有向图卷积药物反应预测模型

可量化解释性

通过捕获药物与细胞系间的方向性相互作用并提供可量化的解释子图，提升预测结果的可信度与临床可操作性。

Haoyuan, Shi · Tao, Xu · Xiaodi, Li · Qian, Gao · 熊志伟 · 夏俊峰 · 岳振宇

Artificial Intelligence in Medicine 2025

技术优势

解释可量化

DRExplainer 引入了一种基于基准数据集的量化解释性评估方法，使解释子图的有效性可以被客观衡量，而非仅仅依赖视觉判断。

预测方向性

模型在有向二分网络框架下进行预测，能够捕获药物与细胞系之间作用的方向性，而不仅仅是关联强度。

应用场景

• 精准医疗：为个体患者提供更准确的药物反应预测和可解释的依据，帮助医生制定个性化治疗方案。
• 药物发现：通过预测新药的细胞反应并揭示关键分子机制，加速药物筛选和优化。
• 临床决策支持：提供可解释的预测结果，帮助临床医生评估药物疗效并提高治疗决策的信心。