Acerca de
Antecedentes
ARTxGNN 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 aprobados por ANMAT en Argentina. Además de los puntajes de predicción de la IA, la plataforma integra evidencia clínica de ClinicalTrials.gov y PubMed para que los investigadores puedan evaluar rápidamente qué tan creíble es cada predicción.
Acerca del Desarrollador
Esta plataforma es desarrollada y operada por 藥提醒科技有限公司 (yao.care, número de registro de empresa 83620786, 12F, No. 220, Sec. 2, Taiwan Blvd., West Dist., Taichung City, Taiwan).
ARTxGNN es el sitio de Argentina 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, y así sucesivamente) en {cc}txgnn.yao.care.
Descripción 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 construyó sobre ese modelo, y abarca la integración de los datos nacionales de registro de medicamentos, la predicción dual por grafo de conocimiento y aprendizaje profundo, la gradación de 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 desarrollar un fármaco nuevo desde cero — de 10 a 15 años y USD 1–2 mil millones —, el reposicionamiento lleva de 3 a 5 años y USD 100–300 millones, y ya existen 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 |
| Costo | USD 1–2 mil millones | USD 100–300 millones |
| Datos de seguridad | Deben generarse desde cero | 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 nuevas entre fármacos y enfermedades y es el primer modelo fundacional de reposicionamiento de medicamentos diseñado específicamente para el personal clínico.
"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 fármacos frente a enfermedades raras." — Huang et al., Nature Medicine (2023)
Fuentes de datos
| Tipo | Fuente | Descripción |
|---|---|---|
| Predicción por IA | TxGNN | Modelo de predicción por grafo de conocimiento de Harvard |
| Ensayos clínicos | ClinicalTrials.gov | Registro global de ensayos clínicos |
| Literatura | PubMed | Base de datos de literatura biomédica |
| Información de medicamentos | DrugBank | Base de datos de fármacos y blancos terapéuticos |
| Datos de registro sanitario | ANMAT | Datos de aprobación de medicamentos de Argentina |
Base académica
Huang, K., et al. (2023). A foundation model for clinician-centered drug repurposing. Nature Medicine. DOI: 10.1038/s41591-023-02233-x
Escala
| Ítem | Valor |
|---|---|
| Informes de medicamentos | 363 |
| Autoridad regulatoria | ANMAT |
| Sitios desplegados | 30 países / regiones |
Contacto
- GitHub Issues: https://github.com/yao-care/ARTxGNN/issues
- Desarrollador: 藥提醒科技有限公司 (https://www.yao.care, service@yao.care)
- Descripción del producto: https://www.yao.care/medical/txgnn/
Este informe es solo para referencia de investigación académica y no constituye consejo médico. Siga siempre las indicaciones de su médico; nunca ajuste la medicación por su cuenta. Toda 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)