MotivationNeuronale Ansätze zur Extraktion von Arzneimittel-Arzneimittel-Interaktionen (DDIs) aus wissenschaftlicher Literatur erfordern eine große Anzahl an annotierten Beispielen. In dieser Studie stellen wir eine neuartige Methode vor, um externe Arzneimittel-Datenbankinformationen sowie Informationen aus großskaligen, unstrukturierten Textdaten effizient für die DDI-Extraktion zu nutzen. Insbesondere konzentrieren wir uns auf Arzneimittelbeschreibungen und molekulare Strukturinformationen als Quelle der Datenbankdaten.ErgebnisseWir haben unseren Ansatz anhand des Datensatzes aus der DDIExtraction 2013 Shared Task evaluiert und erzielten folgende Ergebnisse: Erstens führt die Kombination von großskaligen Rohtextinformationen mit bestehenden Modellen zu einer erheblichen Verbesserung der DDI-Extraktionsleistung und erreicht dabei den Stand der Technik. Zweitens ist sowohl die Arzneimittelbeschreibung als auch die molekulare Strukturinformation für bestimmte DDI-Typen hilfreich, um die Extraktionsleistung weiter zu steigern. Drittens ermöglicht die gleichzeitige Nutzung beider Informationsquellen – Arzneimittelbeschreibung und molekulare Struktur – eine signifikante Leistungssteigerung bei allen DDI-Typen. Wir zeigen, dass Rohtext, Arzneimittelbeschreibungen und molekulare Strukturinformationen sich ergänzen und deren effektive Kombination entscheidend für die Verbesserung der DDI-Extraktionsleistung ist.