基于双视角鲁棒因果子结构网络的DDI预测方法及系统

本发明属于药物相互作用预测技术领域，提供了基于双视角鲁棒因果子结构网络的DDI预测方法及系统，其技术方案为鲁棒因果图表示学习模块通过主动生成工具变量来识别并剔除输入药物分子图和药物对二部图中对DDI预测无因果贡献甚至产生干扰的混杂子结构，从而生成更纯净、更具因果性的图表示。随后，双视角子结构网络模块在经过鲁棒性裁剪的图结构上执行其独特的双视角表示学习和预测，提高DDI预测的准确性、鲁棒性和泛化能力，特别是在面对未知药物或复杂相互作用模式时。