研究人员将临床焦点损失集成到关系感知图卷积网络中，以增强多药治疗副作用的预测，解决了标准二元交叉熵平等对待所有示例的局限性。

  • 在TWOSIDES数据集上，准确率从0.699提高到0.892，F1分数从0.700提高到0.894。
  • AUROC从0.766上升到0.914，而AUCPR从0.714改善到0.860。
  • 假阴性率显著从29.8%下降到9.1%，特异性从69.6%增加到87.5%。
  • 总体分类误差相对减少了64.1%，对于观察到的相互作用三元组达到了90.9%的召回率。

研究得出结论，非对称焦点优化作为一种直接、可调节的手段，可以在不需要修改底层模型架构的情况下改善基于图的药物-药物相互作用预测。