Mar, 2023

基于药物相互作用的慢性病决策支持系统

PDF
TL;DR该论文提出了一个基于药物相互作用的决策支持系统，可提供更安全、更有效的药物处理方案，包括药物相互作用模块，医学决策模块和医疗支持模块，实验证明此系统可用于慢性疾病的临床诊断。
chronic diseasesmultiple medicationssafetydecision support systemdrug-drug interactions
发现论文，激发创造
  • 草药与药物相互作用：医疗中的整体决策支持系统

    为了辅助临床医生在患者护理中做出更好、更准确的诊断和治疗决策，设计了一个原始且混合的决策支持系统来识别药物与草药的相互作用。

    Jun, 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

  • 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

  • 基于知识图谱嵌入和卷积 - LSTM 网络的药物相互作用预测

    本文提出了一种新的基于多数据源知识图谱嵌入的机器学习方法，用于预测药物相互作用的风险，融合了 DrugBank、PharmGKB 和 KEGG drug 三个数据库中的 12,000 个药物属性信息进行训练，并采用 ComplEx 嵌入方法、Convolutional-LSTM 神经网络和机器学习模型来实现，通过三个最佳分类器的模型平均集成方法，在 5 折交叉验证测试中得到的平均精度、F1-score 和 MCC 值分别为 0.94、0.92、0.80。

    Aug, 2019

  • 学习描述以预测零激活药物相互作用

    该研究论文介绍了一种新的零样本药物相互作用预测方法，利用来自 DrugBank 和 PubChem 等在线数据库的文本信息，提出了一种基于语言模型的药物相互作用预测器和一种基于强化学习的信息选择器，用于准确预测新药的药物相互作用，并证明了该方法在零样本和少样本药物相互作用预测方面的好处。

    Mar, 2024

  • 利用长短时记忆网络从生物医学文本中提取药物相互作用

    本文提出了三种基于长短时记忆网络（LSTM）的模型，包括 B-LSTM、AB-LSTM 和 Joint AB-LSTM，利用词语和位置嵌入作为潜在特征，不依赖于显式特征工程，其中 Joint AB-LSTM 模型表现最佳，优于现有的所有方法，包括那些依赖于人工特征的方法，另外两个模型也表现出色。该模型旨在解决药物相互作用（DDI）的提取问题，更有效和高效的解决 DDI 问题是非常重要的。

    Jan, 2017

  • 药物相互作用预测中深度学习与图学习的综合评估

    本文综述了基于化学结构、网络、自然语言处理、混合方法的药物预测模型以及基于图神经网络模型表示分子结构的理论框架或深度和图学习方法的优缺点、潜在技术难点和未来发展方向。

    Jun, 2023

  • SUPP.AI: 寻找补充剂与药物互动的证据

    本文介绍了一种使用 RoBERTa 语言模型和监督学习自动识别科学文献中膳食补充剂和药物的相互作用的方法，并创建了 SUPP.AI 应用程序，用于帮助研究人员、临床医生和消费者发现最新的相互作用证据。

    Sep, 2019

  • 分子次结构感知网络用于药物相互作用预测

    本研究提出 Molecular Substructure-Aware Network （MSAN）模型，采用 Transformer 样式的结构提取模块从药物分子的分子结构中获取涉及各种亚结构模式的具有代表性的向量，并通过基于相似性的相互作用模块捕获两个药物亚结构之间的相互作用强度来有效地预测潜在的药物相互作用。经过真实世界数据集的实验，结果表明我们提出的模型实现了最先进的性能，也证实了我们模型的预测结果高度可解释。

    Aug, 2022

  • 准确且可解释的药物相互作用预测：基于知识子图学习的方法

    通过知识图谱中的生物医学领域信息，使用深度学习技术和图神经网络，基于药物的图表示，预测和解释药物之间的潜在相互作用，以弥补已知药物之间相互作用稀缺性的不足，在药物交互作用预测中取得了领先的性能，促进了生物医学和医疗保健的发展。

    Nov, 2023