Wir schlagen eine neuartige neuronale Methode vor, um Arzneimittel-Arzneimittel-Interaktionen (DDIs) aus Texten unter Verwendung externer Informationen über die molekulare Struktur von Arzneimitteln zu extrahieren. Wir kodieren textbasierte Arzneimittelpaare mit konvolutionellen neuronalen Netzen und ihre molekularen Paare mit Graph-Konvolutionsnetzen (GCNs). Anschließend fügen wir die Ausgaben dieser beiden Netzwerke zusammen. In den Experimenten zeigen wir, dass GCNs DDIs aus den molekularen Strukturen von Arzneimitteln mit hoher Genauigkeit vorhersagen können und dass die molekulare Information die textbasierte DDI-Extraktion um 2,39 Prozentpunkte im F-Score auf dem Datensatz der gemeinsamen Aufgabe DDIExtraction 2013 verbessern kann.