学术报道
在2025年5月26日—29日于新加坡举行的第30届DASFAA（Database Systems for Advanced Applications，CCF B类）国际会议上，我院信息安全专业沈林杰同学与马文瑞老师合作完成的Demo论文 《Pharmaformer: A Transformer-based Pharmacokinetic Prediction System》 成功入选并将现场展示。这一工作将Transformer模型引入药代动力学浓度预测，探索对传统NONMEM建模流程的替代与补充。
“DASFAA 2025”于2025年5月26日—29日在新加坡市中心Carlton Hotel成功举办，由新加坡管理大学（SMU）承办。DASFAA创办于1989年，是亚太数据库领域历史悠久的国际会议，长期被中国计算机学会（CCF）列为B类推荐。本次我院信息安全2201班的沈林杰同学作为第一作者的论文被录用为demo paper。沈林杰同学前往会场进行系统演示、答疑与学术交流。
会议背景
DASFAA旨在为数据库与数据密集型应用研究者、产业界人士提供前沿成果交流平台，历届与会主题涵盖数据库核心技术、大数据、AI与数据管理交叉等方向，见证了领域30余年的技术演进。
研究动机：
在药物研发中，NONMEM作为行业黄金标准被广泛用于群体药代动力学建模，但其步骤繁琐、依赖经验，且在复杂人群或多数据源融合场景下易受限制。而Transformer在序列建模中凭借自注意力机制捕获长距离依赖，为药代动力学非线性特征学习提供新的可能。
技术创新：
Pharmaformer是一款基于Transformer架构的药代动力学（PK）预测系统，旨在为药物浓度变化趋势建模提供高效、可解释的解决方案。该系统将药物给药取样序列视作“语言”，利用自注意力机制捕捉时间依赖性和药物–患者特征之间的交互，克服了传统RNN模型在处理长序列时的梯度衰减问题。Pharmaformer能够直接输出浓度-时间分布及关键PK参数，无需手动构建微分方程模型，从而简化了建模流程。此外，系统集成了基于Shapley值的可解释性模块，量化不同生理和化学特征对模型预测结果的贡献，提高了模型的透明度。
Demo功能：
交互式可视化：用户上传药物剂量与患者基本信息，即可实时生成预测曲线。
云端部署：基于streamlit + PyTorch 实现，已封装为Web Demo，可在移动端访问。