MUDI：用于理解药效学药物相互作用的多模态生物医学数据集
机器学习
2025-06-03 v1 计算与语言
多媒体
定量方法
摘要
理解不同药物之间的相互作用（drug-drug interaction 或 DDI）对于确保患者安全和优化治疗效果至关重要。现有的 DDI 数据集主要关注文本信息，忽略了反映复杂药物机制的多模态数据。在本文中，我们（1）引入了 MUDI，一个用于理解药效学药物相互作用的大规模多模态生物医学数据集，并（2）对其进行了基准学习方法研究。简而言之，MUDI 通过结合药理学文本、化学式、分子结构图和图像，为 310,532 对标注为协同、拮抗或新效应的药物对提供了全面的多模态表示。关键在于，为了有效评估基于机器学习的泛化能力，MUDI 的测试集包含未见过的药物对。我们使用后期融合投票和中间融合策略评估了基准模型。所有数据、标注、评估脚本和基线均在开放研究许可下发布。
引用
@article{arxiv.2506.01478,
title = {MUDI: A Multimodal Biomedical Dataset for Understanding Pharmacodynamic Drug-Drug Interactions},
author = {Tung-Lam Ngo and Ba-Hoang Tran and Duy-Cat Can and Trung-Hieu Do and Oliver Y. Chén and Hoang-Quynh Le},
journal= {arXiv preprint arXiv:2506.01478},
year = {2025}
}