Acerca de
Contexto
ESTxGNN es una plataforma de apoyo a la investigación en reposicionamiento de medicamentos, construida sobre el modelo TxGNN publicado en Nature Medicine por el Zitnik Lab de la Universidad de Harvard. Predice la ampliación de indicaciones de los medicamentos autorizados por la AEMPS en España. Más allá de las puntuaciones de predicción de la IA, la plataforma integra evidencia clínica de ClinicalTrials.gov y PubMed para que los investigadores puedan evaluar rápidamente su credibilidad.
Sobre el desarrollador
Esta plataforma está desarrollada y operada por 藥提醒科技有限公司 (yao.care, número de registro mercantil 83620786, 12F, No. 220, Sec. 2, Taiwan Blvd., West Dist., Taichung City, Taiwan).
ESTxGNN es el sitio de España de la línea de productos «TxGNN Drug Repurposing» de la empresa.
El mismo sistema está desplegado en 30 países y regiones, cada uno denominado {CC}TxGNN
(JpTxGNN, UsTxGNN, DETxGNN, etc.) en {cc}txgnn.yao.care.
Descripción general del producto: https://www.yao.care/medical/txgnn/.
El modelo TxGNN en sí fue desarrollado por el Zitnik Lab de Harvard Medical School y publicado en Nature Medicine. Esta plataforma es el sistema de producción que 藥提醒科技有限公司 ha construido sobre ese modelo, y abarca la integración de datos nacionales de registro de medicamentos, la predicción dual mediante grafo de conocimiento y aprendizaje profundo, la gradación de la evidencia con PubMed / ClinicalTrials y la integración con la historia clínica electrónica mediante SMART on FHIR.
¿Qué es el reposicionamiento de medicamentos?
El reposicionamiento de medicamentos consiste en encontrar nuevos usos terapéuticos para medicamentos ya existentes. En comparación con el desarrollo de un fármaco nuevo desde cero —de 10 a 15 años y de 1.000 a 2.000 millones de USD—, el reposicionamiento requiere de 3 a 5 años y de 100 a 300 millones de USD, y ya se dispone de datos de seguridad en humanos, por lo que el riesgo de fracaso es menor.
| Aspecto | Desarrollo de un fármaco nuevo | Reposicionamiento de medicamentos |
|---|---|---|
| Tiempo | 10–15 años | 3–5 años |
| Coste | 1.000–2.000 millones de USD | 100–300 millones de USD |
| Datos de seguridad | Deben generarse | Ya se dispone de datos en humanos |
| Riesgo de fracaso | Muy alto (>90 %) | Menor |
¿Qué es TxGNN?
TxGNN es un modelo de aprendizaje profundo desarrollado por el Zitnik Lab de Harvard Medical School y publicado en Nature Medicine. Predice asociaciones novedosas entre medicamentos y enfermedades y es el primer modelo fundacional para el reposicionamiento de medicamentos diseñado específicamente para clínicos.
«TxGNN integra un grafo de conocimiento de 17.080 entidades biomédicas y utiliza redes neuronales de grafos para aprender relaciones complejas entre nodos, prediciendo la eficacia potencial de los medicamentos frente a enfermedades raras». — Huang et al., Nature Medicine (2023)
Fuentes de datos
| Tipo | Fuente | Descripción |
|---|---|---|
| Predicción de IA | TxGNN | Modelo de predicción por grafo de conocimiento de Harvard |
| Ensayos clínicos | ClinicalTrials.gov | Registro mundial de ensayos clínicos |
| Literatura | PubMed | Base de datos de literatura biomédica |
| Información de medicamentos | DrugBank | Base de datos de medicamentos y dianas |
| Datos de registro | AEMPS | Datos de autorización de medicamentos de España |
Base académica
Huang, K., et al. (2023). A foundation model for clinician-centered drug repurposing. Nature Medicine. DOI: 10.1038/s41591-023-02233-x
Dimensión
| Elemento | Valor |
|---|---|
| Informes de medicamentos | 643 |
| Autoridad reguladora | AEMPS |
| Sitios desplegados | 30 países / regiones |
Contacto
- GitHub Issues: https://github.com/yao-care/ESTxGNN/issues
- Desarrollador: 藥提醒科技有限公司 (https://www.yao.care, service@yao.care)
- Descripción general del producto: https://www.yao.care/medical/txgnn/
Este informe tiene únicamente fines de consulta para la investigación académica y no constituye consejo médico. Siga siempre las indicaciones de su médico; nunca ajuste la medicación por su cuenta. Cualquier decisión de reposicionamiento de medicamentos requiere una validación clínica completa y una revisión regulatoria.
Revisado por: 藥提醒科技有限公司 (yao.care)