Raziskovalci že dolgo iščejo alternativne metode testiranja na živalih, in sistemi umetne inteligence (AI) zdaj pospešujejo to prizadevanje. Enostavna, a poročno učinkovita uporaba AI v tem področju je odkrivanje obstoja rezultatov preteklih testov na živalih po vsem svetu, s čimer se izogne potrebi po novih in nepotrebnih poskusih. To koristi znanstvenikom, ki se morda mučijo z iskanjem in analiziranjem specifičnih informacij v desetletjih podatkov, kot je poudaril Joseph Manuppello, vodilni raziskovalec pri Zdravniškem odboru za odgovorno medicino v Združenih državah Amerike.
AI: Močno orodje pri zmanjšanju testov na živalih
Uporaba AI je med znanstveniki vzbudila navdušenje, kot je opazil Thomas Hartung, profesor toksikologije na Univerzi Johns Hopkins. Ugotavlja, da je AI enakovreden ali presega človeško sposobnost izluščevanja informacij iz znanstvenih člankov. Ko AI-izurjeni sistemi začnejo določati toksičnost novih kemikalij, Hartung opaža njihov potencial pri spremembi trenutne potrebe po testiranju več kot 1.000 novih spojin, ki vsako leto vstopijo na trg.
Hartung prav tako obravnava izzive, kot je pristranskost podatkov, ki se lahko pojavi, če je AI sistem večinoma izurjen na podatkih iz določene nacionalnosti, kar lahko naredi njegove izračune neprimerno za druge etnične skupine. Kljub temu je AI pokazal obet v testiranju toksičnosti, v nekaterih primerih prekašajoč teste na živalih.
Čeprav AI sistemi niso popolni pri ugotavljanju varnosti kemikalij, predstavljajo pomemben korak k natančnosti in moči. AI je vpleten v vsako stopnjo testiranja toksičnosti in se celo uporablja za razvoj novih zdravil od začetka. Projekti, kot je AnimalGAN, Ameriškega urada za hrano in zdravila, si prizadevajo napovedati, kako bi se podgane odzvale na različne kemikalije brez potrebe po dejanskem testiranju na živalih. Ta AI je bil izurjen na podatkih iz več kot 6.000 resničnih podgan v številnih zdravljenjskih scenarijih.
Podobni napori vključujejo mednarodni projekt Virtualni drugi vrsti, ki ustvarja AI-pogonjenega virtualnega psa, izurjenega na zgodovinskih rezultatih testov psov. Cathy Vickers, ki vodi inovacije v Britanskem Nacionalnem centru za nadomestitev, izboljšanje in zmanjšanje števila živali v raziskavah, pojasnjuje, da so nova zdravila trenutno testirana tako na podganah kot psih glede potencialne toksičnosti, preden se morebiti preide na človeške poskuse.
Bodoči izziv za AI teste bo zakonsko odobritev, področje, ki ga priznava tudi dr. Vickers, bo za polno priznanje založilo čas. Medtem pa Emma Grange iz Mednarodne organizacije za prenehanje mučenja vztraja, da je treba storiti prizadevanja za zagotovitev postopnega odpravljanja testiranj na živalih – priznavajoč negotovo pot, ki je pred novimi tehnologijami, kot je AI, da prispevajo k dejanskemu odpravljanju in ne samo zmanjševanju ali izboljševanju takšnih testov.
Ključna vprašanja in odgovori:
– Kako AI pripomore k zmanjšanju testiranja na živalih? AI pripomore s pregledovanjem obsežnih baz podatkov za identifikacijo obstoječih rezultatov testov na živalih, s napovedovanjem toksičnosti kemikalij brez testiranja na živalih z uporabo orodij, kot je AnimalGAN, in z ustvarjanjem virtualnih modelov, kot je virtualni pes za napovedovanje odzivov na zdravila.
– Kateri izzivi so povezani z uporabo AI namesto testiranja na živalih? Ključni izzivi vključujejo pristranskost podatkov, zakonsko priznanje ter potrebo po dokazovanju, da AI zmore izenačiti ali preseči zanesljivost in predvidljivost testiranja na živalih.
– Kakšne polemike obdajajo uporabo AI za nadomeščanje testiranja na živalih? Et
ične razprave še vedno vztrajajo o tem, kako učinkovita je AI pri natančnem odsevanju kompleksnih bioloških interakcij. Poleg tega obstaja dvom, ali AI lahko v celoti nadomesti niansirane rezultate, pridobljene iz testiranja na živalih.
Prednosti in slabosti:
Prednosti:
– Zmanjšanje trpljenja živali s preprečevanjem nepotrebnih poskusov.
– Potencial za povečano učinkovitost in zmanjšanje stroškov s tem, ko se zanašamo na digitalne analize namesto fizičnih poskusov.
– Možnost za bolj celovito analizo toksičnosti, saj AI zmore hitro obdelovati velike količine podatkov.
Slabosti:
– AI sistemi lahko nagnjeni k pristranskostim podatkov, kar vodi v netočnosti, če so izurjeni na omejenih ali popačenih podatkovnih naborih.
– Vladni organi še niso v celoti sprejeli AI kot popolno nadomestilo, kar odlaša z njeno izvedbo.
– Sedanja nesposobnost AI, da v celoti posnema kompleksnosti živih organizmov, bi lahko vodila v spregled potencialnih stranskih učinkov.
Predlagane povezave:
Za dodatne vire o presečišču med AI in zmanjšanjem testiranja na živalih si lahko ogledate spletne strani organizacij, ki aktivno delujejo na tem področju, kot so:
– Zdravniški odbor za odgovorno medicino
– Johns Hopkins Medicine
– Ameriški Urad za hrano in zdravila (FDA)
– Nacionalni center za nadomestitev, izboljšanje in zmanjšanje števila živali v raziskavah (NC3Rs)
– Cruelty Free International
Prosimo, upoštevajte, da so te povezave namenjene informativne narave, da lahko raziskujete temo od uglednih organizacij, ki delujejo na področju AI in testiranja na živalih.
The source of the article is from the blog aovotice.cz