IMSE : extraction d'interactions médicamenteuses basée sur l'attention à l'information d'interaction et la structure moléculaire

CONTEXTE : L'extraction des interactions médicamenteuses à partir de la littérature biomédicale et d'autres données textuelles est un élément important pour surveiller la sécurité des médicaments et cela a attiré l'attention de nombreux chercheurs dans le domaine de la santé. Les travaux existants sont davantage axés sur l'extraction de relations en utilisant des réseaux de mémoire à long terme et à court terme bidirectionnels (BiLSTM) et le modèle BERT, qui n'atteignent pas les meilleures représentations de caractéristiques. RÉSULTATS : Notre modèle de prédiction DDI (interaction médicamenteuse) proposé offre plusieurs avantages : (1) Le nouveau vecteur d'attention proposé est ajouté pour mieux traiter le problème des relations superposées, (2) L'information de structure moléculaire des médicaments est intégrée dans le modèle pour mieux exprimer la structure des groupes fonctionnels des médicaments, (3) Nous avons également ajouté des caractéristiques textuelles qui combinent la distribution T et la distribution du chi carré pour rendre le modèle plus axé sur les entités médicamenteuses et (4) il atteint des performances de prédiction similaires ou meilleures (F-scores jusqu'à 85,16 %) par rapport aux modèles DDI à la pointe de la technologie lorsqu'il est testé sur des ensembles de données de référence. CONCLUSIONS : Notre modèle qui tire parti de l'architecture transformer à la pointe de la technologie, en conjonction avec plusieurs caractéristiques, peut améliorer les performances des tâches d'interaction médicamenteuse dans le domaine biomédical. En particulier, nous croyons que notre recherche serait utile pour l'identification de potentielles réactions indésirables aux médicaments.