研究者は、ClinicalFocal損失を関係認識型グラフ畳み込みネットワークに統合し、すべての例を等しく扱う標準的なバイナリ交差エントロピーの限界に対処することで、多剤併用による副作用の予測を強化した。

  • TWOSIDESデータセットにおいて、精度は0.699から0.892に、F1スコアは0.700から0.894に向上した。
  • AUROCは0.766から0.914に上昇し、AUCPRは0.714から0.860に改善した。
  • 偽陰性率は29.8%から9.1%に大幅に低下し、特異度は69.6%から87.5%に増加した。
  • 全体的な分類誤差は相対的に64.1%減少し、観測された相互作用トリプルの再現率で90.9%を達成した。

本研究は、非対称焦点最適化が、基盤となるモデルアーキテクチャの変更を必要とせずに、グラフベースの薬物間相互作用予測を改善するための直接的かつ調整可能なレバーとして機能することを結論付けている。