SIDER与药物副作用频率预测

一句话理解：SIDER把药品说明书中的副作用信息整理成数据库；A3Net要学习的是“某种药物出现某种副作用有多频繁”，而不只是“是否有关联”。

1. 先区分三个任务

任务	输出	例子
二分类	有或没有	药物A是否与恶心相关
排序	哪些副作用更值得优先关注	给药物A推荐前10个可能副作用
频率预测	发生频率等级或数值	恶心属于rare还是frequent

A3Net同时碰到后两类问题：它预测1—5级频率，又用AUC、mAP、NDCG等指标检查能否把已知关联排到前面。

2. A3Net里的矩阵是什么

把药物放在行、副作用放在列，可得到频率矩阵 $S$：

$$S_{ij}=\text{药物 }i\text{ 与副作用 }j\text{ 的频率等级}$$

论文共有750种药物和994种副作用，所以矩阵大小是$750\times994$。已记录频率被离散为1—5级；0表示数据库没有记录该组合。

3. 最容易犯的错误：0不等于“没有”

数据库未记录一个组合，可能有多种原因：确实没有关联、样本不足、说明书未报告、名称映射失败，或尚未被观察。因此0更准确的含义是“未知/未标注”，不是经过验证的阴性。

这会影响两件事：

1. 训练时若把0都当负例，可能错误压低真实但未记录的关联；
2. 评估AUC时若把0都当负例，模型发现的新关联反而可能被算作假阳性。

这就是正例-未标注学习PU Learning要处理的问题。

4. 五级频率意味着什么

离散等级便于统一不同说明书中的频率区间，但会损失细节：两个真实发生率不同的组合可能被放进同一级；等级之间也不一定严格等距。因此把1—5直接当连续数做RMSE，是实用做法，却隐含“相邻等级距离相同”的假设。

5. 在A3Net中处于哪里

• 输入：训练折中可见的频率矩阵；
• 图构建：副作用节点按频率轮廓相似度构成KNN图；
• 输出：通过内积解码重建完整矩阵；
• 评估：同时看排序指标与数值误差，详见预测模型评价指标。

6. 阅读时的检查问题

• 0被当成未知、弱负例还是真负例？
• 频率等级是有序类别还是连续数值？
• 测试折的信息是否参与构图？
• 新药和已知药物是否分开评估？

相关论文

• A3Net精读笔记（A3Net）