محققان در یک دستاورد تازه، با استفاده از یک تابع زیان (Loss Function) جدید به نام «ClinicalFocal»، دقت مدلهای گراف عصبی (GNN) را در پیشبینی تداخلات دارویی به طرز چشمگیری افزایش دادند.
این مدل جدید نه تنها نرخ خطای طبقهبندی را تا ۶۴ درصد کاهش داده، بلکه با تمرکز ویژه بر نمونههای پیچیدهتر، موفق شده دقت پیشبینی تداخلات دارویی را از حدود ۷۰ درصد به نزدیک ۹۰ درصد برساند.
این پیشرفت میتواند مسیر را برای تولید داروهای ایمنتر و کاهش خطاهای دارویی در آینده هموارتر کند. 🚀
منبع: arXiv Machine Learning