全球為對抗新冠疫情，積極進行藥物再利用試驗，專注於抗病毒、抗發炎、抗凝血和免疫調節。糖皮質類固醇和IL-6受體拮抗劑顯示改善住院患者成效。吸入式布地奈德對年長輕至中度患者有效。瑞德西韋有效性有爭議，其他研究藥物包括empagliflozin、青蒿素等。設計治療試驗需注意干預時機和終點選擇。 PubMed DOI

治療乾性老年性黃斑部退化的新藥需求大，可考慮重新利用FDA批准的藥物。醫學和藥物資料庫有助於找出可能有效的藥物。本篇討論了一些重新利用的藥物，如GPR-143激動劑（L-DOPA）、抗糖尿病藥物（二甲双胍、阿卡波糖、empagliflozin、芬布拉特）、粒線體活化劑（PU-91）和血清素途徑藥物（氟西汀、flibanserin、xaliproden、丁螺酮）。強調了重新利用的潛力和挑戰。 PubMed DOI

藥物再利用省錢又有效，尤其對抗阿茲海默症等疾病很有幫助。人工智慧工具如ChatGPT能快速分析科學數據，找出潛在藥物候選者。研究指出，二甲双胍、辛伐他汀和洛薩坦等藥物可能降低阿茲海默症風險。顯示人工智慧技術可幫忙選擇再利用藥物，進而改善疾病治療。 PubMed DOI

藥物再利用省錢又有效，尤其對治療阿茲海默症有潛力。透過人工智慧技術如ChatGPT，可找出潛力藥物。ChatGPT建議二甲双胍、辛伐他汀和洛薩坦等藥物，可降低罹患阿茲海默症風險。顯示人工智慧有助篩選藥物，進而改善疾病治療。 PubMed DOI

研究評估了ChatGPT在幫醫療人員選擇象皮病治療藥物的效果。專家評估後發現，ChatGPT對十個假想病例提供了適當建議，顯示其潛力。儘管仍需更多臨床數據和無法修改治療的限制，但ChatGPT提供了有價值的見解。未來需進一步研究以提升ChatGPT在象皮病治療上的實用性。 PubMed DOI

藥物再利用是省錢又有效的方法，尤其對於像阿茲海默症這樣選擇有限的疾病。ChatGPT等人工智慧工具透過分析大量科學數據，快速找出潛在的藥物候選者。一項研究指出，二甲双胍、辛伐他汀和洛薩坦等藥物可能降低阿茲海默症風險。這顯示人工智慧技術有助於優先考慮藥物再利用，改善疾病治療。 PubMed DOI

在腎小球疾病中，藥物重定位能開發無類固醇治療方案，針對抗藥性或復發病例進行個性化療法，並改善弱勢族群的治療選擇。透過數據驅動的方法或高通量篩選，可以識別潛在的藥物候選者。目前已有96種已批准藥物針對49條免疫抑制途徑，並有191種免疫藥物靶點與腎小球疾病相關。為強化藥物重定位，建議豐富數據庫、改善臨床試驗信息獲取、發現生物標記、增強替代結果指標，並解決專利及監管挑戰。 PubMed DOI

新藥開發和不良藥物反應檢測傳統上耗時且成本高，但隨著大規模醫療數據庫和大型語言模型的興起，藥物篩選變得更有效。本研究提出一個自動化高通量藥物篩選流程，具備多項優勢，包括估算藥物與疾病的關聯、整合藥物重新利用與監測、準確解析暴露時間等。研究分析了661萬名患者的數據，發現16,901對藥物-疾病組合顯著降低風險，11,089對則顯著增加風險，顯示出潛在的藥物重新利用和安全問題。這項研究展示了自然語言處理在藥物流行病學中的潛力。 PubMed DOI

近期研究探討將抗糖尿病藥物用於阿茲海默症（AD）治療，顯示出潛在的療效。這篇綜述強調了不同類型的抗糖尿病藥物，如GLP-1類似物和SGLT2抑制劑，在AD模型中展現的神經保護效果，可能有助於減少淀粉樣β斑塊和認知衰退。雖然某些藥物與降低癡呆風險相關，但仍需注意其他藥物可能增加風險。未來針對輕度認知障礙及早期AD患者的臨床試驗將是關鍵，以評估這些藥物的安全性與有效性。 PubMed DOI

藥物再利用是一種高效且具成本效益的藥物發現策略，但現有模型常因數據不足而影響預測準確性。傳統的藥物-靶標互動模型難以泛化於大量藥物。相對地，大型語言模型（LLMs）因其龐大的數據和參數具優勢。 我們提出了DrugReAlign框架，結合LLMs和多來源提示技術，增強藥物再利用。此框架從廣泛知識庫中收集藥物和靶標的資訊，解決數據限制，並整合多數據庫的靶標摘要，顯著提升LLMs的表現。 透過分子對接和DTI數據集驗證，我們發現LLMs的靶標分析準確性與預測質量高度相關，顯示此框架可能為藥物再利用開創新途徑。 PubMed DOI