[ blog · tutorial ]11 min read

Связываем ClinicalTrials.gov v2 + openFDA + ChEMBL в license-clean эндпоинт лекарственной аналитики

Sarah Choy·Опубликовано 3 мая 2026 г.·11 мин чтения

Фарма-R&D, medical-AI стартапы и команды фармаконадзора хотят одного: эндпоинт, который тянет клинические исследования, лейблы, нежелательные явления и биоактивность license-clean способом. Вот рабочая архитектура — и подводные люки, которые удивляли команды в продакшене.

Кратко

• •ClinicalTrials.gov v2 (REST + JSON) заменил легаси v1 в 2024 году — схема чище, но пагинация, опциональные поля и исторический дрейф подлавливают новых интеграторов.
• •openFDA покрывает лейблы лекарств (SPL), отчёты о нежелательных явлениях FAERS и данные об отзывах — бесплатно; rate-limit 240 запросов/мин без авторизации, 120k/день с ключом.
• •ChEMBL даёт биоактивность (IC50, Ki, Kd, EC50), мишени и анализы — структурное / механистическое измерение, которого нет у других баз.
• •Коммерческая лицензия DrugBank — это ловушка: академическое использование разрешено; любой продукт, даже небольшой SaaS, подпадает под условия коммерческого лицензирования, которые большинство разработчиков не читают, пока не получат уведомление.
• •API Pick Clinical Search оборачивает ClinicalTrials, openFDA, ChEMBL и фармакологию DrugBank в один POST-эндпоинт — 30 кредитов за вызов, license-clean, оплата только за успех.

Форма задачи

Три аудитории в итоге нуждаются примерно в одном и том же пайплайне лекарственных данных, по разным причинам:

• Команды биофарма-R&D и репозиционирования лекарств хотят биоактивность (ChEMBL), историю исследований (ClinicalTrials.gov) и сигналы нежелательных явлений (FAERS), сведённые вместе для оценки кандидата.
• Medical-AI стартапы, строящие чат-боты или слои поддержки клинических решений, нуждаются в лейблах лекарств (openFDA SPL) и данных исследований, сведённых вместе, чтобы обосновать ответы LLM регуляторными источниками.
• Команды фармаконадзора хотят FAERS плюс структурированные поля лейблов плюс информацию о механизме из ChEMBL/DrugBank, чтобы оценить правдоподобность сигнала.

Каждая из этих аудиторий в итоге связывает воедино четыре базы данных: ClinicalTrials.gov, openFDA, ChEMBL и DrugBank. У каждой базы своя схема, свои rate-limit и свои условия лицензии. DrugBank — та, что кусается: её пункт о коммерческом использовании ловит команды, интегрировавшие её на этапе разработки без чтения лицензии, а рассылка уведомлений небольшим SaaS-основателям — реальная вещь.

Вот архитектура, которую мы рекомендуем, включая license-clean альтернативный путь, обходящий ловушку DrugBank.

Четыре источника, по одному абзацу на каждый

ClinicalTrials.gov v2

US National Library of Medicine. Определяющий реестр клинических исследований, зарегистрированных в США, и де-факто глобальный стандарт. v2 запущен в 2024 году — REST + JSON, заменяет легаси v1 на CSV/XML. Бесплатно, rate-limit (10 запросов/сек). Документация на clinicaltrials.gov/data-api/api. Сильные стороны: авторитетность, полнота, отсутствие проблем с лицензией. Слабые: разреженность опциональных полей для старых исследований, трение миграции схемы для команд, всё ещё на v1.

openFDA

Публичный API под управлением FDA. Покрывает лейблы лекарств (SPL — Structured Product Labels), FAERS (Adverse Event Reporting System), данные об отзывах и эквиваленты для продуктов питания/устройств. Бесплатно, rate-limit 240 запросов/мин без авторизации и 120 000 запросов/день с API-ключом. Сильные стороны: авторитетный регуляторный источник, структурированные данные, широкое покрытие. Слабые: парсинг SPL требует понимания конвенций HL7; дедупликация FAERS — проблема пользователя.

ChEMBL

EBI / EMBL-EBI. Курируемая база биоактивности — измерения IC50, Ki, Kd, EC50 по соединениям, мишеням и анализам. Бесплатно, REST + JSON, без головной боли с rate-limit при умеренном объёме. Сильные стороны: структурные и механистические данные, которых нет больше нигде. Слабые: фокус на research-grade; терапевтические/клинические сопоставления неполны.

DrugBank

Возникла в University of Alberta, теперь коммерческая. Сопоставления лекарство–мишень, фармакология, лекарственные взаимодействия, полифармакология. Академическое использование бесплатно; коммерческое требует платной лицензии. Лицензия применяется к любому коммерческому продукту, включая бесплатные SaaS-инструменты — читайте условия до интеграции.

API Pick Clinical Search (license-clean альтернатива)

Семантический поиск по ClinicalTrials.gov, лейблам лекарств FDA, биоактивности ChEMBL и фармакологическим метаданным DrugBank, которые мы лицензируем. JSON на входе / JSON на выходе, 30 кредитов за вызов (~$0.03), оплата только за успех. Вывод соответствует условиям регуляторных и структурных данных; никакой ловушки коммерческой лицензии для конечных пользователей.

Бок о бок

Рабочий код: каждый источник

ClinicalTrials.gov v2

import requests

# Trials for a specific condition + intervention
r = requests.get(
    "https://clinicaltrials.gov/api/v2/studies",
    params={
        "query.cond": "non-small cell lung cancer",
        "query.intr": "pembrolizumab",
        "filter.overallStatus": "RECRUITING",
        "pageSize": 25,
        "format": "json",
    },
)
studies = r.json()["studies"]
for s in studies[:3]:
    proto = s["protocolSection"]
    nct = proto["identificationModule"]["nctId"]
    title = proto["identificationModule"]["briefTitle"]
    sponsor = proto["sponsorCollaboratorsModule"]["leadSponsor"]["name"]
    print(f"{nct}: {title} (sponsor: {sponsor})")

openFDA: лейбл лекарства + сигнал FAERS

import requests
from collections import Counter

# Drug label lookup
r = requests.get(
    "https://api.fda.gov/drug/label.json",
    params={"search": "openfda.brand_name:Lipitor", "limit": 1},
).json()
label = r["results"][0]
print("Indications:", label.get("indications_and_usage", ["—"])[0][:200])

# FAERS — most reported adverse events for atorvastatin
r = requests.get(
    "https://api.fda.gov/drug/event.json",
    params={
        "search": 'patient.drug.medicinalproduct:"ATORVASTATIN CALCIUM"',
        "count": "patient.reaction.reactionmeddrapt.exact",
        "limit": 10,
    },
).json()
print("Top reported reactions:")
for r_ in r["results"]:
    print(f"  {r_['term']}: {r_['count']}")

ChEMBL: биоактивность мишени

import requests

# Target search → activity for a specific target
r = requests.get(
    "https://www.ebi.ac.uk/chembl/api/data/activity.json",
    params={
        "target_chembl_id": "CHEMBL204",      # PD-L1
        "standard_type": "IC50",
        "limit": 25,
    },
).json()
for a in r["activities"][:5]:
    cid = a["molecule_chembl_id"]
    val = a["standard_value"]
    unit = a["standard_units"]
    print(f"{cid}: IC50 = {val} {unit}")

API Pick Clinical Search: один вызов, все источники

import requests

r = requests.post(
    "https://www.apipick.com/api/search/clinical",
    headers={"x-api-key": "pk_yourkey"},
    json={"query": "PD-L1 inhibitors in NSCLC trials and adverse events"},
)
for hit in r.json()["results"][:5]:
    print(hit["title"], "→", hit["url"], f"(source: {hit.get('source')})")
# Returns ranked semantic matches across trials + labels + bioactivity.
# 30 credits per call, only on HTTP 200.

Три паттерна, которые всплывают в продакшене

1. Скрининг для репозиционирования лекарств

Берёте одобренное лекарство. Тянете его механизм (мишени ChEMBL), текущие показания (лейбл openFDA) и любые исследования, тестирующие его в новых показаниях (ClinicalTrials.gov). Перекрёстно сверяете с FAERS на сигналы безопасности в новом показании. Агент собирает все четыре части и выводит кандидатов, стоящих времени фармаколога.

2. Триаж сигналов фармаконадзора

Ежечасный cron тянет новые отчёты FAERS по watchlist лекарств. Считаете Reporting Odds Ratio против остальной базы. Помечаете любые сигналы, где ROR > 2 с 95% ДИ, исключающим 1. Совмещаете с ClinicalTrials.gov, чтобы проверить, является ли показание-применения on-label или off-label. Выводите ранжированный список для утреннего разбора команды — по аналогии с паттерном утренней сводки для новостей.

3. Обоснование AI-медассистента

Для любого ответа ассистента, связанного с лекарством, тяните лейбл openFDA и используйте его как авторитетную ground truth. Явно цитируйте раздел лейбла FDA. Отказывайтесь отвечать на вопросы о дозировке, когда лейбл не удаётся получить. Это паттерн обоснования цитатами из разбора прецедентного права UK, применённый к медицине — с ещё более высокими ставками.

Ловушка DrugBank

Стоит подчеркнуть ещё раз. Академическая лицензия DrugBank широко известна, но её условия меняются в тот момент, когда вы берёте с кого-либо деньги за что-либо, что использует эти данные — включая бесплатный продукт, чьих пользователей вы намерены позже перевести на платный тариф. Несколько небольших SaaS-основателей узнали это на горьком опыте, когда уведомление приземлилось в их почтовый ящик.

Два чистых пути:

• Купить коммерческую лицензию. Стандартное ценообразование непрозрачно; рассчитывайте на переговоры. Для зрелых продуктов с финансированием это правильный ответ, потому что данные о лекарственных взаимодействиях DrugBank трудно с чем-то сравнить.
• Используйте license-clean альтернативы на ранних этапах. ChEMBL покрывает большую часть механистических данных. RxNorm + DailyMed (NIH) покрывают нормализацию названий лекарств и лейблы. FAERS покрывает нежелательные явления. Комбинация упускает часть специфичных для DrugBank данных (богатые таблицы взаимодействий, полифармакологию), но её достаточно для большинства продуктов ранней стадии. API Pick Clinical Search оборачивает license-clean подмножество за вас.

Где это обобщается

Паттерн 'связать четыре публичные базы данных с обработкой rate-limit и лицензионной дисциплиной' всплывает во многих регулируемых вертикалях — финансовая отчётность (SEC + транскрипты earnings + статистика по акциям), патенты (USPTO + EPO + WIPO + JPO + KIPO + CNIPA), право (Find Case Law + legislation.gov.uk + зарубежные аналоги). Версия с лекарственными данными необычна главным образом тем, что лицензионная почва более спорна. Любая другая ось — разнообразие схем, rate-limit, дедупликация, сопоставление идентификаторов между источниками — обобщается.

Для retrieval одним вызовом по license-clean источникам лекарственных данных API Pick Clinical Search делает всю обвязку. Для более глубоких интеграций (полный парсинг SPL, расчёт сигналов FAERS, деревья мишеней ChEMBL) вы по-прежнему идёте к каждому источнику напрямую. Выбирайте правильный уровень абстракции для каждой части пайплайна.

Автор

Sarah Choy

CEO, API Pick

Сара Чой — CEO API Pick. Пишет о продакшен-готовых API для AI-агентов и LLM-воркфлоу.