Acerca de
Antecedentes
COTxGNN 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 el INVIMA en Colombia. 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 mercantil 83620786, 12F, No. 220, Sec. 2, Taiwan Blvd., West Dist., Taichung City, Taiwan).
COTxGNN es el sitio de Colombia de la línea de productos "TxGNN Drug Repurposing" de la compañía.
El mismo sistema está desplegado en 30 países y regiones, cada uno con el nombre {CC}TxGNN
(JpTxGNN, UsTxGNN, DETxGNN, etc.) en {cc}txgnn.yao.care.
Descripción del producto: https://www.yao.care/medical/txgnn/.
El modelo TxGNN 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 datos nacionales de registro sanitario, la predicción dual con grafo de conocimiento y aprendizaje profundo, la clasificación de evidencia de PubMed / ClinicalTrials y la integración con historias clínicas electrónicas mediante SMART on FHIR.
¿Qué es el reposicionamiento de medicamentos?
El reposicionamiento de medicamentos consiste en encontrar nuevos usos terapéuticos para medicamentos ya existentes. Frente al desarrollo de un medicamento nuevo desde cero —de 10 a 15 años y entre USD 1.000–2.000 millones—, el reposicionamiento toma de 3 a 5 años y entre 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 medicamento nuevo | Reposicionamiento de medicamentos |
|---|---|---|
| Tiempo | 10–15 años | 3–5 años |
| Costo | USD 1.000–2.000 millones | USD 100–300 millones |
| Datos de seguridad | Deben generarse desde cero | Ya existen 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 nuevas asociaciones entre medicamentos y enfermedades, y es el primer modelo fundacional para 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 los medicamentos frente a enfermedades raras." — Huang et al., Nature Medicine (2023)
Fuentes de datos
| Tipo | Fuente | Descripción |
|---|---|---|
| Predicción con IA | TxGNN | Modelo de predicción con 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 medicamentos y blancos terapéuticos |
| Datos de registro sanitario | INVIMA | Datos de aprobación de medicamentos en Colombia |
Base académica
Huang, K., et al. (2023). A foundation model for clinician-centered drug repurposing. Nature Medicine. DOI: 10.1038/s41591-023-02233-x
Alcance
| Ítem | Valor |
|---|---|
| Informes de medicamentos | 648 |
| Autoridad regulatoria | INVIMA |
| Sitios desplegados | 30 países / regiones |
Contacto
- GitHub Issues: https://github.com/yao-care/COTxGNN/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 únicamente para referencia de investigación académica y no constituye consejo médico. Siga siempre las indicaciones de su médico; nunca ajuste su medicación por cuenta propia. Toda decisión de reposicionamiento de medicamentos requiere validación clínica completa y revisión regulatoria.
Revisado por: 藥提醒科技有限公司 (yao.care)