TxGNN（藥物再利用圖神經網路模型） 是什麼？

TxGNN 由哈佛醫學院 Zitnik Lab（Marinka Zitnik 團隊）研發，核心做法是在大型生物醫學知識圖譜上訓練圖神經網路（GNN），讓模型學習藥物、疾病、基因、蛋白質之間的關聯。它最大的特點是「zero-shot（零樣本）」能力：即使是缺乏現有療法、資料稀少的疾病，也能把已研究疾病的知識遷移過去，輸出藥物候選的預測分數與可解釋的推理路徑。相關研究於 2024 年發表在《Nature Medicine》。

相較於從頭開發新藥，老藥新用以「已核准藥物的安全性資料已知」為核心優勢，通常可省去部分早期安全性試驗、縮短研發時程，對罕見疾病尤其有意義。TxGNN 的原始碼已於 GitHub（mims-harvard/TxGNN）開源，學術與臨床資訊團隊可依需求擴充。

要分清「模型規模」與「導入平台規模」：TxGNN 論文涵蓋約 8,000 種藥物 × 17,080 種疾病；而 yao.care 以此模型為基礎建置的老藥新用平台，目前部署涵蓋 30 國、約 1,507 種藥物 × 166 種疾病，每筆預測附 PubMed 與 ClinicalTrials 證據，並可經 SMART on FHIR 在電子病歷系統內呈現，作為醫師的決策參考。