医薬品推薦システムは、臨床医が個別化された治療決定を行うための重要な役割を果たしますが、従来のアプローチには2つの基本的な制約があります。一つは、医療関連の要素を独立した特徴として扱い、相互作用効果をモデル化しないこと、もう一つは、患者特有の状況や健康状態に適応しない静的な因果関係を使用していることです。これらの課題を解決するために、CafeMedというフレームワークを提案します。CafeMedは、動的因果推論とクロスモーダルな注意機構を統合し、安全かつ正確な医薬品推薦を実現します。二つの主要な要素として、Causal Weight Generator (CWG) とChannel Harmonized Attention Refinement Module (CHARM)を導入し、これにより異なる医療状態が治療決定に与える共同影響をモデリングします。MIMIC-IIIおよびMIMIC-IVデータセットでの広範な実験により、CafeMedは最新技術の基準を大きく上回る結果を示し、医薬品予測の精度を向上させながら薬物間相互作用の率を低く保つことに成功しました。