Uporaba testiranja na živalih je že od samega začetka tema, ki nas deli na zagovornike in nasprotnike. Dejstvo pa je, da si samega testiranja ne želi nihče, tako kot izvajanja testov ne želijo ljubitelji živali, si jih ne želijo niti laboratorijski raziskovalci. Zato se v zadnjih letih pojavlja kanček upanja, da bi fizično testiranje lahko nadomestili modeli umetne inteligence, ki razpolagajo z rezultati vseh testov, ki so bili opravljeni do sedaj in so tako zmožni predvidevati odzive živali na nove substance.
Glavni cilj testiranja na živalih je že od nekdaj enak – zagotoviti, da so zdravila in ostale snovi varni za uporabo pri ljudeh. Raziskovalci pa že dolgo iščejo alternativne načine, ki ne bi vključevali živali. Z razvojem umetne inteligence smo morda končno korak bližje rešitvi. Ena od uporab umetne inteligence na tem področju je preprosta, izkazala pa se je tudi za učinkovito. Z njeno uporabo se pregledajo vsi obstoječi in razpoložljivi rezultati testiranja na živalih, po vsem svetu, s tem pa se lahko prepreči ponovno in nepotrebno testiranje.
Joseph Manuppello je raziskovalni analitik pri ameriški neprofitni organizaciji Physicians Committee of Responsible Medicine, ki si prizadeva za sočutno in učinkovito medicinsko prakso, raziskave in promocijo zdravja. Manuppello poudarja, da se raziskovalci težko prebijajo čez velik količino podatkov. Znanstveniki težko prebirajo podatke zadnjega desetletja, da bi prišli do točno določenega podatka, ki ga potrebujejo, je povedal za BBC. "Zelo me veseli uporaba modelov umetne inteligence, kot je Chat GPT, s pridobivanjem in primerjanjem vseh razpoložljivih podatkov lahko iztržimo kar se da največ," je dodal.
"Umetna inteligenca je pri pridobivanju informacij iz znanstvenih člankov tako dobra kot človek ali pa celo boljša," pove Thomas Hartung, profesor toksikologije na univerzi Johns Hopkins in direktor Centra za alternative testiranju na živalih. Pravi, da je eden glavnih razlogov za testiranje na živalih v teh časih potreba po preverjanju novih kemikalij. In ker na trg vsako leto pride več kot 1000 novih spojin, jih je treba preizkusiti zelo veliko. Hartung dodaja, da so sistemi umetne inteligence že zmožni določiti strupenost nove kemikalije. "Če imamo na voljo za uporabo orodje, pri katerem pritisnemo na gumb in takoj dobimo znak, kje naj bi se pokazal problem – nam bo to v veliko pomoč," pove in doda, da se sistemi programske opreme v toksikologiji uporabljajo že dolgo, umetna inteligenca pa po njegovo zagotavlja velik korak naprej tako v zmožnostih kot tudi natančnosti.
Umetna inteligenca tako ustvarja priložnosti, ki jih prej ni bilo, Hartung dodaja, da je umetna inteligenca zdaj vključena v vse faze testiranja toksičnosti spojin, uporablja pa se tudi pri razvoju novih zdravil.
Seveda tudi modeli umetne inteligence niso popolni, zato se na tem mestu pojavlja nekaj težav. Ena od njih lahko nastane, ko umetna inteligenca dostopa do podatkov, kjer so bile raziskave opravljene na podlagi zdravstvenih podatkov ene etnične skupine. Tu obstaja tveganje, da njegovi nadaljnji izračuni oziroma zaključki morda ne bodo povsem primerni za ljudi iz drugih etničnih skupin.
Kot poudarja profesor Hartung, se tudi testiranje na živalih včasih izkaže za neuporabno oziroma premalo natančno. Primer je zdravilo proti artritisu Vioxx, ki je uspešno prestalo testiranje, pozneje pa je bilo umaknjeno iz prodaje, ker so študije pokazale, da njegova dolgotrajna uporaba pri ljudeh povzroča povečano tveganje za srčni infarkt in možgansko kap. Neprimerna za testiranja so tudi nekatera zdravila, ki jih ljudje pogosto uporabljamo, saj so za živali strupena. Eden takšnih primerov je aspirin, ki je strupen za podganje zarodke. Hartung zato zagotavlja, da so se določeni modeli umetne inteligence že izkazali za natančnejše od testiranja na živalih.
Eden od projektov, kjer z uporabo umetne inteligence raziskovalci želijo nadomestiti testiranje na živalih, se imenuje AnimalGAN, program pa je razvila ameriška uprava za hrano in zdravila. Programska oprema je zasnovana tako, da bi ob raziskovanju natančno določila, kako bi se podgana odzvala na katero koli kemikalijo. Rezultati temeljijo na podatkih iz 1317 pravih primerov testiranja na 6442 različnih podganah. Virtual Second Species je podoben mednarodni projekt, ki temelji na modelu umetne inteligence, njegovi ustvarjalci pa so kreirali virtualnega psa, ki razpolaga s podatki zgodovine rezultatov testiranja psov.
Vodja inovacij v britanskem Nacionalnem centru za zamenjavo, izboljšanje in zmanjšanje števila živali v raziskavah, Cathy Vickers, pojasnjuje, da bo glavni izziv za testiranje z umetno inteligenco pridobitev regulativne odobritve in meni, da bo za sprejetje takšnega testiranja potrebnega veliko časa.
Emma Grange, direktorica za znanost in regulativne zadeve pri skupini Cruelty Free International, za zdaj nasprotuje prepovedi testiranja na živalih, ne glede na to, pa učinkovite alternative obstajajo. "Trenutno ni jasno, kako in ali sploh lahko umetna inteligenca prispeva k dejanski ukinitvi ali zmanjšanju testiranja na živalih.
Vemo pa, da je uporaba živali kot modelov za varovanje zdravja in okolja zastarela znanost in upamo, da bo umetna inteligenca na koncu lahko prispevala k opuščanju izkoriščanja živali pri vseh testih in poskusih," doda.
Tudi glavna veterinarka pri nemškem farmacevtskem podjetju Merck, Kerstin Kleinschmidt-Dorr, je mnenja, da testiranje na živalih ne more izginiti čez noč. S svojim podjetjem sicer nudi sponzorsko podporo projektu Virtual Second Species, meni pa, da je trenutna uporaba živali iz mnogih pogledov obvezna. "Verjamemo pa v prihodnost, v kateri bomo za nerešene probleme, ki danes zahtevajo testiranje na živalih, našli boljše rešitve, ki bodo testiranja nadomestile," zaključi.
Comments