一种缓解药物数据短板效应的多知识融合药物推荐方法

本发明公开了一种缓解药物数据短板效应的多知识融合药物推荐方法，属于药物推荐技术领域。在预训练阶段，通过构建模态对作为输入，将原有的跨模态对齐任务转化为模态内部的两两对齐，并在多次迭代中逐步将不同模态信息融合进跨模态编码器，使其能够学习并生成兼容多模态特征的药物表征。在正式训练阶段，将所获得的药物表征与患者的诊断疾病信息及手术记录相结合，形成全面的患者表征，从而提升药物推荐的准确性与鲁棒性。本发明的方法能够充分利用多模态知识，有效缓解药物多模态数据的短板效应，为临床个性化用药和智能医疗决策提供技术支持。