วิธีการคาดการณ์

การคาดการณ์ด้วย Knowledge Graph

ThTxGNN ใช้ TxGNN (Therapeutic Target Graph Neural Network) Knowledge Graph เพื่อคาดการณ์ความสัมพันธ์ระหว่างยาและโรคที่มีศักยภาพ

TxGNN Knowledge Graph

TxGNN Knowledge Graph ประกอบด้วย:

• 17,081 โรค ที่แมปกับ DOID (Disease Ontology)
• 7,958 ยา ที่แมปกับ DrugBank
• 80,127 ความสัมพันธ์ยา-โรค รวมถึงข้อบ่งใช้และข้อห้ามใช้

กระบวนการคาดการณ์

1. การแมปยา: ยาที่ได้รับอนุมัติจาก Thai FDA แมปกับ DrugBank ID โดยใช้:
   • การจับคู่ชื่อสามัญ
   • การปรับชื่อทางการค้าให้เป็นมาตรฐาน
   • การสกัดสารออกฤทธิ์
2. การแมปโรค: ข้อบ่งใช้ภาษาไทยแมปกับชื่อโรคภาษาอังกฤษโดยใช้:
   • การแปลโดยตรง
   • การค้นหาศัพท์ทางการแพทย์
   • ตาราง DISEASE_DICT
3. การสืบค้น KG: สำหรับแต่ละยาที่แมปแล้ว สืบค้น Knowledge Graph เพื่อหา:
   • ข้อบ่งใช้ที่ทราบ (การอนุมัติที่มีอยู่)
   • ข้อบ่งใช้ใหม่ที่มีศักยภาพ (ผู้สมัครการใช้ยาเก่าในข้อบ่งใช้ใหม่)
4. การรวบรวมหลักฐาน: สำหรับผู้สมัครที่มีแนวโน้มดี รวบรวมหลักฐานสนับสนุนจาก:
   • วรรณกรรม PubMed
   • ClinicalTrials.gov
   • Thai Clinical Trial Registry (TCTR)

การให้คะแนน

การคาดการณ์รวมคะแนนความเชื่อมั่นตาม:

• โครงสร้างกราฟ (การเชื่อมต่อของโหนด)
• ความแข็งแกร่งของความสัมพันธ์ใน Knowledge Graph
• จำนวนหลักฐานสนับสนุน

ข้อจำกัด

• การคาดการณ์เป็นสมมติฐานเชิงคอมพิวเตอร์ที่ต้องการการตรวจสอบทางคลินิก
• ข้อมูล Knowledge Graph อาจไม่รวมการอนุมัติยาล่าสุด
• สูตรยาเฉพาะในประเทศไทยอาจไม่มีการแมปกับ DrugBank
• การแปลศัพท์โรคอาจสูญเสียความแตกต่างทางคลินิก

ข้อจำกัดความรับผิดชอบ

วิธีการนี้มีไว้เพื่อการวิจัยเท่านั้น ผู้สมัครการใช้ยาเก่าในข้อบ่งใช้ใหม่ที่ระบุผ่านระบบนี้ต้องผ่านการตรวจสอบทางคลินิกอย่างเข้มงวดก่อนนำไปใช้ในการรักษา