文本	59篇合格文献	NA	NA	NA	NA
167	2026-06-19	Injury degree appraisal of large language model based on retrieval-augmented generation and deep learning 2025 May-Jun, International journal of law and psychiatry IF:1.4Q3 DOI:10.1016/j.ijlp.2025.102070 PMID:39970564	研究论文	提出一种结合检索增强生成、图知识库和深度学习的创新方法，提升大语言模型在法医损伤程度鉴定任务中的表现	首次将检索增强生成与图知识库和深度学习相结合，针对中国《人体损伤程度鉴定标准》实现法医损伤鉴定，并展现出良好的跨领域迁移能力	未提及	提升大语言模型在法医损伤鉴定等专业领域的应用性能	法医损伤鉴定案例数据集和九种主流大语言模型	自然语言处理	法医损伤	NA	RoBERTa-CNN	文本	26,199个真实损伤鉴定案例	PyTorch	RoBERTa, CNN	准确率	NA
168	2026-06-19	Large-Scale Deep Learning-Enabled Infodemiological Analysis of Substance Use Patterns on Social Media: Insights From the COVID-19 Pandemic 2025-04-17, JMIR infodemiology IF:3.5Q1 DOI:10.2196/59076 PMID:40244656	研究论文	利用深度学习分析社交媒体上COVID-19疫情期间药物使用模式的大规模信息流行病学研究	首次使用大规模深度学习模型RoBERTa结合人工循环策略分析11.3亿条推文，揭示COVID-19疫情期间药物使用模式的实时变化趋势	NA	分析COVID-19疫情期间社交媒体上药物使用模式的变化，为公共卫生干预提供数据支持	2019年1月至2021年12月期间Twitter（现更名为X）上的药物使用相关推文	自然语言处理	物质使用障碍	NA	RoBERTa	文本数据（推文）	11.3亿条推文	PyTorch	RoBERTa	NA	NA
169	2026-06-19	Determining the Importance of Lifestyle Risk Factors in Predicting Binge Eating Disorder After Bariatric Surgery Using Machine Learning Models and Lifestyle Scores 2025-04, Obesity surgery IF:2.9Q1 DOI:10.1007/s11695-025-07765-0 PMID:40045153	研究论文	利用机器学习模型和生活方式评分评估生活方式风险因素对袖状胃切除术后暴食障碍的预测重要性	首次结合生活方式评分和多种机器学习模型系统评估生活方式风险因素在预测减重术后暴食障碍中的作用	样本量相对较小，仅450例，且为单中心回顾性研究，可能存在选择偏倚	评估生活方式风险因素与袖状胃切除术后2年暴食障碍发生风险的关联，并比较不同机器学习模型的预测性能	接受袖状胃切除术2年后的450名患者	机器学习	肥胖症相关暴食障碍	NA	逻辑回归、KNN、决策树、随机森林、SVM、XGBoost、人工神经网络	临床问卷数据和生活习惯数据	450名患者（其中122例患暴食障碍）	Scikit-learn, XGBoost, Keras	逻辑回归、K近邻、决策树、随机森林、支持向量机、XGBoost、人工神经网络	准确率（约75%）	NA
170	2026-06-19	Predicting rheumatoid arthritis progression from seronegative undifferentiated arthritis using machine learning: a deep learning model trained on the KURAMA cohort and externally validated with the ANSWER cohort 2025-03-26, Arthritis research & therapy IF:4.4Q1 DOI:10.1186/s13075-025-03541-8 PMID:40140918	研究论文	利用机器学习预测血清阴性未分化关节炎向类风湿关节炎的进展，基于KURAMA队列训练及ANSWER队列外部验证的深度学习模型	针对血清阴性未分化关节炎这一临床难题，构建了仅使用临床和实验室参数的深度神经网络模型，并在独立外部队列中验证其预测性能，创新性在于克服了血清阴性RA分类标准难以满足的挑战	NA	开发并验证一个基于临床和实验室参数的机器学习模型，以预测血清阴性未分化关节炎向类风湿关节炎的进展	血清阴性未分化关节炎患者	机器学习	类风湿关节炎	NA	前馈神经网络 (FNN)	表格数据（包含人口统计学、急性期反应物、自身抗体和体格检查参数）	KURAMA队列210例（57例进展为RA），ANSWER队列140例（45例进展为RA）	NA	前馈神经网络	ROC曲线下面积(AUC)、敏感度	NA
171	2026-06-19	A deep learning model for characterizing altered gyro-sulcal functional connectivity in abstinent males with methamphetamine use disorder and associated emotional symptoms 2025-03-06, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhaf062 PMID:40120102	研究论文	利用深度学习模型表征戒断男性甲基苯丙胺使用障碍患者的脑回-脑沟功能连接改变及其与情绪症状的关联	首次采用基于脑回-脑沟亚区划分的时空图卷积网络，揭示精细尺度上脑回与脑沟信号在甲基苯丙胺使用障碍病理中的差异化功能贡献	NA	探究甲基苯丙胺使用障碍患者脑回-脑沟信号在精神病理性中的独特功能贡献，并分析其与情绪症状的关联	48名戒断男性甲基苯丙胺使用障碍患者与48名年龄和性别匹配的健康对照者	机器学习	甲基苯丙胺使用障碍	静息态功能磁共振成像	时空图卷积网络	磁共振图像	96名受试者（48名患者，48名健康对照）	NA	时空图卷积网络	平均分类准确率	NA
172	2026-06-19	Quantifying multilabeled brain cells in the whole prefrontal cortex reveals reduced inhibitory and a subtype of excitatory neuronal marker expression in serotonin transporter knockout rats 2025-02-05, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae486 PMID:39932853	研究论文	利用深度学习网络StarDist结合开源方法，量化5-羟色胺转运体基因敲除大鼠全前额叶皮层中多标记脑细胞，发现抑制性和一类兴奋性神经元标志物表达减少	结合StarDist深度学习网络与新型开源方法，实现全脑前额叶皮层亚区多标记细胞的自动化计数，突破了传统免疫组织化学在脑区体积变化和细胞分割上的限制	未提及具体局限性	量化5-羟色胺转运体基因敲除大鼠前额叶皮层亚区中多标记脑细胞，探究焦虑行为与细胞标志物表达的关系	5-羟色胺转运体基因敲除大鼠和野生型大鼠的前额叶皮层细胞	计算机视觉, 数字病理学	焦虑症	免疫组织化学, 深度学习细胞分割	深度学习网络 (StarDist)	图像	5-羟色胺转运体基因敲除大鼠和野生型大鼠的脑组织切片	TensorFlow, Keras	StarDist	自动化细胞计数	NA
173	2026-06-19	Advanced molecular modeling of proteins: Methods, breakthroughs, and future prospects 2025, Advances in pharmacology (San Diego, Calif.) DOI:10.1016/bs.apha.2025.02.005 PMID:40175043	综述	介绍了蛋白质分子建模的当代进展，包括同源建模、分子动力学模拟、量子力学/分子力学策略以及深度学习算法如AlphaFold的应用	重点阐述了AlphaFold等深度学习算法在提高复杂蛋白质结构预测精度方面的突破性进展	未明确提及限制，但可能包括多尺度建模和高保真实验数据整合方法仍需进一步优化	探讨蛋白质分子建模方法、突破及其对未来精准医学和靶向治疗的影响	蛋白质大分子及其结构预测	机器学习	NA	同源建模、分子动力学模拟、量子力学/分子力学	深度学习算法，如AlphaFold	蛋白质结构数据	NA	NA	AlphaFold	蛋白质结构预测精度	NA
174	2026-06-19	Deep learning: A game changer in drug design and development 2025, Advances in pharmacology (San Diego, Calif.) DOI:10.1016/bs.apha.2025.01.008 PMID:40175037	research paper	深度学习在药物设计与开发中的应用，通过分析生物数据加速靶点识别、先导化合物筛选、毒性预测和药物重定位	利用深度学习整合多种药物开发环节，从靶点发现到药物优化，实现全流程加速和成本降低	未明确讨论模型的可解释性、数据质量依赖性和临床验证的挑战	探讨深度学习如何加速药物发现过程并提高成功率	药物开发流程中的靶点识别、先导化合物选择、毒性预测、药物重定位和从头药物设计	machine learning	NA	深度学习	深度学习	生物数据	NA	NA	NA	NA	NA
175	2026-06-19	Deep learning-based classification of colorectal cancer in histopathology images for category detection 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf077 PMID:41256969	研究论文	利用深度学习对结直肠癌的组织病理学图像进行分类，以实现癌症类别的自动检测	提出了包含二分类异常检测和多分类癌症分类器的两阶段预测框架，显著提高了分类鲁棒性，尤其对代表性不足和形态复杂类别效果提升明显	Swin Transformer V2模型计算需求较高，两阶段方法可能增加整体推理时间	开发基于深度学习的自动化结直肠癌分类工具，以支持病理学家诊断	结直肠癌的组织病理学图像	数字病理学	结直肠癌	NA	ResNet-34, ResNet-50, Swin Transformer V2	H&E染色组织病理学图像	NA	NA	ResNet-34, ResNet-50, Swin Transformer V2	准确率, top-2准确率, top-3准确率, 微平均ROC AUC, F1分数, ROC AUC	NA
176	2026-06-19	Statistics and AI - A Fireside Conversation 2025, Harvard data science review DOI:10.1162/99608f92.c066fe9c PMID:42311443	评论	一场名为《统计与AI：炉边谈话》的网络研讨会，探讨了统计界在AI时代面临的关键挑战与机遇	通过三个专题讨论，系统性地规划了统计在AI时代保持相关性和发展的战略路线图	NA	讨论统计界在AI时代面临的关键挑战与机遇，并制定战略路线图	统计社区成员、AI技术发展、出版流程、下一代统计流程与资源	机器学习	NA	NA	NA	NA	约1000名在线参与者	NA	NA	NA	NA
177	2026-06-19	Exploring "dark-matter" protein folds using deep learning 2024-10-16, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.09.006 PMID:39383860	研究论文	使用卷积变分自编码器探索蛋白质折叠空间，设计新型蛋白质结构	提出名为Genesis的卷积变分自编码器，能够学习蛋白质结构模式，并成功重构原生折叠和新型“暗物质”折叠，实现快速探索蛋白质折叠空间	未说明	解决从头蛋白质设计中的主链可设计性问题，通过深度学习探索未知蛋白质折叠空间	蛋白质折叠结构	机器学习	NA	深度学习	卷积变分自编码器	蛋白质结构数据	五个原生折叠和三个新型折叠	PyTorch	变分自编码器	成功率	NA
178	2026-06-19	Putting proteins in context 2024-10-16, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.09.009 PMID:39418999	研究论文	介绍PINNACLE，一种利用几何深度学习结合蛋白质相互作用和多器官单细胞转录组学生成蛋白质情境化表示的方法	提出几何深度学习框架PINNACLE，通过联合分析蛋白质相互作用和多器官单细胞转录组数据，生成具有细胞类型特异性的蛋白质情境化表示	NA	解决蛋白质表示缺乏生物或环境情境（如细胞类型特异性）的问题	蛋白质相互作用和多器官单细胞转录组数据	机器学习	NA	单细胞转录组测序	几何深度学习	文本、图结构数据	NA	NA	NA	NA	NA
179	2026-06-19	Contextual AI models for single-cell protein biology 2024-Aug, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02341-3 PMID:39039335	research paper	介绍了PINNACLE，一种用于单细胞蛋白质生物学的上下文感知几何深度学习方法	提出了一种生成上下文感知蛋白质表征的几何深度学习方法，能从多器官单细胞图谱中学习，实现了基于细胞类型上下文的蛋白质表征，并能在零样本情况下检索组织层次结构	NA	开发能够建模蛋白质在不同生物上下文间相互作用的算法，以理解蛋白质功能和开发分子疗法	蛋白质、细胞类型上下文、组织层次结构	machine learning	类风湿性关节炎、炎症性肠病	单细胞测序	几何深度学习	文本、结构数据	156个细胞类型上下文，24个组织，394,760个蛋白质表征	NA	PINNACLE	零样本检索准确性、治疗靶点提名预测能力、细胞类型上下文预测能力	NA
180	2026-06-19	Explainable deep learning and biomechanical modeling for TMJ disorder morphological risk factors 2024-07-11, JCI insight IF:6.3Q1 DOI:10.1172/jci.insight.178578 PMID:38990647	研究论文	提出结合3D可解释深度学习与多尺度生物力学建模的混合方法，用于识别颞下颌关节紊乱病的形态学风险因素并阐明其机制	首次将可解释深度学习与多尺度生物力学建模结合，系统识别TMJ紊乱风险因素并揭示其力学与力学生物学机制，解决了深度学习“机制未知”的临床转化瓶颈	基于较小临床数据集可能影响模型泛化性；生物力学建模假设可能简化真实生理复杂性	探究颞下颌关节紊乱病的病因学机制，通过形态学风险因素识别与生物力学验证提升临床可解释性	颞下颌关节紊乱病患者的下颌骨形态特征（髁突、下颌支、颏部）	计算机视觉, 机器学习	颞下颌关节紊乱病	3D卷积神经网络, 多尺度生物力学建模	CNN	3D医学影像（形态学数据）	小型临床数据集（具体数量未明确）	NA	3D卷积神经网络	NA	NA