基于临床试验数据挖掘的系统性人工智能驱动药物再利用：一个框架及六个跨治疗领域案例研究

药物再利用，即将已获批或已搁置的化合物应用于新的治疗适应证，为从头药物发现提供了一种兼具成本效益和时间效率的替代方案。然而，如何从快速扩张的临床试验数据中系统性地识别再利用候选药物，仍然是一项重大挑战。 在此，我们提出一种可公开访问的人工智能驱动工具，用于挖掘 ClinicalTrials.gov 注册库，以识别在高价值疾病领域中具有尚未充分探索的治疗潜力的已获批药物。该工具整合了自然语言处理、作用机制通路分析以及试验密度评分，从而筛选出生物学合理性高而临床试验覆盖稀疏的候选药物。 我们通过六个跨治疗领域的案例研究展示了该工具的实用性，这些案例涵盖肿瘤学、心脏病学、神经病学、罕见病、免疫学和传染病。主要发现包括：识别出唑尼沙胺作为与 GLP-1 受体激动剂联合用于肥胖治疗的一个尚未充分探索的候选药物；对 SGLT2 抑制剂在射血分数保留型心力衰竭（HFpEF）中的作用机制进行了验证；以及基于共享的神经炎症通路，首次实现了将抗 TNF 生物制剂跨领域映射至早期神经退行性疾病的新颖关联。 该工具可免费获取，旨在降低学术界和产业界研究人员系统性探索药物再利用机会的门槛。

药物再利用，即将已获批或已搁置的化合物应用于新的治疗适应证，为从头药物发现提供了一种兼具成本与时间效率的替代方案。然而，如何从快速扩展的临床试验数据中系统性地识别再利用候选药物，仍然是一项重大挑战。在此，我们提出一种可公开访问的人工智能驱动工具，该工具通过挖掘 ClinicalTrials.gov 注册库，识别在高价值疾病领域中具有尚未充分探索治疗潜力的已获批药物。

该工具整合了自然语言处理、作用机制通路分析以及试验密度评分，从而筛选出那些生物学合理性较高而临床试验覆盖较为稀疏的候选药物。我们通过六个跨治疗领域的案例研究展示了该工具的实用性，这些案例涵盖肿瘤学、心脏病学、神经病学、罕见病、免疫学和传染病。主要发现包括：识别出唑尼沙胺作为一种与 GLP-1 受体激动剂联合用于肥胖治疗的尚未充分探索的候选药物；从机制层面验证了 SGLT2 抑制剂在射血分数保留型心力衰竭（HFpEF）中的应用；以及基于共享的神经炎症通路，首次实现了抗 TNF 生物制剂与早期神经退行性疾病之间的新型跨领域映射。该工具可免费访问，旨在降低学术界和工业界研究人员系统性开展药物再利用研究的门槛。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.11.731629v1?rss=1

🏷️ 药物再利用 临床试验数据挖掘 人工智能 自然语言处理 作用机制分析 ClinicalTrials.gov