Исследователи внедрили клиническую фокусную потерю в графовую сверточную сеть, учитывающую отношения, для улучшения предсказания побочных эффектов полипрагмазии, устраняя ограничение стандартной бинарной перекрестной энтропии, которая treats all examples equally.

  • Точность увеличилась с 0.699 до 0.892, а F1-мера — с 0.700 до 0.894 на наборе данных TWOSIDES.
  • AUROC выросла с 0.766 до 0.914, в то время как AUCPR улучшилась с 0.714 до 0.860.
  • Уровень ложноотрицательных результатов значительно снизился с 29,8% до 9,1%, а специфичность увеличилась с 69,6% до 87,5%.
  • Общая ошибка классификации уменьшилась на 64,1% относительно, достигнув 90,9% полноты для наблюдаемых троек взаимодействий.

Исследование приходит к выводу, что асимметричная фокусная оптимизация служит прямым, настраиваемым рычагом для улучшения предсказания взаимодействия лекарств на основе графов без необходимости модификации архитектуры базовой модели.