關於本專案

用 AI 加速老藥新用的證據驗證，從預測到證據一目瞭然。

---

專案背景

TwTxGNN 是一個藥物再利用（Drug Repurposing）研究輔助平台，基於哈佛大學 Zitnik Lab 發表於 Nature Medicine 的 TxGNN 模型，針對台灣健保核准藥品進行適應症擴展預測。不同於其他預測工具，本平台不僅提供 AI 預測分數，更整合 ClinicalTrials.gov、PubMed 等來源的臨床證據，讓研究人員能快速評估預測的可信度。

---

作者與團隊

項目	資訊
專案維護	Yao.Care
模型基礎	Harvard TxGNN (Zitnik Lab)
最後更新	2026 年 2 月

學術依據

本專案的 AI 預測模型基於以下論文：

Huang, K., et al. (2023). A foundation model for clinician-centered drug repurposing. Nature Medicine. DOI: 10.1038/s41591-023-02233-x

---

什麼是老藥新用？

老藥新用（Drug Repurposing） 是指發現現有藥物的新治療用途。相較於從頭開發新藥需要 10-15 年和 10-20 億美元，老藥新用只需 3-5 年和 1-3 億美元，且已有人體安全性資料，失敗風險較低。

比較項目	新藥開發	老藥新用
開發時間	10-15 年	3-5 年
開發成本	10-20 億美元	1-3 億美元
安全性資料	需重新建立	已有人體資料
失敗風險	極高 (>90%)	較低

老藥新用的優勢在於：藥物的安全性、藥物動力學、製程都已經過驗證，可以直接進入臨床療效試驗。

---

什麼是 TxGNN？

TxGNN 是由哈佛醫學院 Zitnik Lab 團隊開發的深度學習模型，發表於 Nature Medicine，專門用於預測藥物與疾病的新關聯，是首個專為臨床醫師設計的老藥新用基礎模型。

「TxGNN 整合了 17,080 個生物醫學實體的知識圖譜，使用圖神經網路學習節點間的複雜關聯，能預測藥物對罕見疾病的潛在療效。」 — Huang et al., Nature Medicine (2023)

技術特點

1. 知識圖譜：整合藥物、疾病、基因、蛋白質等 17,080 個節點
2. 圖神經網路：學習節點間的複雜關聯
3. 預測能力：可預測藥物對哪些疾病可能有效

---

資料來源

本平台整合六大公開資料來源，包括 AI 預測、臨床試驗、學術文獻、藥物資訊、台灣上市資訊和藥物交互作用資料。

資料類型	來源	說明
AI 預測	TxGNN	哈佛大學知識圖譜預測模型
臨床試驗	ClinicalTrials.gov	全球臨床試驗登記資料庫
學術文獻	PubMed	生物醫學文獻資料庫
藥物資訊	DrugBank	藥物與靶點資料庫
台灣上市	TFDA	衛福部食藥署開放資料
藥物交互作用	DDInter	藥物交互作用資料庫

---

專案規模

項目	數量
藥物報告	191 份
老藥新用候選	142,328 筆
DDI 資料	222,391 筆

---

如何引用

本專案已收錄於 Zenodo，DOI: 10.5281/zenodo.18723194

如需引用本平台資料，請使用以下格式：

APA 格式

Yao.Care. (2026). TwTxGNN: Drug Repurposing Validation Reports for Taiwan NHI Drugs (v1.1.1). Zenodo. https://doi.org/10.5281/zenodo.18723194

BibTeX 格式

@software{twtxgnn2026,
  author       = {Yao.Care},
  title        = {TwTxGNN: Drug Repurposing Validation Reports for Taiwan NHI Drugs},
  year         = 2026,
  publisher    = {Zenodo},
  version      = {v1.1.1},
  doi          = {10.5281/zenodo.18723194},
  url          = {https://doi.org/10.5281/zenodo.18723194}
}

引用原始模型

如使用 TxGNN 預測結果，請同時引用原始論文：

@article{huang2023txgnn,
  title={A foundation model for clinician-centered drug repurposing},
  author={Huang, Kexin and others},
  journal={Nature Medicine},
  year={2023},
  doi={10.1038/s41591-023-02233-x}
}

---

聯絡與回饋

如有問題或建議，歡迎透過以下管道聯繫：

• GitHub Issues: https://github.com/yao-care/TwTxGNN/issues
• 專案首頁: https://twtxgnn.yao.care/

---

免責聲明
本報告僅供學術研究參考，不構成醫療建議。藥物使用請遵循醫師指示，切勿自行調整用藥。任何老藥新用決策需經過完整的臨床驗證與法規審查。

最後審核：2026-02-19 | 審核者：TwTxGNN Research Team