本发明涉及一种基于多任务学习的抗癌药物反应预测方法，属于系统生物学技术领域。本发明首先将药物分子指纹、细胞系基因表达和已知药物反应数据放入交互图卷积模型中，通过汇聚节点特征信息得到细胞系特征表示和药物特征表示，此部分主辅任务共享权重参数。之后主任务进行二元分类，辅助任务A和辅助任务B分别经过单独的线性变换层后进行IC50回归预测任务和相似性网络重构任务。最后通过加权求和来平衡三个任务的损失进行训练。并利用训练好的模型预测新的癌细胞系和药物反应，最后输出癌细胞系和药物敏感性的预测分数。本发明通过多任务学习，结合了IC50回归预测任务和相似性重构任务，来提高机器学习在药物敏感性预测上的效果。