Las interacciones entre medicamentos pueden ocurrir cuando dos o más fármacos se utilizan para el mismo paciente. Esto puede resultar en cambios en la actividad farmacológica del medicamento, algunos de los cuales son beneficiosos y otros son perjudiciales. Por lo tanto, identificar posibles interacciones entre fármacos (DDI) siempre ha sido un tema de investigación crucial en el campo de la farmacología clínica. Dado que los ensayos clínicos son costosos y consumen mucho tiempo, los enfoques actuales para predecir DDI se basan principalmente en la extracción de conocimiento de la literatura mediante métodos computacionales. Sin embargo, debido a que la literatura contiene una gran cantidad de información no relacionada, la tarea de identificar interacciones entre medicamentos con alta confianza se ha vuelto desafiante. Por lo tanto, aquí presentamos un método novedoso basado en redes convolucionales de grafos llamado DDINN para detectar posibles DDI. Al combinar cBiLSTM, redes convolucionales de grafos y una matriz de dependencia con equilibrio de pesos, DDINN es capaz de extraer eficientemente información tanto de contexto como sintáctica de la extensa literatura biomédica. Por último, comparamos nuestro DDINN con otros modelos de vanguardia, y se demostró que nuestro trabajo es más efectivo. Además, los experimentos de ablación demuestran las ventajas de las técnicas de optimización de DDINN también.