摘要
侵入性真菌感染每年导致约15亿例病例，估计有160万人死亡。经典的诊断方法，如培养、直接镜检和抗原检测，很大程度上依赖专业经验，且往往过于缓慢。真菌诊断领域正越来越多地使用深度学习（DL），这是一种基于多层神经架构的人工智能。本综述探讨了深度学习在临床真菌学应用中的最新进展，包括自动菌落形态分析、MALDI-TOF质谱光谱分类、拉曼光谱、显微技术、分子诊断和抗真菌耐药性预测。曲霉属、念珠菌属、新型隐球菌、耶氏肺孢子菌和皮肤癣菌是评估验证性能基准的重要病原体。我们还讨论了临床实施的主要障碍，包括缺乏大型标注数据集、跨站点泛化能力、可解释性要求以及监管框架。我们得出结论，取决于精心选择的开放获取数据集和未来的临床验证，深度学习在多个真菌学诊断平台中具有变革性潜力。
