Interaksi obat-obat (DDI) merupakan tantangan signifikan dalam farmakoterapi modern, berkontribusi terhadap 17-23% hospitalisasi terkait reaksi obat merugikan. Machine learning (ML) telah muncul sebagai pendekatan yang menjanjikan untuk prediksi DDI secara komputasional, namun sintesis komprehensif mengenai metodologi, patokan performa, dan tantangan translasi klinis masih kurang. Systematic review ini bertujuan untuk mengidentifikasi dan mengevaluasi algoritma ML yang diterapkan untuk prediksi DDI, membandingkan performa mereka di berbagai dataset dan strategi validasi, menganalisis metode representasi fitur, dan mengidentifikasi kesenjangan kritis yang menghambat penerapan klinis. Mengikuti pedoman PRISMA 2020, kami melakukan pencarian sistematis di lima basis data elektronik (PubMed, IEEE Xplore, Scopus, Web of Science, Google Scholar) untuk studi yang dipublikasikan antara Januari 2019 hingga Maret 2025. Penyaringan dan ekstraksi independen ganda dilakukan dengan penilaian kualitas menggunakan kriteria PROBAST yang diadaptasi. Studi yang diinklusi dianalisis untuk jenis algoritma, representasi fitur, dataset, strategi validasi, dan metrik performa. Dari 1.285 rekaman awal, 60 s
📖 افتح في inklap 🔗 DOI 📮 اطلب بحثاً