老药新用治疗疾病：从 Castleman 病到药物再利用的系统方法

原文标题：Using Existing Drugs in New Ways to Treat & Cure Diseases of Brain & Body | Dr. David Fajgenbaum

原文链接：https://www.hubermanlab.com/episode/david-fajgenbaum-using-drugs-treat-diseases-brain-body

发布日期：2025-11-03

基于公开 RSS/show notes 整理。本文用于转化医学和药物再利用知识库，不替代任何处方、停药或疾病治疗决策。

确定行动指南

核心建议

药物再利用是严肃科学路径：已批准药物可能用于新疾病，但需要机制假设、病例数据、临床试验和安全监测。
Fajgenbaum 的故事不能简化为自我试药：他从 Castleman 病生死经历出发，推动系统寻找候选药物，而不是鼓励患者自行组合用药。
既有药物的优势是安全资料更多：药代、剂量和副作用已有积累，可缩短部分开发路径。
稀有病尤其需要数据整合：病例分散、机制复杂，靠单一医生经验很难发现全部可能疗法。
任何 off-label 使用都要医生负责：适应证外用药仍可能有严重风险和相互作用。

实施要点

患罕见病时，系统整理诊断、病理、基因、用药和反应记录。
寻找患者组织、专家中心和临床试验，而不是只看论坛经验。
讨论 off-label 时问清机制、证据、剂量、监测和退出条件。
不因“老药便宜”就忽略风险。
把个案突破和普遍疗法分开记录。

核心解析

关键机制

疾病网络可指向已有药物：如果某条免疫或代谢通路异常，已有药物可能正好调节该通路。
真实世界数据能提供线索：病例、电子病历和患者报告可生成假设，但需要更严格验证。
免疫疾病常有可重定位靶点：炎症因子、细胞信号和免疫通路的交叉，让药物再利用更有可能。
从发现到批准仍需证据链：候选药物需要从机制、观察、试验到监管逐步走完。

共识发现

药物再利用在传染病、肿瘤、免疫和罕见病中有现实价值。
批准药物不等于对所有用途都安全有效。
患者数据和科研协作能加速发现。

深入视角

不确定区域

个案成功可能受病程、合并治疗和选择偏差影响。
AI 和大数据筛药有潜力，但假阳性很多。
稀有病试验常面临样本小和异质性高的问题。

思维扩展

医学创新不只来自新分子，也来自重新理解旧工具。
患者参与研究可以改变问题定义，但不能跳过安全和伦理。

个性化考量

免疫抑制、抗凝、精神科和心血管药物再利用风险尤其需要监测。
多病共存和多药使用者应由医生审查相互作用。
危重疾病决策应在专业团队中完成。