基于多跳机器阅读理解的医学知识图谱问答用于药物相互作用预测
计算与语言
2024-07-29 v3
摘要
药物相互作用预测是分子生物学中的一个关键问题。通过医学实验观察药物相互作用的传统方法需要大量资源和人力。本文提出了一种医学知识图谱问答模型，名为 MedKGQA，该模型通过从封闭领域文献中进行机器阅读理解，并从开放领域文档中构建药物-蛋白质三元组知识图谱来预测药物相互作用。该模型利用实体嵌入将图谱中的药物-蛋白质靶点属性向量化，并基于蛋白质靶点在人体内的代谢相互作用路径，在药物实体和蛋白质实体之间建立有向连接。这整合了多种外部知识并将其应用于学习图神经网络。在不使用任何额外技巧的情况下，所提出的模型在 Qangaroo MedHop 数据集上，与先前最先进的模型相比，药物相互作用预测准确率提升了 4.5%。实验结果证明了该模型的高效性和有效性，并验证了在机器阅读理解任务中整合外部知识的可行性。
引用
@article{arxiv.2212.09400,
title = {Medical Knowledge Graph QA for Drug-Drug Interaction Prediction based on Multi-hop Machine Reading Comprehension},
author = {Peng Gao and Feng Gao and Jian-Cheng Ni and Yu Wang and Fei Wang},
journal= {arXiv preprint arXiv:2212.09400},
year = {2024}
}