HkTxGNN - Hong Kong: Drug Repurposing Predictions

本專案由 藥提醒科技有限公司（yao.care）開發與維運。 HkTxGNN 站台：https://hktxgnn.yao.care/｜產品總覽：https://www.yao.care/medical/txgnn/

使用 TxGNN 模型對香港衛生署藥物辦公室註冊藥品進行老藥新用預測。

免責聲明

• 本專案結果僅供研究參考，不構成醫療建議。
• 老藥新用候選需經過臨床驗證才能應用。

專案成果總覽

驗證報告統計

項目	數量
藥物報告	924
總預測數	22,712,907
唯一藥物	1,288
唯一適應症	17,081
DDI 資料	160,235
FHIR 資源	1,250 MK / 11,879 CUD

證據等級分布

證據等級	報告數	說明
L1	8	多個 Phase 3 RCT 支持
L2	39	單一 RCT 或多個 Phase 2
L3	35	觀察性研究
L4	57	前臨床/機轉研究
L5	738	僅模型預測
N/A	47	僅已知用途（無新預測）

按來源

來源	預測數
KG	18,898,931
KG + DL	2,614,650
DL	1,199,326

按信心度

信心度	預測數
very_high	118,090
high	2,699,777
medium	19,035,421
low	859,619

---

預測方法

方法	速度	精準度	環境需求
知識圖譜	快（幾秒）	較低	無特殊需求
深度學習	慢（數小時）	較高	Conda + PyTorch + DGL

知識圖譜方法

uv run python scripts/run_kg_prediction.py

指標	數值
衛生署藥物辦公室 總藥品數	23,935
老藥新用候選數	21,513,581

深度學習方法

conda activate txgnn
PYTHONPATH=src python -m hktxgnn.predict.txgnn_model

指標	數值
DL 總預測數	2,672,175
唯一藥物	1,288
唯一適應症	17,081

分數解讀

TxGNN 分數代表模型對「藥物-疾病」配對的預測信心，範圍為 0-1。

門檻	意義
>= 0.9	極高信心
>= 0.7	高信心
>= 0.5	中等信心

分數分布

閾值	含義
≥ 0.9999	極高信心度，模型最有信心的預測
≥ 0.99	非常高的信心度，值得優先驗證
≥ 0.9	高信心度
≥ 0.5	中等信心度（sigmoid 決策邊界）

證據等級定義

等級	定義	臨床意義
L1	第三期隨機對照試驗或系統性回顧	可支持臨床使用
L2	第二期隨機對照試驗	可考慮使用
L3	第一期或觀察性研究	需要進一步評估
L4	病例報告或臨床前研究	尚不建議
L5	僅計算預測，無臨床證據	需要進一步研究

重要提醒

1. 高分不保證臨床療效：TxGNN 分數是基於知識圖譜的預測，需要臨床試驗驗證。
2. 低分不代表無效：模型可能未學習到某些關聯。
3. 建議搭配驗證流程使用：使用本專案工具檢視臨床試驗、文獻及其他證據。

驗證流程

flowchart TD
    A["TxGNN 預測結果"] --> B
    subgraph B["Step 1: DrugBundle Collector"]
        B1["藥物層級: 衛生署藥物辦公室, DDI, DrugBank"]
        B2["適應症層級: ClinicalTrials, PubMed, ICTRP"]
    end
    B --> |"drug_bundle.json"| C
    subgraph C["Step 2: Evidence Pack Generator"]
        C1["程式化資料傳輸 (100%)"]
        C2["+ LLM 分析 (L1-L5)"]
    end
    C --> |"drug_evidence_pack.json/md"| D
    subgraph D["Step 3: Notes Writer"]
        D1["drug_pharmacist_notes.md"]
        D2["drug_sponsor_notes.md"]
    end

---

快速開始

步驟 1: 下載資料

檔案	下載
衛生署藥物辦公室 資料	資料來源
node.csv	Harvard Dataverse
kg.csv	Harvard Dataverse
edges.csv	Harvard Dataverse
model_ckpt.zip	Google Drive

步驟 2: 安裝依賴

uv sync

步驟 3: 處理藥品資料

uv run python scripts/process_fda_data.py

步驟 4: 準備詞彙表資料

uv run python scripts/prepare_external_data.py

步驟 5: 執行知識圖譜預測

uv run python scripts/run_kg_prediction.py

步驟 6: 搭建深度學習環境

conda create -n txgnn python=3.11 -y
conda activate txgnn
pip install torch==2.2.2 torchvision==0.17.2
pip install dgl==1.1.3
pip install git+https://github.com/mims-harvard/TxGNN.git
pip install pandas tqdm pyyaml pydantic ogb

步驟 7: 執行深度學習預測

conda activate txgnn
PYTHONPATH=src python -m hktxgnn.predict.txgnn_model

---

相關資源

TxGNN 核心

• TxGNN Paper - Nature Medicine, 2024
• TxGNN GitHub
• TxGNN Explorer

資料來源

類別	資料	來源	說明
藥品資料	衛生署藥物辦公室	藥劑製品清單 DrugList.xml	Hong Kong
知識圖譜	TxGNN KG	Harvard Dataverse	17,080 diseases, 7,957 drugs
藥物資料庫	DrugBank	DrugBank	藥品成分映射
藥物交互作用	DDInter	DDInter	DDI 配對
藥物交互作用	Guide to PHARMACOLOGY	IUPHAR/BPS	核准藥物的藥物–標靶資料（不是交互作用）
臨床試驗	ClinicalTrials.gov	CT.gov API v2	臨床試驗登錄
臨床試驗	WHO ICTRP	ICTRP API	國際臨床試驗平台
文獻	PubMed	NCBI E-utilities	醫學文獻搜尋
藥名映射	RxNorm	RxNav API	藥品名稱標準化橋接
藥名映射	PubChem	PUG-REST API	化學物質同義詞查詢
藥名映射	ChEMBL	ChEMBL API	生物活性資料庫映射
標準	FHIR R4	HL7 FHIR	MedicationKnowledge、ClinicalUseDefinition

模型與資料下載

檔案	下載	說明
預訓練模型	Google Drive	model_ckpt.zip
node.csv	Harvard Dataverse	節點資料
kg.csv	Harvard Dataverse	知識圖譜資料
edges.csv	Harvard Dataverse	邊資料（DL 用）

This is the beginning of the README. Read the rest at the original. Read the full README ↗