Los sistemas médicos inteligentes tienen un gran potencial para desempeñar un papel importante en la vida diaria de las personas, ya que pueden proporcionar información sobre enfermedades y medicamentos de manera inmediata tanto para médicos como para pacientes. Los datos estructurados en grafos están atrayendo cada vez más atención en el sector de la inteligencia artificial. Combinando datos estructurados en grafos con un conjunto de datos médicos, se propone una red de convolución de grafos tripartita llamada TriGCN. Este modelo es capaz de conectarse a nodos de enfermedad y medicamento o nodos de paciente, enfermedad y medicamento, propagar información de capa a capa y actualizar las características de los nodos al mismo tiempo. Después de esto, se utiliza un ranking de etiquetas calibradas para ofrecer listas de recomendaciones de medicamentos personalizadas a los pacientes. El enfoque TriGCN tiene un gran rendimiento, superando a otros métodos de aprendizaje automático. Por lo tanto, este modelo tiene el potencial de ser aplicado en la realidad y contribuirá a la salud pública en el futuro.