首頁 › 智慧醫療 › TxGNN 老藥新用

醫療 AI · 開源 · 國際上架

TxGNN 老藥新用

老藥是否還有其他用途，TxGNN 用 AI 跑過 30+ 國核准藥品清單去預測候選，原始碼開源（台灣站 TwTxGNN）

twtxgnn.yao.care

30+ 國

FDA 藥品涵蓋

142K+ 筆

AI 候選藥物

16.7K 頁

藥物頁面 / FHIR 資源

~28.6K 個

證據包

瀏覽 TxGNN 平台 SMART on FHIR App 直連 GitHub 開源

老藥新用（Drug Repurposing）是把已上市的藥物用於原本未核准的新適應症。因為已通過安全性驗證，研發成本與時間遠低於開發新藥。 藥提醒科技有限公司（yao.care）以哈佛大學 TxGNN 模型為基礎建置了這個平台，台灣站名為 TwTxGNN（twtxgnn.yao.care），並從台灣擴展到 30 個國家，把預測流程與 EHR 系統打通，讓臨床端能在病患用藥當下即時看到老藥新用建議。

本平台已上架 SMART on FHIR App Gallery，由 SMART Health IT（哈佛醫學院孵化的開源組織）審核，相容 Epic、Cerner 等主流電子病歷系統。

對罕見疾病或現有療法有限的病患，老藥新用提供「已通過安全性的現成藥物」這條相對快的探索路徑。平台同時服務三種人： 研究者篩選候選假說、臨床醫師在 EHR 內查既有用藥的潛在新適應症、 病友與家屬了解疾病有哪些正被研究的藥物選項。每筆預測都附 PubMed 文獻與 ClinicalTrials 臨床試驗證據包，是研究參考而非臆測，實際用藥仍須由醫師評估。

Dual Engines

雙引擎方法論

知識圖譜走快、深度學習走準，兩條結果再融合成複合信心度

知識圖譜方法（快速）

1載入 FDA 藥品資料
2過濾有效藥品（移除已撤銷、停產）
3成分映射到 DrugBank（synonym_map 標準化）
4適應症映射到標準疾病代碼
5基於知識圖譜關係，找出未核准但有潛力的藥物-疾病配對

~4,889

候選

1,507

藥物

166

疾病

深度學習方法（精準）

1啟動 Conda 環境（PyTorch + DGL）
2載入 TxGNN 預訓練圖神經網路模型
3建構藥物-疾病圖結構
4對所有藥物-疾病組合推論，計算 0-1 信心分數
5過濾保留 score ≥ 0.5 的高分候選

~3.1M

候選

1,507

藥物

166

疾病

Confidence Levels

信心度分級

合併 KG + DL 結果後，每筆預測獲得四級信心標記

台灣平台統計以 2026-03-31 為基準日，藥品清單來源：衛福部食藥署藥品許可證資料集（政府資料開放平臺）；各國統計與方法論見方法論與資料透明度。

very_high

3,081

KG + DL 雙方支持，且 score ≥ 0.9

high

~940.9K

KG + DL 雙方支持的候選

medium

—

僅 KG 或僅 DL 單方支持

low

—

分數較低，僅作為參考

Global Coverage

涵蓋 30 個國家／地區

每個國家／地區都有獨立站台，依當地 FDA 藥品資料與在地語言產出老藥新用結果

各國方法論與資料透明度（主管機關 · 資料來源 · 驗證差異）→

台灣 twtxgnn.yao.care 日本 jptxgnn.yao.care 韓國 krtxgnn.yao.care 香港 hktxgnn.yao.care 新加坡 sgtxgnn.yao.care 馬來西亞 mytxgnn.yao.care 泰國 thtxgnn.yao.care 菲律賓 phtxgnn.yao.care 印度 intxgnn.yao.care 澳洲 autxgnn.yao.care 紐西蘭 nztxgnn.yao.care 美國 ustxgnn.yao.care 加拿大 catxgnn.yao.care 英國 uktxgnn.yao.care 德國 detxgnn.yao.care 法國 frtxgnn.yao.care 義大利 ittxgnn.yao.care 西班牙 estxgnn.yao.care 荷蘭 nltxgnn.yao.care 瑞士 chtxgnn.yao.care 瑞典 setxgnn.yao.care 挪威 notxgnn.yao.care 丹麥 dktxgnn.yao.care 芬蘭 fitxgnn.yao.care 歐盟（EMA） eutxgnn.yao.care 巴西 brtxgnn.yao.care 阿根廷 artxgnn.yao.care 哥倫比亞 cotxgnn.yao.care 沙烏地阿拉伯 satxgnn.yao.care 南非 zatxgnn.yao.care

台灣站為 twtxgnn.yao.care，站名 TwTxGNN；其餘各國依 {國碼}TxGNN 命名（JpTxGNN、UsTxGNN、DeTxGNN…）。各國站採相同架構、獨立部署於 GitHub Pages。

全部 30 個站台皆由 藥提醒科技有限公司（yao.care，統一編號 83620786）開發與維運，原始碼開源於 github.com/yao-care/TwTxGNN。模型本身出自哈佛醫學院 Zitnik Lab；各國站台的建置、資料串接與證據分級由本公司負責。

Coverage Map

30 國 × 9 Phase 即時健康狀態

由 check_all.sh 自動更新，每環為一個 Phase，每色塊為一國

OK 進行中 / 警告錯誤未啟動

Pipeline

完整 8 階段流程

原始 FDA 資料進來，一路自動跑到 EHR 系統整合

資料準備階段

下載並處理所有必要的原始資料：TxGNN 知識圖譜 + 各國 FDA 詞彙表

資料來源

TxGNN 知識圖譜

node.csv（129,375 節點） + kg.csv（~8.0M 關係）

處理流程

詞彙表提取 (prepare_external_data.py)

提取 DrugBank 藥品詞彙、疾病詞彙表、藥物-疾病關係

輸出

External 資料

drugbank_vocab.csv / disease_vocab.csv / drug_disease_relations.csv

子流程

各國 FDA 資料處理 (process_fda_data.py)

TFDA / PMDA / EMA / FDA …→ {country}_fda_drugs.json

預測執行階段

雙引擎並行：知識圖譜（快速）+ 深度學習（精準）

KG 引擎

知識圖譜方法（5 步驟，快速）

載入 FDA → 過濾有效藥品 → 成分映射到 DrugBank → 適應症映射到疾病 → 找老藥新用候選

KG 結果

repurposing_candidates.csv

~4,889 候選 / 1,507 藥物 / 166 疾病

DL 引擎

深度學習方法（5 步驟，精準）

Conda + PyTorch/DGL → 載入 model.pt → 建構圖 → 推論 → 過濾 score ≥ 0.5

DL 結果

txgnn_dl_predictions.csv

~3.1M 候選 / 1,507 藥物 / 166 疾病

整合階段

合併兩種預測方法的結果，計算複合信心度

處理流程

預測整合 (integrate_predictions.py)

合併 KG + DL 結果、計算複合信心度、標記預測來源

輸出

integrated_predictions.csv

very_high (KG+DL, score≥0.9): 3,081 筆 · high (KG+DL 支持): ~940.9K 筆 · medium / low

輸出生成階段

產生網站、FHIR 資源和搜尋索引

FHIR

generate_fhir_resources.py

MedicationKnowledge / ClinicalUseDefinition

頁面

generate_drug_pages.py

每藥物一頁 Markdown，產出 16.7K 藥物頁面

搜尋

generate_search_index.py

search-index.json（給站內搜尋使用）

交互作用

藥物交互作用資料整合

DDI ~302.5K · DFI 857 · DHI 35 · DDSI 8,359

證據收集與驗證

從外部資料源收集支持預測的證據

資料源

PubMed (check_pubmed.py)

搜尋相關醫學文獻，~386.8K 筆引用

資料源

ClinicalTrials (check_clinicaltrials.py)

搜尋進行中/已完成的臨床試驗，~242.9K 筆

處理

batch_collect_bundles.py

為每個藥物建立證據包

輸出

Evidence Bundle

data/bundles/{drug}/drug_bundle.json，共 28.6K 個證據包

監控與自動更新

GitHub Actions 自動化工作流程

排程

news-monitor.yml

每小時抓取健康新聞，關鍵字匹配藥物/疾病

排程

check-new-evidence.yml

定期檢查 PubMed/CT，發現新證據自動更新

部署

deploy-jekyll.yml

自動建構 Jekyll，部署到 GitHub Pages，30/30 Actions OK

SMART on FHIR 整合

與電子病歷系統（Epic / Cerner）整合，提供臨床決策支援

EHR

OAuth 啟動 (launch.html)

PKCE 認證流程，相容 Epic、Cerner 等主流 EHR

讀取

讀取病人用藥

MedicationRequest / MedicationStatement

映射

藥物映射 (smart-fhir-mapper.js)

RxNorm → DrugBank

輸出

老藥新用建議

依病患現有用藥，顯示潛在新適應症與證據

在地化 (i18n)

15 種語言、30 個國家

偵測

語言偵測

自動檢查 lang 標籤（首頁、藥物頁、免責聲明）

翻譯

批次翻譯

7,000+ 藥物頁面 × 15 種語言

驗證

p8_i18n_check.sh

在地化驗證 29/30 OK

Evidence

不只預測，每一筆都有證據

PubMed 文獻 + ClinicalTrials 試驗自動關聯，每個藥物頁面都附帶證據包

~386.8K

PubMed 文獻

每日自動檢索新發表，與預測藥物-疾病對自動匹配

~242.9K

ClinicalTrials 試驗

追蹤進行中與已完成的臨床試驗，提供強佐證

~28.6K

Evidence Bundle

每藥物一個證據包，含 drug_bundle.json + 文獻摘要

延伸閱讀：醫療 AI 與可解釋性

想討論技術合作？

老藥新用、TxGNN 模型在地化、EHR / FHIR 整合，任何技術討論都歡迎透過 LINE 私訊。

討論技術合作

FAQ

常見問題

TxGNN 老藥新用是什麼？

基於哈佛 TxGNN 模型的藥物再利用平台，以知識圖譜 + 圖神經網路雙引擎預測已上市藥物的新適應症，覆蓋 30+ 國 FDA 藥品。台灣站名為 TwTxGNN。

TwTxGNN 是誰開發的？

TwTxGNN（twtxgnn.yao.care）由藥提醒科技有限公司（yao.care，統一編號 83620786，位於台中市西區）開發與維運。30 個國家／地區站台（TwTxGNN、JpTxGNN、UsTxGNN 等，網址格式 {國碼}txgnn.yao.care）同屬本公司同一套系統，原始碼開源於 github.com/yao-care/TwTxGNN。

TwTxGNN 跟哈佛的 TxGNN 是同一個東西嗎？

不是同一層。TxGNN 是哈佛醫學院 Zitnik Lab 開發、發表於 Nature Medicine 的圖神經網路模型；TwTxGNN 是藥提醒科技有限公司以該模型為基礎建置的落地平台，負責接上各國 FDA 藥品清單、跑雙引擎預測、串 PubMed 與 ClinicalTrials 證據並分級，再以 SMART on FHIR 送進電子病歷。模型是哈佛的，平台與各國站台是 yao.care 的。

預測有證據佐證嗎？

每筆預測都附帶 PubMed 文獻與 ClinicalTrials 臨床試驗證據包。

能跟醫院系統整合嗎？

已上架 SMART on FHIR App Gallery，相容 Epic、Cerner，採 OAuth + PKCE 接入 EHR；原始碼於 GitHub 開源。

一般民眾可以查嗎？

可以。平台公開瀏覽（twtxgnn.yao.care），涵蓋 30 國 FDA 藥品、每藥一頁；但預測屬研究參考，是否適用個人病情請與醫師討論，切勿自行用藥或停換藥。

涵蓋多少藥物與疾病？信心度怎麼分級？

以知識圖譜與深度學習雙引擎對 1,507 種藥物 × 166 種疾病評分，依兩引擎是否同時支持與分數高低標記 very_high / high / medium / low 四級信心度。