儘管聽起來可能很冷血，很不人道，但動物試驗是現代藥物和化合物開發和批准程序中的一個組成部分，且有充分的理由。科學家仍然不能可靠地預測新化學物質的性質，更不用說這些化合物如何與活細胞相互作用。
但是發表在《毒物學科學雜誌》上的新論文表明，利用我們已經掌握的歷史實驗和數據，可以預測新化合物的屬性。根據以前的動物試驗結果，人工智能系統經過訓練，可以預測數萬種未知化學物質的毒性，在某些情況下，結果比真實動物試驗更準確可靠。
在藥物開發過程中使用AI並不是什麼新鮮事。事實上，有28家制藥公司和93家創業公司已經花費數億美元將機器學習和其他AI技術應用於新藥研發，這一過程成本高昂、耗時耗力，而隨著AI的介入，這一行業更加成熟。
根據Exscientia公司首席執行官Andrew Hopkins的說法，人工智能“在製造和測試化合物方面做出了更好的設計和決策，最終導致較少的實驗，而更少的實驗意味著節省了時間和金錢”。
Thomas Hartung，約翰斯霍普金斯大學的毒理學家，領導了一項預測藥物性質的研究，但是沒有使用動物試驗，這項測試表明計算機模型可以取代每年對數百萬只動物進行的一些標準安全性研究。例如將化合物滴入兔子眼中檢查它們是否是刺激物，或者給老鼠餵食算出致命劑量。 大數據的力量意味著我們可以生成比動物試驗更具預測性的工具。
他的團隊通過向人工智能輸入大量數據，來實現這種預測方法，這些數據來自歐洲化學品管理局（ECHA）收集的龐大數據庫。
ECHA數據庫的數據是公開的，但其中的格式對於計算機來說不易讀取。 2014年，Hartung的團隊開始對數據進行重新格式化，融合了大約80萬項動物測試中收集到的約1萬種化學物質及其屬性的信息。
結果非常令人震驚。他們的系統能預測數以萬種化學品的毒性，涵蓋九種類型的測試。
將藥物開發中的動物試驗降至最低限度，不僅關乎動物權利，而且使藥物開發過程更短，更便宜。今年 2月，部門協調委員會（ICCVAM）提出一份戰略目標，取代在毒性測試中使用動物的方法。
今年4月，ICCVAM邀請研究小組和學者到馬里蘭州貝塞斯達的國立衛生研究院，讓每個小組展示他們的軟件如何預測已經在動物身上測試過的4萬種化學物質的毒性。
閱讀更多 WTT資訊 的文章
