عنوان
پيش‌بيني انواع تداخل دارو-دارو با استفاده از يادگيري عميق
نويسنده اصلي
طباطبائي، سيد حميد
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
رشته تحصيلي
مهندسي كامپيوتر
مقطع تحصيلي
كارشناسي ارشد
چكيده
تداخلات دارويي يكي از چالش‌هاي مهم در حوزه پزشكي و داروسازي است كه مي‌تواند منجر به عوارض جانبي جدي و حتي مرگ‌ومير شود. پيش‌بيني دقيق اين تداخلات، به خصوص براي داروهاي جديد، همچنان يك مسئله چالش‌برانگيز است. در اين پژوهش، يك مدل يادگيري عميق چندوجهي براي پيش‌بيني و دسته‌بندي تداخلات دارويي ارائه شده است كه با تركيب هوشمندانه سه نوع داده دارويي شامل ساختار مولكولي، شباهت‌هاي دارويي و اطلاعات متني طراحي شده است. در اين مدل، شبكه عصبي گرافي براي پردازش ساختار مولكولي، معيار جاكارد براي محاسبه شباهت‌ها، و مدل SciBERT براي استخراج اطلاعات متني به كار گرفته شده است. ارزيابي مدل در قالب سه سناريوي مختلف با پيچيدگي‌هاي متفاوت انجام شده و نتايج نشان مي‌دهند كه مدل پيشنهادي به خصوص در شناسايي تداخلات براي داروهاي شناخته شده، عملكرد بهتري نسبت به روش‌هاي موجود دارد. معماري چندوجهي اين مدل امكان تعميم‌پذيري به داروهاي جديد را نيز فراهم مي‌كند و مي‌تواند در محيط‌هاي باليني براي كمك به تصميم‌گيري پزشكان و همچنين در فرآيند توسعه داروهاي جديد مورد استفاده قرار گيرد.
شماره ركورد
233244
گرايش رشته تحصيلي
هوش مصنوعي و رباتيكز
دانشكده
مهندسي برق و كامپيوتر
دانشگاه
دانشگاه صنعتي اصفهان