薬物の組み合わせは治療効果をもたらす一方で、有害な薬物相互作用（DDI）のリスクも伴います。特に複雑な分子構造の場合、正確なDDIイベントの予測には薬物間の微細な関係性を把握することが重要です。従来の手法では、孤立した薬物表現に依存しており、原子レベルの分子間相互作用を明示的にモデル化できていませんでした。これに対処するために、MolBridgeという新しい原子レベルの共同グラフ洗練フレームワークを提案します。この方法では、薬物ペアの原子構造を統合した共同グラフを構築し、薬物間の関連を直接モデリングします。また、情報の損失を防ぐために、構造的一貫性モジュールを導入し、ノード特徴を反復的に洗練させながらグローバルな構造コンテキストを保持します。MolBridgeは、ローカルとグローバルな相互作用の両方を効果的に学習し、従来の最先端手法を上回るパフォーマンスを達成しています。