基于知识图谱嵌入与深度学习的药物不良反应预测

识别药物潜在的不良反应，有助于辅助医生进行临床用药决策。针对以往研究的特征高维稀疏、需要为每种不良反应构建独立预测模型且预测精度较低的问题，本文开发一种基于知识图谱嵌入和深度学习的药物不良反应预测模型，能够对实验所覆盖的不良反应进行统一预测。一方面，知识图谱及其嵌入技术能够融合药物之间的关联信息，缓解特征矩阵高维稀疏的不足；另一方面，深度学习的高效训练能力能够提升模型的预测精度。本文使用药物特征数据构建药物不良反应知识图谱；通过分析不同嵌入策略下知识图谱的嵌入效果，选择最佳嵌入策略以获得样本向量；然后构建卷积神经网络模型对不良反应进行预测。结果表明，在DistMult嵌入模型和400维嵌入策略下，卷积神经网络模型预测效果最佳；重复实验的准确率、F₁分数、召回率和曲线下面积的平均值分别为0.887、0.890、0.913和0.957，优于文献报道中的方法。所得预测模型具有较好的预测精度和稳定性，可以为安全用药提供有效参考。