Guia de Uso
Níveis de Evidência
O BrTxGNN classifica as previsões de reposicionamento em 5 níveis de evidência:
| Nível | Descrição | Critérios |
|---|---|---|
| L1 | Evidência Forte | ≥2 ensaios clínicos Fase 3/4 |
| L2 | Evidência Moderada | ≥1 ensaio Fase 3/4 ou ≥2 ensaios Fase 2 |
| L3 | Evidência Inicial | ≥1 ensaio clínico (qualquer fase) |
| L4 | Evidência Pré-clínica | ≥1 artigo científico relevante |
| L5 | Apenas Previsão | Previsão do modelo TxGNN, sem evidência externa |
Como Interpretar os Relatórios
Score TxGNN
O score TxGNN indica a confiança do modelo na previsão:
As páginas de medicamentos mostram apenas previsões com score ≥ 0,99 (99%), depois de excluir os usos já registrados no grafo de conhecimento. O score indica a confiança do modelo, não evidência clínica; para isso, veja o nível de evidência (L1–L5).
O score TxGNN é a saída de uma rede neural de grafos treinada sobre o grafo de conhecimento biomédico. As páginas de medicamentos mostram apenas previsões com score ≥ 0,99; relações já registradas no grafo são usos conhecidos e foram excluídas.
Evidências Coletadas
Para cada previsão, coletamos evidências de múltiplas fontes:
- ClinicalTrials.gov - Ensaios clínicos registrados
- PubMed - Literatura científica
- ANVISA - Status regulatório no Brasil
- DrugBank - Informações farmacológicas
Exemplo de Análise
Suponha que encontramos uma previsão de Metformina para Doença de Alzheimer:
| Aspecto | Valor |
|---|---|
| Score TxGNN | 85.3 |
| Nível de Evidência | L3 |
| Ensaios Clínicos | 3 (Fase 1/2) |
| Artigos PubMed | 47 |
Interpretação: Esta é uma previsão promissora com score alto. O nível L3 indica que já existem ensaios clínicos em andamento, mas ainda não atingiu Fase 3. Os 47 artigos sugerem interesse significativo da comunidade científica.
Limitações
- As previsões são geradas por IA e não substituem validação clínica
- Não constitui recomendação médica ou de tratamento
- Uso off-label requer supervisão médica especializada
- Dados podem estar desatualizados
Próximos Passos
Se você identificou uma previsão interessante:
- Pesquise mais - Consulte as fontes originais (ClinicalTrials.gov, PubMed)
- Avalie criticamente - Considere o desenho dos estudos e tamanho das amostras
- Consulte especialistas - Discuta com profissionais de saúde e pesquisadores
- Monitore atualizações - Novas evidências podem surgir
Contato
Para dúvidas ou sugestões sobre o BrTxGNN:
- GitHub Issues: github.com/yao-care/BrTxGNN/issues
- Página do Projeto: brtxgnn.yao.care