A Novel Evaluation Method and Learning Approach for Identifying and Addressing Interaction Type Recognition Issues in Drug-Drug Interactions Prediction
Abstract
약물 간 상호작용 예측은 다제약물 복용 시 발생할 수 있는 부작용을 방지하기 위해 두 약물 간 상호작용을 예측하는 작업이다. 기존 연구는 약물 쌍과 상호작용 유형을 모델에 제공하여, 해당 약물 간에 주어진 상호작용의 발생 여부를 판정하는 이진 분류 방식으로 진행되었다. 그러나 이러한 학습 방법은 모델이 상호작용 유형을 충분히 학습하지 못한다는 한계가 있으며, 기존의 평가 방법은 이러한 문제를 드러내지 못했다. 이에 본 논문에서는 모델의 상호작용 유형 인지 능력을 평가할 수 있는 '상호작용 유형 인지 테스트'를 새롭게 제안하고, 모델이 상호작용 유형을 효과적으로 학습하도록 negative pair(interaction changes)를 추가하는 학습 방법을 도입하였다. 구조적 특성이 다른 데이터셋인 Drugbank와 Twosides에서 실험을 진행한 결과, 두 데이터셋 모두 상호작용 유형 인지 성능이 유의미하게 향상되어, 제안한 방법이 상호작용 유형을 학습하는 데에 효과가 있음을 확인했다.
Fields of Study & Subjects
Computational Drug Discovery Methods
Machine Learning in Healthcare
Pharmacovigilance and Adverse Drug Reactions
Publication details
- Journal / source
- Journal of KIISE
- Volume
- 53
- Issue
- 1
- Pages
- 82–89
- Publication date
- 31 January 2026
- Language
- EN