[1]刘佳宁,焦强,边太成,等.基于深度多核多任务学习的个性化药物不良反应预测[J].计算机技术与发展,2024,34(11):148-156.[doi:10.20165/j.cnki.ISSN1673-629X.2024.0216]
　LIU Jia-ning,JIAO Qiang,BIAN Tai-cheng,et al.Personalized Adverse Drug Reactions Prediction Based on Deep Multi-kernel Multi-task Learning[J].,2024,34(11):148-156.[doi:10.20165/j.cnki.ISSN1673-629X.2024.0216]
点击复制

基于深度多核多任务学习的个性化药物不良反应预测()

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
34
期数:
2024年11期
页码:
148-156
栏目:
人工智能
出版日期:
2024-11-10

文章信息/Info

Title:
Personalized Adverse Drug Reactions Prediction Based on Deep Multi-kernel Multi-task Learning
文章编号:
1673-629X(2024)11-0148-09
作者:
刘佳宁; 焦强; 边太成; 杨锦; 赵鲁康; 朱习军*
青岛科技大学 信息科学与技术学院,山东 青岛 266061
Author(s):
LIU Jia-ning; JIAO Qiang; BIAN Tai-cheng; YANG Jin; ZHAO Lu-kang; ZHU Xi-jun*
School of Information Science and Technology,Qingdao University of Science and Technology,Qingdao 266061,China
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
Keywords:
adverse drug reactions; multi-task learning; multi-kernel function; multimodal data; personalized predictions
分类号:
TP309.2
DOI:
10.20165/j.cnki.ISSN1673-629X.2024.0216
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。
Abstract:
Adverse drug reactions have become a focal concern in global healthcare,with most prediction methods overlooking individual patient differences and emphasizing intrinsic drug properties. We introduce the Multi-Kernel Multi -Task learning model ( MKMT-ADR) to address the deficiency in personalized predictions. By integrating data from four modalities and employing diverse kernel functions tailored to each modality,MKMT-ADR comprehensively calculates feature similarity. Operating within a multi-task learning framework,the model achieves personalized prediction of patient-specific drug adverse reactions. Validation using two hit rate indicators demonstrates MKMT-ADR’s superior performance in personalized patient prediction,successfully uncovering clinically very rare adverse reactions. This research provides essential support for drug safety assessment and advances personalized healthcare practices.

相似文献/References:

[1]许棣华 王志坚.基于多任务学习的邮件过滤系统的研究[J].计算机技术与发展,2010,(10):137.
　XU Di-hua,WANG Zhi-jian.Research of Spam Filter System Based on Multitask Learning[J].,2010,(11):137.
[2]沈佳敏,鲍秉坤.基于深度学习的广告布局图片美学属性评价[J].计算机技术与发展,2021,31(03):39.[doi:10. 3969 / j. issn. 1673-629X. 2021. 03. 007]
　SHEN Jia-min,BAO Bing-kun.Aesthetic Attribute Evaluation of Advertising Layout Images Based on Deep Learning[J].,2021,31(11):39.[doi:10. 3969 / j. issn. 1673-629X. 2021. 03. 007]
[3]郭 辉,郭静纯,张 甜.基于梯度优化的多任务混合学习方法[J].计算机技术与发展,2021,31(10):7.[doi:10. 3969 / j. issn. 1673-629X. 2021. 10. 002]
　GUO Hui,GUO Jing-chun,ZHANG Tian.An Approach of Mixed Multi-task Learning Based on Gradient Optimization[J].,2021,31(11):7.[doi:10. 3969 / j. issn. 1673-629X. 2021. 10. 002]
[4]万 苗,任 杰 *,马 苗,等.多任务学习在中国方言分类中的应用研究[J].计算机技术与发展,2022,32(04):109.[doi:10. 3969 / j. issn. 1673-629X. 2022. 04. 019]
　WAN Miao,REN Jie *,MA Miao,et al.Chinese Dialect Classification via Multi-task Learning[J].,2022,32(11):109.[doi:10. 3969 / j. issn. 1673-629X. 2022. 04. 019]

更新日期/Last Update: 2024-11-10