哈佛发布 TxGNN：用老药帮 1.7 万种罕见病找解药

TxGNN 是哈佛医学院开源的一个专门面向罕见病与无药可医病症的老药新用 AI 模型。它把近 8000 种已知药物和 17080 种疾病连接起来，自动预测哪些现成药物可能对罕见病起效，并给出推荐背后的生物学依据。

全球已知罕见病超过 7000 种，影响约 3 亿人，但其中仅有 5% 到 7% 拥有 FDA 批准的治疗药物。从头研发一款新药往往耗时十几年、花费数十亿美元，对患者群体狭窄的罕见病而言极难推进。TxGNN 的思路是利用已有药物的成熟安全数据，为罕见病低成本寻找现成方案。

它能做什么

TxGNN 覆盖了近 8000 种药物，包括已经获得 FDA 批准的成熟药物以及正在进行临床试验的候选药物。它一次性评估的疾病数量达到 17080 种，是目前同类 AI 模型中覆盖疾病范围最大的一次。

在筛选效果上，TxGNN 比目前主流的药物重定向 AI 模型平均高出近 50% 的候选药物识别能力。除了找药，它还能提前预测药物在特定病症下的副作用与禁忌症，禁忌症预测准确率比现有模型高出 35%。以往这些安全隐患通常只能靠早期临床试验摸索，而 TxGNN 能在早期筛查阶段就直接标出。

跨疾病机制推理怎么实现的

传统的药物研发 AI 通常只针对某一种特定疾病或少数几种常见病进行单独训练，一旦面对样本极少的罕见病就会因为缺少数据而彻底失效。

TxGNN 采用了一种跨疾病迁移的学习机制。它整合了 DNA 信息、细胞信号通路、基因表达水平以及临床病历等海量生物医学数据，并在 120 万份真实患者记录上完成了模型验证。

说白了，它不是死记硬背某种罕见病的病例，而是去寻找疾病之间底层的共同机制。比如两种病可能看起来风马牛不相及，但存在相似的基因畸变或共用同一条细胞信号通路。TxGNN 能顺着这条逻辑，把在常见病上研究透彻的成熟药物，推导并迁移到机制相似的无药罕见病上。

拒绝黑盒：自带临床解释器

对临床医生来说，AI 给出的名单再诱人，如果不知道原因也根本不敢给病人使用。TxGNN 最聪明的一点在于它内置了解释模块，在推荐候选药物的同时，会完整展示决策链条。

在基准测试中，研究人员特意挑了三种模型在训练期从未见过的罕见病让它盲测，包括一种神经发育障碍、一种结缔组织疾病和一种导致体内水分失衡的罕见遗传病。TxGNN 不仅找出了潜在治疗分子，还准确给出了作用机制解释，这些解释与目前的医学机理完全吻合。

目前哈佛团队已经将 TxGNN 完全免费开放给全球临床科研人员使用，并开始与多个罕见病基金会合作推进后续验证。不过研究团队也提醒，模型圈出的是靶点和候选药物，具体的给药剂量和治疗时机仍然需要严谨的临床试验来确认。

为什么重要

我们认为 TxGNN 最直接的价值在于让罕见病科研摆脱了纯粹碰运气的阶段。过去老药新用几乎全靠偶发副作用报告或个别医生的临床直觉，而 TxGNN 第一次在万种疾病尺度上建立了系统化推理工具，罕见病机构和独立研究人员不用再在黑暗里盲摸。

相比那些堆参数却只跑在常见病靶点上的商用闭源大模型，哈佛医学院把代码与工具免费开源，并把可解释性放在核心位置，这才是真正懂临床落地痛点的做法。只要你正在从事罕见病研究或药物靶点探索，这个工具都值得立刻接入工作流测试一下。