基于拉普拉斯正则化的药物副作用频率预测

摘要

药物风险-效益评价中的一个重要问题是确定药物副作用的频率.相较于通常的随机对照实验,基于机器学习预测药物副作用频率的方法具有时间短、准确率高的特点,并且可以用来指导对照实验.现有的计算方法很少考虑“相似的药物具有相似的副作用频率”这一特点,因此预测性能仍有待进一步提高.本文提出结合拉普拉斯正则化的非负矩阵分解方法,并引入超参数控制未知副作用标签及其预测值的间隔.计算实验表明,该方法可以有效预测药物的副作用频率,并且还可以预测上市后药物的副作用.