MotivationLes méthodes neuronales pour extraire les interactions médicamenteuses (DDI) à partir de la littérature nécessitent un grand nombre d’annotations. Dans cette étude, nous proposons une nouvelle méthode visant à exploiter efficacement les informations provenant de bases de données externes sur les médicaments ainsi que les informations issues de grands volumes de texte brut pour l’extraction des DDI. Plus précisément, nous nous concentrons sur les informations relatives à la description des médicaments et à leur structure moléculaire, tirées des bases de données.RésultatsNous avons évalué notre approche sur le jeu de données de la tâche partagée DDIExtraction 2013. Les résultats obtenus sont les suivants : premièrement, l’information issue de grands volumes de texte brut peut considérablement améliorer les performances d’extraction des DDI lorsqu’elle est combinée à un modèle existant, permettant d’atteindre un niveau d’état de l’art. Deuxièmement, tant la description du médicament que la structure moléculaire apportent une amélioration significative des performances pour certains types spécifiques de DDI. Enfin, l’utilisation simultanée des deux types d’informations — description du médicament et structure moléculaire — permet une amélioration notable des performances sur l’ensemble des types de DDI. Nous démontrons ainsi que le texte brut, les informations de description des médicaments et les données de structure moléculaire sont complémentaires, et que leur combinaison efficace est essentielle pour une amélioration significative des performances.