Om platformen
Baggrund
DkTxGNN er en forskningsstøtteplatform for lægemiddelrepositionering, bygget på TxGNN-modellen, som Zitnik Lab ved Harvard University har offentliggjort i Nature Medicine. Platformen forudsiger udvidelse af indikationer for lægemidler godkendt af DKMA i Danmark. Ud over AI-baserede forudsigelsesscorer integrerer platformen klinisk evidens fra ClinicalTrials.gov og PubMed, så forskere hurtigt kan vurdere, hvor troværdig hver enkelt forudsigelse er.
Om udvikleren
Denne platform er udviklet og drives af 藥提醒科技有限公司 (yao.care, virksomhedsregistreringsnummer 83620786, 12F, No. 220, Sec. 2, Taiwan Blvd., West Dist., Taichung City, Taiwan).
DkTxGNN er Danmarks-sitet i virksomhedens produktlinje “TxGNN Drug Repurposing”.
Det samme system er udrullet i 30 lande og regioner, hver med navnet {CC}TxGNN
(JpTxGNN, UsTxGNN, DETxGNN og så videre) på {cc}txgnn.yao.care.
Produktoversigt: https://www.yao.care/medical/txgnn/.
Selve TxGNN-modellen er udviklet af Zitnik Lab ved Harvard Medical School og offentliggjort i Nature Medicine. Denne platform er det produktionssystem, 藥提醒科技有限公司 har bygget oven på den model, og dækker integration af nationale lægemiddelregistreringsdata, dobbelt forudsigelse med videngraf og deep learning, evidensgradering ud fra PubMed / ClinicalTrials samt SMART on FHIR-integration med elektroniske patientjournaler.
Hvad er lægemiddelrepositionering?
Lægemiddelrepositionering vil sige at finde nye terapeutiske anvendelser for eksisterende lægemidler. Sammenlignet med at udvikle et nyt lægemiddel fra bunden — 10 til 15 år og 1–2 mia. USD — tager repositionering 3 til 5 år og 100–300 mio. USD, og der findes allerede sikkerhedsdata fra mennesker, så risikoen for fiasko er lavere.
| Aspekt | Udvikling af nyt lægemiddel | Lægemiddelrepositionering |
|---|---|---|
| Tid | 10–15 år | 3–5 år |
| Omkostning | 1–2 mia. USD | 100–300 mio. USD |
| Sikkerhedsdata | Skal etableres | Data fra mennesker foreligger allerede |
| Risiko for fiasko | Meget høj (>90 %) | Lavere |
Hvad er TxGNN?
TxGNN er en deep learning-model udviklet af Zitnik Lab ved Harvard Medical School og offentliggjort i Nature Medicine. Den forudsiger nye associationer mellem lægemiddel og sygdom og er den første foundation-model til lægemiddelrepositionering, der er designet specifikt til klinikere.
"TxGNN integrerer en videngraf med 17.080 biomedicinske entiteter og bruger grafbaserede neurale netværk til at lære komplekse relationer mellem knuder og dermed forudsige lægemidlers potentielle effekt mod sjældne sygdomme." — Huang et al., Nature Medicine (2023)
Datakilder
| Type | Kilde | Beskrivelse |
|---|---|---|
| AI-forudsigelse | TxGNN | Harvards videngrafbaserede forudsigelsesmodel |
| Kliniske forsøg | ClinicalTrials.gov | Globalt register over kliniske forsøg |
| Litteratur | PubMed | Database over biomedicinsk litteratur |
| Lægemiddelinformation | DrugBank | Database over lægemidler og targets |
| Registreringsdata | DKMA | Data om lægemiddelgodkendelser i Danmark |
Videnskabeligt grundlag
Huang, K., et al. (2023). A foundation model for clinician-centered drug repurposing. Nature Medicine. DOI: 10.1038/s41591-023-02233-x
Omfang
| Element | Værdi |
|---|---|
| Lægemiddelrapporter | 970 |
| Lægemiddelmyndighed | DKMA |
| Udrullede sites | 30 lande / regioner |
Kontakt
- GitHub Issues: https://github.com/yao-care/DkTxGNN/issues
- Udvikler: 藥提醒科技有限公司 (https://www.yao.care, service@yao.care)
- Produktoversigt: https://www.yao.care/medical/txgnn/
Denne rapport er udelukkende til akademisk forskningsreference og udgør ikke medicinsk rådgivning. Følg altid din læges anvisninger; juster aldrig din medicin på egen hånd. Enhver beslutning om lægemiddelrepositionering kræver fuld klinisk validering og myndighedsgodkendelse.
Gennemgået af: 藥提醒科技有限公司 (yao.care)