基于深度多核多任务学习的个性化药物不良反应预测

来源：计算机技术与发展杂志2024年第11期北京时间：

作者：刘佳宁;焦强;边太成;杨锦;赵鲁康;朱习军*

摘要：药物不良反应在全球医疗保健领域备受关注,成为重点监控的问题之一。 大多数预测方法忽视患者个体差异,主要关注药物内在属性,导致无法针对患者施行个性化预测。 针对这一问题,该文设计了多核多任务学习模型(Multi-Kernel Multi-Task learning,MKMT-ADR)预测药物不良反应。 MKMT-ADR 模型通过融合四个模态的数据,弥补了单一模态数据信息不全面的缺陷,并针对不同模态数据设计了多种核函数进行特征相似度计算,结合多任务学习框架实现了患者药物不良反应的个性化预测。 通过两种命中率指标验证显示,相较于其他相似度计算方法,该模型在患者个性化预测方面表现卓越,并成功挖掘部分临床难以发现的非常罕见药物不良反应,为药物安全性评估和个体化医疗提供了重要支持。

关键词：药物不良反应;多任务学习;多核函数;多模态数据;个性化预测