AIM-DDI：用于药物相互作用预测的模型无关多模态集成模块
机器学习
2026-05-15 v1 人工智能
摘要
药物相互作用（DDI）预测是计算生物医学中的一项关键任务，因为联合用药之间的不良相互作用可能导致严重的副作用和临床风险。一个关键挑战是未见药物的泛化，即必须为训练期间未观察到的药物预测相互作用。尽管多模态 DDI 模型利用了多种与药物相关的信息，但其融合机制通常与特定的预测架构绑定，限制了它们在跨模型间的复用。为了解决这一问题，我们提出了 AIM-DDI，这是一种与架构无关的多模态集成模块，将异构模态信息表示为共享潜在空间中的 token。通过统一的融合模块对跨模态 token 的依赖关系进行建模，AIM-DDI 能够在不同 DDI 预测架构中实现结构、化学和语义药物信号的模型无关集成。在多种 DDI 模型和基于 DrugBank 的设置下的广泛评估表明，AIM-DDI 持续提升了预测性能，在最具有挑战性的双未见设置（即测试对中的两种药物在训练期间均未被观察到）下取得了最大的增益。这些结果表明，将多模态集成视为可复用模块，而非特定于模型的融合组件，是进行稳健未见药物 DDI 预测的有效策略。
引用
@article{arxiv.2605.14327,
title = {AIM-DDI: A Model-Agnostic Multimodal Integration Module for Drug-Drug Interaction Prediction},
author = {Yerin Park and Sangseon Lee},
journal= {arXiv preprint arXiv:2605.14327},
year = {2026}
}