W obliczu rosnących obaw dotyczących etycznych aspektów testów na zwierzętach, naukowcy i korporacje farmaceutyczne zwracają się ku nowoczesnym technologiom w poszukiwaniu alternatyw. Jedną z najbardziej obiecujących jest zastosowanie sztucznej inteligencji (AI), która, jak zauważa Joseph Manuppello z Physicians Committee of Responsible Medicine, może przeglądać i analizować ogromne zbiory danych z przeprowadzonych wcześniej testów na zwierzętach. Dzięki temu możliwe jest uniknięcie powtarzania eksperymentów, co zmniejsza liczbę zwierząt wykorzystywanych w laboratoriach. Ta zdolność AI do przetwarzania i syntezowania danych z przeszłości jest niezwykle wartościowa, zwłaszcza kiedy rozważamy tysiące nowych substancji wprowadzanych rocznie na rynek, które muszą być przetestowane pod kątem bezpieczeństwa i skuteczności.
Czytaj także: Chile 45. krajem z zakazem testowania kosmetyków na zwierzętach; zaważył film z Taiką Waititi
Thomas Hartung, profesor toksykologii na Johns Hopkins University, podkreśla, że systemy AI już teraz odgrywają kluczową rolę w ocenie toksyczności nowych substancji chemicznych. Zastosowanie sztucznej inteligencji w toksykologii nie tylko zwiększa szybkość i dokładność badań, ale także pozwala na lepsze przewidywanie potencjalnych skutków ubocznych przed ich wprowadzeniem na rynek. Hartung wskazuje, że technologia AI może zidentyfikować niebezpieczne właściwości substancji szybciej niż tradycyjne metody laboratoryjne, co ostatecznie prowadzi do oszczędności czasu i zasobów, przy jednoczesnym ograniczeniu użycia zwierząt doświadczalnych.
Plusy i minusy zastosowania AI jako alternatywy dla testów na zwierzętach
Pomimo wielu zalet, wykorzystanie AI w badaniach nad bezpieczeństwem chemicznym niesie ze sobą pewne wyzwania, w tym zagadnienie stronniczości danych. Jeśli AI zostanie przeszkolone na danych pochodzących głównie z jednej grupy etnicznej, istnieje ryzyko, że wyniki nie będą w pełni reprezentatywne dla innych grup. Aby sztuczna inteligencja mogła skutecznie służyć globalnej społeczności, musi być trenowana na zróżnicowanych i wszechstronnych zestawach danych. Jest to kluczowe, aby algorytmy były sprawiedliwe i skuteczne na szeroką skalę.
Elizabeth Anderson z Evercore ISI zwraca uwagę na ekonomiczne implikacje związane z utrzymaniem zwierząt doświadczalnych, które stają się coraz droższe. Wzrost cen, obserwowany szczególnie po pandemii COVID-19, stanowi znaczące obciążenie dla firm farmaceutycznych i kosmetycznych. Na przykład, cena za jedną małpę wykorzystywaną w badaniach wzrosła z około 5,000 do 55,000 dolarów w 2020 roku, co zmusza branżę do poszukiwania bardziej opłacalnych rozwiązań, takich jak metody in vitro lub właśnie technologie oparte na AI.
Kerstin Kleinschmidt-Dorr z niemieckiej firmy Merck przyznaje, że całkowite zastąpienie testów na zwierzętach nie jest możliwe w krótkim czasie. Wiele badań nad nowymi lekami i kosmetykami nadal wymaga użycia zwierząt, ze względu na obecne przepisy regulacyjne i potrzebę pełnego zrozumienia wpływu substancji na żywy organizm. Jednak, zgodnie z dążeniem do przestrzegania zasad 3R (Reduction, Refinement, Replacement), branża stara się ograniczyć liczbę testów na zwierzętach poprzez wprowadzenie alternatywnych metod badawczych.
Na koniec, inicjatywy takie jak AnimalGAN i Virtual Second Species demonstrują, jak daleko technologia może nas zaprowadzić w kierunku eliminacji testów na zwierzętach. Są to projekty, które używają sztucznej inteligencji do symulacji reakcji biologicznych zwierząt na nowe substancje, zastępując tradycyjne, kosztowne i kontrowersyjne metody. Rozwijając i implementując te technologie, możliwe staje się nie tylko zmniejszenie zależności od testów na zwierzętach, ale także przyspieszenie całego procesu badawczego, przyczyniając się do szybszego wprowadzania bezpiecznych i skutecznych produktów na rynek.
Czytaj także: Dr Julia Fentem, Unilever: testy na zwierzętach to przestarzała metoda sprawdzania bezpieczeństwa produktów
