本发明提供一种个性化药物不良反应预测方法、系统、设备及介质，属于生物医学技术领域。本发明提出了基于多核函数学习的多任务学习模型(KEMULA)，以替代传统的“一刀切”和“完全个性化”的学习方法。更具体地说，该模型通过假设该模型的共享函数来学习一个受约束的个性化ADR排序函数来计算和排序每个患者的ADR发展风险。该函数称为个性化ADR排序函数，其是计算患者发生相关ADR风险的几个评分函数的线性组合。该模型还结合了拉普拉斯正则化，以确保相似患者的personADRank函数所训练的变量信息接近，这可以提升该模型对给定患者与相应ADR之间关联的因果关系(真阳性)，因此本发明具有良好的实际应用之价值。