Прогнозування взаємодії між лікарськими засобами (DDI) є критично важливим завданням для забезпечення безпеки пацієнтів та оптимізації терапії. Традиційні унімодальні підходи часто не в змозі повністю охопити складні біохімічні механізми DDI. Метою дослідження є розробка та оцінка високоефективної мультимодальної Transformer-моделі (DDI-TransMDL) для прогнозування 65 різних DDI подій. У роботі застосовано архітектуру Transformer Encoder для інтеграції чотирьох гетерогенних модальностей даних: структурних ознак (SMILE), цільових білків, ферментів та біологічних шляхів. Методи дослідження включають агрегацію ознак включно з коефіцієнтом подібності Жаккара для моделювання взаємодії ліків, та 5-fold крос-валідацію для об’єктивної оціник.