分子構造情報を利用した薬物相互作用の抽出強化

我々は、外部の薬物分子構造情報を利用してテキストから薬物-薬物相互作用（Drug-Drug Interactions: DDIs）を抽出する新しい神経ネットワーク手法を提案します。この手法では、テキスト上の薬物ペアを畳み込みニューラルネットワーク（Convolutional Neural Networks: CNNs）で符号化し、その分子ペアをグラフ畳み込みニューラルネットワーク（Graph Convolutional Networks: GCNs）で符号化します。その後、これらの2つのネットワークの出力を結合します。実験において、GCNsが薬物の分子構造から高精度でDDIsを予測できることを示し、分子情報がDDE2013共有タスクデータセットでのF値を2.39ポイント向上させることで、テキストベースのDDI抽出を強化できることが確認されました。