AAAIDec, 2022

神经臂带用于数据挖掘：搜索危险的多药治疗

PDF
TL;DR本论文提出了一种基于神经汤普森抽样和差分进化算法的优化策略 OptimNeuralTS，旨在高效地挖掘索赔数据集、建立药物组合与健康结果之间的预测模型，以检测潜在不当多药同时使用（PIPs）。在两个数据集上的实验表明，该方法能够检测到高达 72% 的 PIP，同时保持平均精度得分为 99%。
polypharmacyinappropriateneural thompson samplingclaims datasetshealth outcomes
发现论文，激发创造
  • 药物交互向量神经网络：DrIVeNN

    该研究旨在鉴别多药联合应用不良药物事件的关键特征，并构建和评估预测多药联合应用不良事件的模型，结果显示针对心血管疾病的特定模型在药物相互作用预测中表现显著提高，证明了领域特定模型提高药物相互作用预测准确性的强大潜力。

    Aug, 2023

  • 基于图形协同注意力的药物不良反应预测

    该研究提出了一种神经网络架构，利用多药副作用类型和药物分子结构，采用共同注意机制，对药物组合进行机器学习，以便预测药物之间的相互作用和潜在的副作用。

    May, 2019

  • 使用容易处理的贝叶斯网络测量多病症下的药物不良反应

    对于多病患者进行管理常常导致多药治疗，然而特定组合的药物和疾病的长期影响通常是未知的。从一级医疗保健数据学习疾病和处方模型来研究可能影响多重疾病进一步发展的药物类型。我们使用最先进的可计算复杂查询的可靠贝叶斯网络表示这些大型医学网络。我们的研究结果证实，处方药可能会在心血管疾病的多重疾病进一步发展中产生意外的负面影响。此外，用于一种疾病组的药物疗法可能会影响另一组疾病。

    Dec, 2016

  • 利用图卷积网络建模多药物并用的副作用

    Decagon 是一种建模多药物并用副作用的方法，通过构建由蛋白质相互作用、药物 - 蛋白质相互作用和并用副作用表示的多模态图形来预测副作用，可以在大药理基因组和患者数据中使用，为后续分析标记和优先选择副作用创建了机会。

    Feb, 2018

  • 基于张量分解的多药联合副作用预测

    药物联合使用引起的不良反应是现代医学中一个日益普遍的现象，对其准确预测的挑战至关重要。尽管存在大量计算方法来解决这个问题，但由于问题的多项式特性，仅依靠实验室的方法无法满足需求。我们将三种张量分解模型应用于基准数据集，与现有技术进行比较，发现与先前的报告相反，在此任务中，张量分解模型与最先进的图神经网络模型具有竞争力，因此建议未来的研究在运行昂贵的深度学习流程之前考虑更廉价的具有线性复杂度的方法。

    Apr, 2024

  • ABiMed：一种智能和视觉的临床决策支持系统，用于药物审查和多药物治疗管理

    设计一种名为 ABiMed 的创新临床决策支持系统用于药物审核与多药并用管理，结合指南实施与可视化呈现知识，为管理多药并用带来了希望。

    Dec, 2023

  • 异质图注意力网络下的药物相互作用预测

    本文提出一种基于异质性图卷积神经网络的药物相互作用预测模型 HAN-DDI，该模型能够准确地预测新药物的药物相互作用，较已有模型有较好的表现。

    Jul, 2022

  • 药物对打分的关系深度学习统一视图

    该研究为解决多药副作用识别、药物间相互作用预测和联合疗法设计任务提供了一种统一的关系机器学习模型的理论视角，讨论了现有模型架构、性能指标、数据集和评估协议，强调了在该领域中可能的高影响应用和重要的未来研究方向。

    Nov, 2021

  • 可靠的剂量组合离策略学习

    该研究提出了一种可靠的离策略学习方法，该方法使用个性化神经网络建模联合多个剂量依赖剂量的效果，并使用条件标准化流估计广义倾向得分，以找到共享协变量 - 治疗空间中重叠有限的区域，为确定最优个性化剂量组合提供可靠的策略估计，证明了方法有效性。

    May, 2023

  • 通过疾病特定超图的组合生成药物重用假设

    通过研究药物再利用的假设生成工具，并结合基于实验室实验和生物医学文献的半自动解析的验证流程，本文介绍了一种基于生物医学知识图谱和超图表示学习的计算方法，用于推断各种长度的生物通路的上下文嵌入，并评估药物在多种疾病的再利用潜力。

    Nov, 2023