L’apprendimento automatico conferma che in diversi campi è possibile fare a meno di eseguire test sugli animali prendendo in esame grossi quantitativi di dati. È il caso anche della previsione di tossicità delle sostanze chimiche.
Secondo una ricerca pubblicata su Toxicological Sciences l’apprendimento automatico, una tecnica informatica relativa all’intelligenza artificiale che si basa sull’analisi di enormi set di dati, può in molti casi essere addirittura più affidabile rispetto ai test sugli animali.
Tom Luechtefeld, ricercatore della Johns Hopkins University Bloomberg School of Public Health di Baltimora, insieme ai colleghi ha per questo utilizzato un database espanso con oltre 866.000 proprietà relative a rischi chimici.
Con questi dati ha addestrato un software grazie al quale gli stessi ricercatori sono riusciti a raggiungere un’accuratezza del 70-80% nella convalida incrociata dei livelli di tossicità.
Secondo uno degli autori dello studio “Questi risultati sono una vera rivelazione: suggeriscono che possiamo sostituire molti test sugli animali con la previsione basata sul computer e ottenere risultati più affidabili”.
Fonti e approfondimenti
- Medical News | Pri-Med (IA)
- Machine Learning of Toxicological Big Data Enables Read-Across Structure Activity Relationships (RASAR) Outperforming Animal Test Reproducibility | Toxicological Sciences | Oxford Academic (DOI: 10.1093/toxsci/kfy152) (IA)
Rispondi