ESTxGNN - Espana: Reposicionamiento de Medicamentos

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

Predicciones de reposicionamiento de medicamentos para medicamentos aprobados por AEMPS (Spain) usando el modelo TxGNN.

Aviso legal

• Los resultados de este proyecto son solo para fines de investigacion y no constituyen consejo medico.
• Los candidatos a reposicionamiento de medicamentos requieren validacion clinica antes de su aplicacion.

Vision general del proyecto

Estadisticas de informes

Elemento	Cantidad
Informes de medicamentos	859
Predicciones totales	39,223,029
Medicamentos unicos	1,304
Indicaciones unicas	17,041
Datos DDI	160,235
Recursos FHIR	1,001 MK / 5,386 CUD

Distribucion de niveles de evidencia

Nivel de evidencia	Cantidad de informes	Descripcion
L1	12	Multiples ECAs de Fase 3
L2	33	ECA unico o multiples Fase 2
L3	29	Estudios observacionales
L4	48	Estudios preclinicos / mecanisticos
L5	708	Solo prediccion computacional
N/A	29	Solo usos conocidos (sin nuevas predicciones)

Por fuente

Fuente	Predicciones
DL	39,219,025
KG + DL	3,547
KG	457

Por confianza

Confianza	Predicciones
very_high	2,725
high	1,900,067
medium	3,700,994
low	33,619,243

---

Metodos de prediccion

Metodo	Velocidad	Precision	Requisitos
Grafo de conocimiento	Rapido (segundos)	Menor	Sin requisitos especiales
Aprendizaje profundo	Lento (horas)	Mayor	Conda + PyTorch + DGL

Metodo del grafo de conocimiento

uv run python scripts/run_kg_prediction.py

Metrica	Valor
AEMPS Total de medicamentos	28,753
Mapeados a DrugBank	25,958 (90.3%)
Candidatos a reposicionamiento	4,004

Metodo de aprendizaje profundo

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

Metrica	Valor
Predicciones DL totales	2,666,316
Medicamentos unicos	1,304
Indicaciones unicas	17,041

Interpretacion de puntuaciones

La puntuacion TxGNN representa la confianza del modelo en un par farmaco-enfermedad, con un rango de 0 a 1.

Umbral	Significado
>= 0.9	Confianza muy alta
>= 0.7	Confianza alta
>= 0.5	Confianza moderada

Distribucion de puntuaciones

Umbral	Significado
≥ 0.9999	Confianza extremadamente alta, predicciones mas confiables del modelo
≥ 0.99	Confianza muy alta, vale la pena priorizar para validacion
≥ 0.9	Confianza alta
≥ 0.5	Confianza moderada (frontera de decision sigmoide)

Definiciones de niveles de evidencia

Nivel	Definicion	Significancia clinica
L1	ECA de fase 3 o revision sistematica	Puede respaldar el uso clinico
L2	ECA de fase 2	Puede considerarse para uso
L3	Fase 1 o estudio observacional	Requiere evaluacion adicional
L4	Reporte de caso o investigacion preclinica	Aun no recomendado
L5	Solo prediccion computacional, sin evidencia clinica	Requiere investigacion adicional

Recordatorios importantes

1. Las puntuaciones altas no garantizan eficacia clinica: las puntuaciones TxGNN son predicciones basadas en grafos de conocimiento que requieren validacion en ensayos clinicos.
2. Las puntuaciones bajas no significan ineficacia: el modelo puede no haber aprendido ciertas asociaciones.
3. Se recomienda usar con el pipeline de validacion: utilice las herramientas de este proyecto para revisar ensayos clinicos, literatura y otra evidencia.

Pipeline de validacion

flowchart TD
    A["Resultados de prediccion TxGNN"] --> B
    subgraph B["Step 1: DrugBundle Collector"]
        B1["Nivel de medicamento: AEMPS, DDI, DrugBank"]
        B2["Nivel de indicacion: ClinicalTrials, PubMed, ICTRP"]
    end
    B --> |"drug_bundle.json"| C
    subgraph C["Step 2: Evidence Pack Generator"]
        C1["Transferencia programatica de datos (100%)"]
        C2["+ LLM Analisis (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

---

Inicio rapido

Paso 1: Descargar datos

Archivo	Descarga
AEMPS Datos	CIMA - Centro de Información de Medicamentos
node.csv	Harvard Dataverse
kg.csv	Harvard Dataverse
edges.csv	Harvard Dataverse
model_ckpt.zip	Google Drive

Paso 2: Instalar dependencias

uv sync

Paso 3: Procesar datos de medicamentos

uv run python scripts/process_fda_data.py

Paso 4: Preparar datos de vocabulario

uv run python scripts/prepare_external_data.py

Paso 5: Ejecutar prediccion del grafo de conocimiento

uv run python scripts/run_kg_prediction.py

Paso 6: Configurar entorno de aprendizaje profundo

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

Paso 7: Ejecutar prediccion de aprendizaje profundo

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

---

Recursos

TxGNN Nucleo

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

Fuentes de datos

Categoria	Datos	Fuente	Nota
Datos de medicamentos	AEMPS	CIMA - Centro de Información de Medicamentos	Spain
Grafo de conocimiento	TxGNN KG	Harvard Dataverse	17,080 diseases, 7,957 drugs
Base de datos de medicamentos	DrugBank	DrugBank	Mapeo de ingredientes de medicamentos
Interacciones medicamentosas	DDInter	DDInter	Pares DDI
Interacciones medicamentosas	Guide to PHARMACOLOGY	IUPHAR/BPS	Datos farmaco-diana de medicamentos aprobados (no son interacciones)
Ensayos clinicos	ClinicalTrials.gov	CT.gov API v2	Registro de ensayos clinicos
Ensayos clinicos	WHO ICTRP	ICTRP API	Plataforma internacional de ensayos clinicos
Literatura	PubMed	NCBI E-utilities	Busqueda de literatura medica
Mapeo de nombres	RxNorm	RxNav API

Descargas de modelos

Archivo	Descarga	Nota
Modelo pre-entrenado	Google Drive	model_ckpt.zip
node.csv	Harvard Dataverse	Datos de nodos
kg.csv	Harvard Dataverse	Datos del grafo de conocimiento
edges.csv	Harvard Dataverse	Datos de aristas (DL)

Introduccion al proyecto

Estructura de directorios

ESTxGNN/
├── README.md
├── CLAUDE.md
├── pyproject.toml
│
├── config/
│   └── fields.yaml
│
├── data/
│   ├── kg.csv
│   ├── node.csv
│   ├── edges.csv
│   ├── raw/
│   ├── external/
│   ├── processed/
│   │   ├── drug_mapping.csv
│   │   ├── repurposing_candidates.csv
│   │   ├── txgnn_dl_predictions.csv.gz
│   │   └── integration_stats.json
│   ├── bundles/
│   └── collected/
│
├── src/estxgnn/
│   ├── data/
│   │   └── loader.py
│   ├── mapping/
│   │   ├── normalizer.py
│   │   ├── drugbank_mapper.py
│   │   └── disease_mapper.py
│   ├── predict/
│   │   ├── repurposing.py
│   │   └── txgnn_model.py
│   ├── collectors/
│   └── paths.py
│
├── scripts/
│   ├── process_fda_data.py
│   ├── prepare_external_data.py
│   ├── run_kg_prediction.py
│   └── integrate_predictions.py
│
├── docs/
│   ├── _drugs/
│   ├── fhir/
│   │   ├── MedicationKnowledge/
│   │   └── ClinicalUseDefinition/
│   └── smart/
│
├── model_ckpt/
└── tests/

Leyenda: 🔵 Desarrollo del proyecto | 🟢 Datos locales | 🟡 Datos TxGNN | 🟠 Pipeline de validacion

Flujo de datos

flowchart TD
    FDA["AEMPS Datos"] --> proc["process_fda_data.py"]
    TxGNN["TxGNN Datos"] --> prep["prepare_external_data.py"]

    proc --> json["es_fda_drugs.json"]
    prep --> ext["data/external/"]

    json --> norm["normalizer.py"]
    ext --> norm

    norm --> drug_map["drug_mapping.csv"]
    drug_map --> ind_map["indication_mapping.csv"]

    ind_map --> KG["Grafo de conocimiento"]
    ind_map --> DL["Aprendizaje profundo"]

    KG --> kg_out["repurposing_candidates.csv"]
    DL --> dl_out["txgnn_dl_predictions.csv"]

---

Citacion

Si utiliza este conjunto de datos o software, por favor cite:

@software{estxgnn2026,
  author       = {Yao.Care},
  title        = {ESTxGNN: Drug Repurposing Validation Reports for Spain AEMPS Drugs},
  year         = 2026,
  publisher    = {GitHub},
  url          = {https://github.com/yao-care/ESTxGNN}
}

Cite tambien el articulo original de TxGNN:

@article{huang2023txgnn,
  title={A foundation model for clinician-centered drug repurposing},
  author={Huang, Kexin and Chandak, Payal and Wang, Qianwen and Haber, Shreyas and Zitnik, Marinka},
  journal={Nature Medicine},
  year={2024},
  doi={10.1038/s41591-024-03233-x}
}

維運：資料還原與許可證更新

完整還原

git 只放程式碼與網站頁面；許可證原始資料、證據包、藥師報告原稿、預測結果放在本 repo 的 Release。

git clone https://github.com/yao-care/estxgnn.git && cd estxgnn
uv sync                                  # Python 相依套件
bash scripts/restore_data.sh             # 取最新的 data-* Release，還原 data/（含校驗）
bash scripts/restore_data.sh --with-kg   # 另加共用知識圖譜與預測模型（只有重跑預測才需要）

需要 GitHub CLI（gh auth login）與 uv。

改頁工具鏈

事實層、checker、許可證狀態計算等放在 tools/txgnn/.claude/，是母 repo yao-care/txgnn 的 .claude/ 複本（版本見 tools/txgnn/VERSION）。 規則要改請改母 repo，再用 python3 .claude/sync_site_tools.py ESTxGNN 同步過來，不要直接改這裡的複本。 在本 repo 單獨使用時，先組工作目錄：

WS=$(bash scripts/txgnn_ws.sh)
cd "$WS"
python3 .claude/dump_license_facts_20261021.py ESTxGNN       # 依證據包算市場狀態（checker 要用）
python3 .claude/checker_trend.py --no-append ESTxGNN           # 全部藥物頁 checker，必須「非 0 0」

許可證排程更新（GitHub Actions）

.github/workflows/license-refresh.yml 每週一 UTC 03:17 自動執行，也可以在 Actions 頁手動觸發（可選只試跑）：

1. 從 Release 還原 data/（scripts/restore_data.sh）
2. 從主管機關下載最新許可證資料（scripts/license_adapter.py），檢查筆數與格式
3. 更新證據包的許可證狀態 → 重算市場狀態 → 同步許可證表 → 事實層改頁 → checker 全量必須 0 → 衍生檔 → gate
4. 全部通過才推上 main 並觸發部署；更新後的 data/ 另存成新的 data-YYYYMMDD Release

以下情況一律不推、自動開 issue（label license-refresh）：下載失敗或格式改變、狀態變動超過兩成、 改到的藥物頁超過 min(200, 5%)、checker／gate／h1 沒過、有人工查核紀錄的頁會被改到。全程不使用 AI。