Om
Bakgrunn
NOTxGNN er en forskningsstøtteplattform for legemiddelreposisjonering, bygget på TxGNN-modellen som ble publisert i Nature Medicine av Zitnik Lab ved Harvard University. Den predikerer utvidelse av indikasjoner for legemidler godkjent av DMP i Norge. I tillegg til KI-baserte prediksjonsskår integrerer plattformen klinisk evidens fra ClinicalTrials.gov og PubMed, slik at forskere raskt kan vurdere hvor troverdig hver enkelt prediksjon er.
Om utvikleren
Denne plattformen er utviklet og drives av 藥提醒科技有限公司 (yao.care, organisasjonsnummer 83620786, 12F, No. 220, Sec. 2, Taiwan Blvd., West Dist., Taichung City, Taiwan).
NOTxGNN er Norge-nettstedet i selskapets produktlinje «TxGNN Drug Repurposing».
Det samme systemet er satt i drift i 30 land og regioner, hvert med navnet {CC}TxGNN
(JpTxGNN, UsTxGNN, DETxGNN og så videre) på {cc}txgnn.yao.care.
Produktoversikt: https://www.yao.care/medical/txgnn/.
Selve TxGNN-modellen ble utviklet av Zitnik Lab ved Harvard Medical School og publisert i Nature Medicine. Denne plattformen er produksjonssystemet som 藥提醒科技有限公司 har bygget oppå den modellen, og omfatter integrasjon av nasjonale legemiddelregistreringsdata, dobbel prediksjon med kunnskapsgraf og dyp læring, evidensgradering fra PubMed / ClinicalTrials samt integrasjon mot elektronisk pasientjournal via SMART on FHIR.
Hva er legemiddelreposisjonering?
Legemiddelreposisjonering betyr å finne nye terapeutiske bruksområder for eksisterende legemidler. Sammenlignet med å utvikle et nytt legemiddel fra bunnen av — 10 til 15 år og USD 1–2 milliarder — tar reposisjonering 3 til 5 år og USD 100–300 millioner, og sikkerhetsdata fra mennesker finnes allerede, slik at risikoen for å mislykkes er lavere.
| Aspekt | Utvikling av nytt legemiddel | Legemiddelreposisjonering |
|---|---|---|
| Tid | 10–15 år | 3–5 år |
| Kostnad | USD 1–2 milliarder | USD 100–300 millioner |
| Sikkerhetsdata | Må etableres | Humane data finnes allerede |
| Risiko for å mislykkes | Svært høy (>90 %) | Lavere |
Hva er TxGNN?
TxGNN er en modell for dyp læring utviklet av Zitnik Lab ved Harvard Medical School og publisert i Nature Medicine. Den predikerer nye sammenhenger mellom legemiddel og sykdom og er den første grunnmodellen for legemiddelreposisjonering som er utformet spesielt for klinikere.
"TxGNN integrerer en kunnskapsgraf med 17 080 biomedisinske entiteter og bruker grafnevrale nettverk til å lære komplekse relasjoner mellom noder, og predikerer dermed legemidlers potensielle effekt mot sjeldne sykdommer." — Huang et al., Nature Medicine (2023)
Datakilder
| Type | Kilde | Beskrivelse |
|---|---|---|
| KI-prediksjon | TxGNN | Harvards prediksjonsmodell basert på kunnskapsgraf |
| Kliniske studier | ClinicalTrials.gov | Globalt register over kliniske studier |
| Litteratur | PubMed | Database over biomedisinsk litteratur |
| Legemiddelinformasjon | DrugBank | Database over legemidler og målmolekyler |
| Registreringsdata | DMP | Data om legemiddelgodkjenning i Norge |
Faglig grunnlag
Huang, K., et al. (2023). A foundation model for clinician-centered drug repurposing. Nature Medicine. DOI: 10.1038/s41591-023-02233-x
Omfang
| Element | Verdi |
|---|---|
| Legemiddelrapporter | 511 |
| Legemiddelmyndighet | DMP |
| Nettsteder i drift | 30 land / regioner |
Kontakt
- GitHub Issues: https://github.com/yao-care/NOTxGNN/issues
- Utvikler: 藥提醒科技有限公司 (https://www.yao.care, service@yao.care)
- Produktoversikt: https://www.yao.care/medical/txgnn/
Denne rapporten er kun ment som referanse for akademisk forskning og utgjør ikke medisinske råd. Følg alltid legens anvisninger; juster aldri medisineringen på egen hånd. Enhver beslutning om legemiddelreposisjonering krever fullstendig klinisk validering og regulatorisk gjennomgang.
Gjennomgått av: 藥提醒科技有限公司 (yao.care)