Model Prediksi Adverse Drug Reactions (ADRs) Menggunakan Metode Multilabel Learning dengan Algoritme Deep Neural Network (DNN)

Abstract

Obat merupakan paduan bahan yang digunakan untuk mempengaruhi keadaan patologi manusia. Selain memberikan manfaat, obat-obatan juga dapat memberikan efek samping atau adverse drug reactions (ADRs) lebih dari satu macam yang dapat merugikan penggunanya. Penelitian ini bertujuan membangun model prediksi ADRs menggunakan metode multi-label learning dengan algoritme deep neural network (DNN). Data diunduh dari repositori PubChem untuk mendapatkan data terkait suatu obat dan data terkait efek samping suatu obat diunduh dari basis data SIDER 4.1. Tahap praproses dilakukan dengan pemetaan data obat yang telah diunduh, mengekstraksi fitur fingerprint, dan pembentukan label dari setiap obat menggunakan data asosiasi obat-ADRs. Pembagunan model DNN menggunakan metode multi-label learning serta hyperparameter yang telah dioptimasi dengan bayesian optimization dan k-fold cross validation dengan nilai k=5 menghasilkan nilai akurasi tertinggi sebesar 0.878834, nilai AUC-ROC tertinggi sebesar 0.614282, nilai hamming loss terendah sebesar 0.121166, dan nilai F1-score tertinggi sebesar 0.361056.