基于机器学习的提高药物-不良反应信号强度的方法

本发明涉及一种基于机器学习算法的FAERS数据库中药物不良反应信号强度准确性提升方法。目前，为了提高FAERS数据库的准确性。具体步骤如下：首先，对FAERS数据进行预处理，包括去重、标准化和缺失值处理；其次，采用五折交叉验证平衡数据集；接着，构建深度学习模型，融合卷积层、池化层、LSTM层、Dropout层及全连接层，并利用PaddlePaddle框架进行训练；然后，使用优化的Adam优化器和交叉熵损失函数进行模型训练；最后，应用训练好的模型处理数据，计算并对比信号强度。结果表面ROR/a和PRR/a值显著升高，证明药物与不良反应之间的关联度提高，验证了模型的有效性。