摘要 在过去的几年中，计算机辅助药物再利用方法开始受到更多关注，因为它们提供了一种更快、更有效的治疗多种疾病的方法。虽然这些方法在预测能力方面很有前景，但由于其高度复杂的工作机制限制了它们的可解释性，因此在实践中使用这些方法仍然存在犹豫。可解释人工智能 (XAI) 以透明度、可解释性和信息性为主要基础，可以解决黑盒模型的局限性。在这种情况下，知识图谱 (KG) 可以利用生物医学领域提供给用户的解释，因为它们能够以语义一致的方式表示实体之间的关系。知识图谱有可能生成基于图形的表示，同时提供上下文，使其易于被人类解释。在本文中，我们提出了一种方法，即基于 KG 的可解释 AI 框架，用于药物再利用领域，作为 PREDICT 方法的扩展。该方法的核心是通过从输入中提取相关路径来生成基于相似性的解释，输入包括一种疾病和一种预测的治疗该疾病的药物。为了证明这种方法的实用性，我们通过对阿尔茨海默病进行用例来演示如何使用 KG 中使用的图形操作来生成合理的解释。我们的研究结果表明，利用生物医学 KG 和这种方法具有提供透明解释的巨大潜力，因为它能够说明与目标输入非常相关的药物、疾病实体之间的关系。将这种方法应用于药物再利用和其他类似领域，可能有助于克服计算药物再利用模型的黑箱性质所造成的局限性，并可能成为增强对模型决策过程的理解和简化领域专家和计算机科学家之间的科学交流的有力工具。