研究概览 · 约3分钟
从临床药学问题出发，
连接联合用药证据与智能分析
我目前负责医院临床药学工作，药学本科、中药学硕士，具备抗感染与信息药师背景；已有FAERS药物安全研究与论文经历，以及三项人工智能与药物安全相关项目经验。
希望亲自承担问题定义、数据库与提取、建模和误差分析，而不只提供病例。
01 / 想研究什么
一个核心问题：条件与真实暴露能增加什么？
在联合用药分析中，加入制剂、剂量、接触条件和实际给药时间，能否比仅用药名或药对标签，更准确地判断证据适用性与患者风险？
拟先建立可追溯的条件化证据资源，检验抽取与预测基线；再在获批且数据可行时，从慢病加药应答或肺炎48小时复评中择一收敛。配伍、体内相互作用、安全事件与疗效分别定义，不把证据标签当成患者结局。
02 / 与团队如何衔接
承接已有研究，检验具体增量
围绕邓老师参与的研究与合作研究群积累：在DeepIDC配伍标签预测、MDDC双任务基础上，研究条件表示与跨来源验证；借鉴ACRM抗菌药共处方建模，将实际给药和治疗阶段纳入任务；利用P450等机制资源追踪证据，但不直接推断临床伤害。
我侧重药学定义、数据工程与基线实现，期待与团队共同推进表示学习和多任务方法。上述关联是合作设想，不代表已确定项目。查看依据与边界
03 / 已经做了什么
DPP效力与表观选择性：一个方法能力样例
完整设计 + 首轮预实验 · 已完成
围绕DPP4/8/9三靶点，完成数据审计、删失信息处理、独立随机森林与三种多任务变体、骨架及来源家族留出对照；从4,549条原始记录形成3,732条拟合前合格测量行，已形成报告与本轮实验结果；当前提供 DPP-SelectLab 正式源码及压缩输入数据，运行时现场训练，不附预训练模型。
这里的“联合”是多靶点联合预测，不是联合用药效果。它展示可复核研究的工作方式，尚未解决上面的联合用药主问题。
首轮结论：固定预算下，联合模型未优于随机森林。严格协议匹配配对为0，选择性证据有限，神经网络未达收敛判据；不能用于候选筛选，也不能据此判定联合架构无效。
04 / 希望讨论
先把下一步收敛清楚
- 哪组公开证据最适合先做条件化抽取与独立验证？
- 慢病加药与抗感染复评，哪项更契合团队及可用条件？
- DPP样例是否应先补可比面板，再决定是否继续联合模型？