ExDDI: Explaining Drug-Drug Interaction Predictions with Natural Language

要約

未知の薬物間相互作用 (DDI) を予測することは、医薬品の安全性を向上させるために重要です。
DDI 予測におけるこれまでの取り組みは、通常、二値分類または DDI カテゴリの予測に焦点を当てており、これらの予測の信頼性を高めることができる説明的な洞察がありませんでした。
この研究では、DDI 予測の自然言語説明を生成し、モデルが予測と同時に根底にある薬力学および薬物動態メカニズムを明らかにできるようにすることを提案します。
これを行うために、私たちは DDInter と DrugBank から DDI の説明を収集し、広範な実験と分析のためのさまざまなモデルを開発しました。
私たちのモデルは、既知の薬物間の未知の DDI について正確な説明を提供できます。
この論文は、DDI 予測の分野に新しいツールを提供し、DDI 予測の説明を生成するためのさらなる研究のための強固な基盤を築きます。

要約(オリジナル)

Predicting unknown drug-drug interactions (DDIs) is crucial for improving medication safety. Previous efforts in DDI prediction have typically focused on binary classification or predicting DDI categories, with the absence of explanatory insights that could enhance trust in these predictions. In this work, we propose to generate natural language explanations for DDI predictions, enabling the model to reveal the underlying pharmacodynamics and pharmacokinetics mechanisms simultaneously as making the prediction. To do this, we have collected DDI explanations from DDInter and DrugBank and developed various models for extensive experiments and analysis. Our models can provide accurate explanations for unknown DDIs between known drugs. This paper contributes new tools to the field of DDI prediction and lays a solid foundation for further research on generating explanations for DDI predictions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google