药物相互作用（DDI）是药物研究的一个重要方面，它可能对患者产生不良影响并可能导致严重后果。准确预测这些事件可以显着提高临床医生做出更好决策和建立最佳治疗方案的能力。然而，手动检测这些相互作用既耗时又费力。利用人工智能 (AI) 的进步对于实现 DDI 的准确预测至关重要。在这篇综述中，根据DDI预测的类型，DDI预测任务分为三种类型：无向DDI预测、DDI事件预测和非对称DDI预测。然后，本文回顾了 DDI 中这三个预测任务中人工智能的进展，并总结了所使用的数据集以及这三个预测方向所使用的代表性方法。在这篇综述中，我们的目标是提供药物相互作用预测的全面概述。第一部分介绍常用数据库，并概述 DDI 三个领域的当前研究进展和技术。此外，我们引入了用于预测非定向药物相互作用的经典机器学习技术，并为预测的药物相互作用事件的进展提供了时间表。最后，我们讨论了人工智能方法在预测 DDI 方面的困难和前景，强调它们在改善临床决策和患者治疗结果方面的潜力。



"点击查看英文标题和摘要"