Les chercheurs ont intégré la perte ClinicalFocal dans un réseau de convolution sur graphe sensible aux relations afin d'améliorer la prédiction des effets secondaires de la polychimiothérapie, palliant ainsi la limite de l'entropie croisée binaire standard qui traite tous les exemples de manière égale.
- La précision est passée de 0,699 à 0,892 et le score F1 de 0,700 à 0,894 sur le jeu de données TWOSIDES.
- L'AUROC est passé de 0,766 à 0,914, tandis que l'AUCPR est passé de 0,714 à 0,860.
- Le taux de faux négatifs a chuté significativement de 29,8 % à 9,1 %, et la spécificité est passée de 69,6 % à 87,5 %.
- L'erreur de classification globale a diminué de 64,1 % en relatif, atteignant un rappel de 90,9 % pour les triplets d'interaction observés.
L'étude conclut que l'optimisation focale asymétrique sert de levier direct et ajustable pour améliorer la prédiction des interactions médicamenteuses basée sur les graphes sans nécessiter de modifications à l'architecture du modèle sous-jacent.