शोधकर्ताओं ने पॉलीफार्मासी साइड इफेक्ट्स की भविष्यवाणी को बेहतर बनाने के लिए एक रिलेशन-अवेयर ग्राफ कनवोल्यूशनल नेटवर्क में क्लिनिकल फोकल हानि को एकीकृत किया, जिससे मानक बाइनरी क्रॉस-एंट्रोपी की सीमा को दूर किया गया जो सभी उदाहरणों को समान रूप से मानता है।
- TWOSIDES डेटासेट पर सटीकता 0.699 से बढ़कर 0.892 हो गई और F1 स्कोर 0.700 से बढ़कर 0.894 हो गया।
- AUROC 0.766 से बढ़कर 0.914 हो गया, जबकि AUCPR 0.714 से सुधरकर 0.860 हो गया।
- फॉल्स-नेगेटिव दर में 29.8% से घटकर 9.1% की कमी आई, और विशिष्टता 69.6% से बढ़कर 87.5% हो गई।
- कुल वर्गीकरण त्रुटि में सापेक्ष रूप से 64.1% की कमी हुई, जिससे देखे गए इंटरैक्शन ट्रिपल्स के लिए 90.9% रिकॉल हासिल हुआ।
अध्ययन से पता चलता है कि असममित फोकल ऑप्टिमाइजेशन ग्राफ-आधारित दवा-दवा इंटरैक्शन भविष्यवाणी को बेहतर बनाने के लिए एक सीधा, ट्यूनेबल लीवर के रूप में कार्य करता है, जिसके लिए अंडरलाइंग मॉडल आर्किटेक्चर में कोई संशोधन की आवश्यकता नहीं होती है।