计算机工程与应用

作者：申玥玥, 史加荣, 雍龙泉

单位：1.西安建筑科技大学 理学院，西安 710055；2.西安建筑科技大学 绿色建筑全国重点实验室，西安 710055；3.陕西理工大学 数学与计算机科学学院，陕西 汉中 723001；

关键词：药物相互作用,深度学习,药物-药物相互作用（DDI）预测,图神经网络（GNN）,卷积神经网络（CNN）,知识图谱（KG）

基金：绿色建筑全国重点实验室自主研究课题（LSZZ-Y202414）；陕西省自然科学基础研究计划项目（2024JC-YBMS-014）。

多药联合治疗引发的药物-药物相互作用（drug-drug interaction，DDI）风险日益突出，而传统实验方法虽具有可靠性，却因成本高、周期长而难以应对。以药物特征表示为主线，将现有深度学习方法归纳为五类：序列特征、结构化特征、图结构、知识图谱和多模态融合，并系统分析其应用特点与优缺点。基于两个基准数据集的实验结果表明，图结构和知识图谱方法在复杂预测任务中表现最优。进一步从药物研发、临床应用和决策支持三个层面分析了DDI模型的优势与局限，并总结了数据质量、模型可解释性及临床验证等关键挑战，最后对未来的发展方向进行了展望。

来源：2026年第8期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第8期