Sobre o Projeto

Usando IA para acelerar a validação de evidências de reposicionamento de medicamentos.

Sobre o Desenvolvedor

Esta plataforma é desenvolvida e operada pela 藥提醒科技有限公司 (yao.care, número de registro empresarial 83620786, 12F, No. 220, Sec. 2, Taiwan Blvd., West Dist., Taichung City, Taiwan).

O BrTxGNN é o site do Brasil da linha de produtos "TxGNN Drug Repurposing" da empresa. O mesmo sistema está implantado em 30 países e regiões, cada um nomeado {CC}TxGNN (JpTxGNN, UsTxGNN, DETxGNN, e assim por diante) em {cc}txgnn.yao.care. Visão geral do produto: https://www.yao.care/medical/txgnn/.

O próprio modelo TxGNN foi desenvolvido pelo Zitnik Lab da Harvard Medical School e publicado na Nature Medicine. Esta plataforma é o sistema de produção que a 藥提醒科技有限公司 construiu sobre esse modelo, abrangendo a integração de dados nacionais de registro de medicamentos, predição dupla por grafo de conhecimento e aprendizado profundo, classificação de evidências do PubMed / ClinicalTrials e integração de registros eletrônicos de saúde via SMART on FHIR.


Contexto do Projeto

BrTxGNN é uma plataforma de pesquisa de reposicionamento de medicamentos (Drug Repurposing), baseada no modelo TxGNN publicado na Nature Medicine pelo Zitnik Lab de Harvard, focada em medicamentos aprovados pela ANVISA no Brasil.


Equipe e Autores

Item Informação
Manutenção 藥提醒科技有限公司 (yao.care)
Base do Modelo Harvard TxGNN (Zitnik Lab)
Última Atualização Março 2026

Base Acadêmica

Este projeto é baseado no seguinte artigo:

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


O que é Reposicionamento de Medicamentos?

Reposicionamento de medicamentos (Drug Repurposing) refere-se à descoberta de novos usos terapêuticos para medicamentos existentes. Comparado ao desenvolvimento de novos medicamentos que requer 10-15 anos e US$ 1-2 bilhões, o reposicionamento requer apenas 3-5 anos e US$ 100-300 milhões, com dados de segurança humana já disponíveis e menor risco de falha.

ComparaçãoNovo MedicamentoReposicionamento
Tempo de desenvolvimento10-15 anos3-5 anos
CustoUS$ 1-2 bilhõesUS$ 100-300 milhões
Dados de segurançaNecessário estabelecerJá disponíveis
Risco de falhaMuito alto (>90%)Menor

O que é TxGNN?

TxGNN é um modelo de aprendizado profundo desenvolvido pela equipe do Zitnik Lab da Harvard Medical School, publicado na Nature Medicine, projetado especificamente para prever novas associações entre medicamentos e doenças.

"TxGNN integra um grafo de conhecimento com 17.080 entidades biomédicas, usando redes neurais de grafos para aprender relações complexas entre nós, podendo prever a eficácia potencial de medicamentos para doenças raras." — Huang et al., Nature Medicine (2023)

Características Técnicas

  1. Grafo de Conhecimento: Integra 17.080 nós incluindo medicamentos, doenças, genes e proteínas
  2. Rede Neural de Grafos: Aprende relações complexas entre nós
  3. Capacidade de Previsão: Prevê para quais doenças um medicamento pode ser eficaz

Fontes de Dados

A plataforma integra múltiplas fontes de dados públicas, incluindo previsões de IA, ensaios clínicos, literatura acadêmica, informações de medicamentos e registro brasileiro ANVISA.

TipoFonteDescrição
Previsão IATxGNNModelo de previsão de Harvard
Ensaios ClínicosClinicalTrials.govRegistro global de ensaios clínicos
LiteraturaPubMedBase de literatura biomédica
MedicamentosDrugBankBase de dados de medicamentos
Registro BrasilANVISADados abertos da ANVISA

Escala do Projeto

Item Quantidade
Medicamentos ANVISA 42.819
Medicamentos Ativos 17.210
Categorias Regulatórias 9

Contato e Feedback

Para perguntas ou sugestões, entre em contato através dos seguintes canais:


Aviso Legal / 免責聲明
Este relatório é apenas para fins de pesquisa acadêmica e não constitui aconselhamento médico. O uso de medicamentos deve seguir orientação médica. Qualquer decisão de reposicionamento de medicamentos requer validação clínica completa e aprovação regulatória.

本報告僅供學術研究參考,不構成醫療建議

Última revisão / 最後審核:2026-03 | Equipe BrTxGNN

Voltar ao topo

Copyright © 2026 藥提醒科技有限公司 (yao.care). Este relatório é apenas para fins de pesquisa e não constitui aconselhamento médico. / 本報告僅供研究參考,不構成醫療建議。

This site uses Just the Docs, a documentation theme for Jekyll.