ClinicalFocal loss

Asymmetric Focal Loss Boosts Graph Neural Network Drug Interaction Predictions

研究人员开发了一种不对称焦点损失函数，显著提高了图神经网络预测药物-药物相互作用的准确性。这种名为 ClinicalFocal loss 的新方法被集成到关系感知图卷积网络中，与标准的二元交叉熵相比，在准确率、F1分数、AUROC 和 AUCPR 方面取得了显著的提升。该方法有效地减少了假阴性和整体分类错误，在不改变网络架构的情况下增强了对临床重要相互作用的预测。