في عالم الطب الحديث، تسعى الأبحاث بجد لتحديد العلاجات الأكثر فعالية للأمراض المستعصية. ومن بين هذه الجهود، برزت تقنية إعادة توجيه الأدوية (Drug Repurposing) كخيار واعد. غالبًا ما يُعتبر هذا النشاط تحديًا لتحديد المرشحين الأنسب، ولكن الطرق الحالية تقدم إرشادات محدودة في تمييز الخيارات البيولوجية المعقولة من الخيارات المرتبطة تاريخيًا.

هنا تأتي المصادفة الملحوظة لـ DrugKLM، وهو إطار هجيني مبتكر يدمج بين هيكل الرسوم البيانية الطبية (Biomedical Knowledge Graphs) والفهم الميكانيكي القائم على النماذج اللغوية الضخمة (Large Language Models).

من خلال تطبيق DrugKLM على مجموعات بيانات معيارية، تمكّن الإطار من التفوق على الطرق التقليدية المعتمدة على الرسوم البيانية الطبية أو النماذج اللغوية فقط، بما في ذلك TxGNN. يُظهر نظام تسجيل DrugKLM توافقًا وظيفيًا مع الأنماط الجزيئية، حيث ترتبط الدرجات الأعلى بتوقيعات نسخية مرتبطة بزيادة فرص البقاء عبر 12 مرضًا من مرضى TCGA.

تميّز نظام التسجيل هذا بقدرته على التقاط الإشارات البيولوجية الأساسية بدلاً من الأنماط التاريخية. بالإضافة إلى ذلك، فقد أظهرت خبرة تنسيق البيانات في خمسة أنواع من السرطان اختلافات منهجية في سلوك التقييم، حيث رفع DrugKLM من قيمة المرشحين المدعومين بأسس ميكانيكية منطقية وسياقات سريرية محددة بالمرض.

في المجمل، تؤكد هذه النتائج على أن DrugKLM يمثل إطارًا متكاملاً يستند إلى الأدلة، مما يترجم البيانات الطبية المتنوعة إلى فرضيات علاجية قابلة للتفسير ومبنية على أسس سريرية.