药物组合疗法通过应用两种及以上药物以达到显著治疗效果，因其毒性低、不易产生耐药性，被认为是癌症治疗的基石，比单药疗法更具有吸引力。如何确定副作用最小、治疗效果又好的药物组合，在过去需要付出巨大的经济成本和时间成本，并且也存在有害的治疗风险，而高效的计算方法则是成功的关键。
2025年1月9日，来自同济大学计算机科学与技术学院的刘琴教授应邀莅临上海交通大学医学院临床研究中心并做题为“基于异源异构数据融合的抗癌联合药敏深度学习模型”的报告。刘琴教授在异源异构数据融合、知识图谱、图神经网络、自然语言处理等领域具有非常丰富的经验，在开展协同药物组合预测、合成致死基因对预测等研究方面也取得了一系列成果，是该领域的专家。她的报告详细展示了深度学习模型与药物特征、细胞系特征相结合，为抗癌协同用药组合带来更准确的预测结果。
刘琴教授通过展示融合多组学数据的细胞系特征生成，基于完全图和多任务学习的协同药物组合预测，融合多尺度数据的协同药物组合预测，详细讲述了基于异源异构数据融合的抗癌联合药敏深度学习模型的构建。在完全图的多任务学习方法预测协同药物组合（CGMS）中，CGMS将药物组合和细胞系建模为异构完全图，采用多任务学习技术对模型进行药物协同预测任务和药物敏感性预测任务的同时训练，提高CGMS泛化能力，在药物组合场景中具有显著优势。
未来，刘琴教授还将基于生物医药数据集成和可解释性的深度学习预测方法，根据场景，构建更复杂的多药联合场景药敏预测。
