Menetelmät
Kokonaisprosessi
Alusta käyttää neljävaiheista prosessia: TxGNN-tietograafimalli ennustaa mahdollisia lääkkeen ja sairauden välisiä yhteyksiä, minkä jälkeen jokaiselle ennustetulle parille kerätään automaattisesti näyttöä, näyttö luokitellaan tasoille L1–L5 ja lopuksi annetaan päätössuositus.
- TxGNN-ennuste: lääkkeen ja sairauden väliset suhteet ennustetaan tietograafin ja graafineuroverkkojen yhdistelmällä.
- Näytön kerääminen: jokaiselle ennustetulle parille kerätään näyttöä lähteistä ClinicalTrials.gov, PubMed, DrugBank ja Fimea.
- Näytön luokittelu: luokitus tasoille L1–L5, joissa L1 on vahvin (useita vaiheen 3 RCT-tutkimuksia) ja L5 tarkoittaa pelkkää mallin ennustetta.
- Päätössuositus: Go, Proceed, Consider, Explore tai Hold näytön tason perusteella.
Näytön luokittelukriteerit
| Taso | Määritelmä | Kliininen merkitys |
|---|---|---|
| L1 | Useita vaiheen 3 RCT-tutkimuksia / järjestelmällisiä katsauksia | Vahva tuki; kliinistä käyttöä voidaan harkita |
| L2 | Yksittäinen RCT tai useita vaiheen 2 tutkimuksia | Kohtalainen tuki; validointitutkimuksia voidaan suunnitella |
| L3 | Havainnoivat tutkimukset / laajat tapaussarjat | Alustava tuki; vaatii lisävahvistusta |
| L4 | Prekliiniset / mekanistiset tutkimukset | Teoreettinen tuki; kaukana kliinisestä käytöstä |
| L5 | Pelkkä mallin ennuste | Hypoteesivaihe; ei vielä näyttöä ihmisillä |
Kaksoismoottoriennuste
Kaksi menetelmää ajetaan rinnakkain, ja luotettavuusmerkintä kertoo, ovatko ne yhtä mieltä:
| Menetelmä | Nopeus | Tarkkuus | Kuvaus |
|---|---|---|---|
| Tietograafi (KG) | Nopea | Matalampi | Päättely DrugBank-suhteiden ja graafirakenteen pohjalta |
| Syväoppiminen (DL) | Hidas | Korkeampi | TxGNN-graafineuroverkkomalli |
| Luotettavuus | Lähde | Merkitys |
|---|---|---|
| very_high | KG + DL | Molemmat menetelmät ovat yhtä mieltä |
| high | Vain DL | Korkeat pisteet saanut syväoppimisen tuki |
| medium | Vain KG | Tietograafin tuki |
Viranomaistietojen integrointi
Suomen lääkkeiden myyntilupatiedot ovat peräisin Fimealta. Vaikuttavien aineiden nimet kohdennetaan DrugBank-sanastoon; aineet, joita ei voida kohdentaa — kasviuutteet, rokotteet, apuaineet ja muut DrugBankiin luetteloimattomat — jätetään ennusteen ulkopuolelle.
Rajoitukset
- Ennusteet ovat tilastollisia yhteyksiä, eivätkä ne osoita syy-yhteyttä tai kliinistä tehoa.
- Luokitus L5 tarkoittaa pelkkää mallin ennustetta ilman tukevaa näyttöä ihmisillä.
- Näytön kerääminen perustuu julkisiin tietokantoihin; julkaisemattomia tai indeksoimattomia tutkimuksia ei havaita.
- Vaikuttavien aineiden kohdennuksesta voi jäädä kohteita pois nimieroista johtuen.
Kehittäjästä
Tämän alustan on kehittänyt ja sitä ylläpitää 藥提醒科技有限公司 (yao.care, yritysrekisterinumero 83620786, 12F, No. 220, Sec. 2, Taiwan Blvd., West Dist., Taichung City, Taiwan).
FITxGNN on yhtiön "TxGNN Drug Repurposing" -tuotelinjan Suomen sivusto.
Sama järjestelmä on otettu käyttöön 30 maassa ja alueella, kukin nimellä {CC}TxGNN
(JpTxGNN, UsTxGNN, DETxGNN ja niin edelleen) osoitteessa {cc}txgnn.yao.care.
Tuotteen yleiskuvaus: https://www.yao.care/medical/txgnn/.
Itse TxGNN-mallin on kehittänyt Zitnik Lab Harvard Medical Schoolissa, ja se on julkaistu Nature Medicine -lehdessä. Tämä alusta on tuotantojärjestelmä, jonka 藥提醒科技有限公司 on rakentanut kyseisen mallin päälle. Se kattaa kansallisten lääkerekisteritietojen integroinnin, tietograafiin ja syväoppimiseen perustuvan kaksoisennusteen, PubMed- ja ClinicalTrials-näytön luokittelun sekä SMART on FHIR -integraation potilastietojärjestelmiin.
Tämä raportti on tarkoitettu ainoastaan akateemisen tutkimuksen tausta-aineistoksi, eikä se ole lääketieteellinen neuvo. Noudata aina lääkärisi ohjeita äläkä koskaan muuta lääkitystäsi omin päin. Kaikki lääkkeiden uudelleensijoittelua koskevat päätökset edellyttävät täydellistä kliinistä validointia ja viranomaisarviointia.
Tarkastanut: 藥提醒科技有限公司 (yao.care)