上億隻「小白鼠」有救了，AI可檢測化學物質甚至還更準確

智造觀點

儘管這聽起來非常冷血和不人性，但動物實驗是現代研究或者認證流程中不可缺少的一部分。事實上，不管是藥物還是化妝品等產品，在推出市場之前往往都需要先測試其安全性，動物測試便是一個比較流行的做法，不過卻常常引來動物保護方面的爭議。

但最近有科學家利用以往的資料，結合AI預測藥物反應進行相關的測試了。在這種情況下，不僅能夠提高效率，節省成本，未來或許還可以讓測試小白鼠永遠走出實驗室。

文/灰灰

來源/人工智慧觀察（ID：Aiobservation）

眾所周知，無論是化妝品還是藥品，在正式推出前都必須經過動物檢測實驗，以確保該產品應用在人身上不會產生不良反應，而之所以使用動物進行測試，是因為某些動物的生理特徵與人類相似。

儘管實驗的初衷是善意的，但為了保證結果更真實，在測試過程中往往只會對實驗小動物打少量的麻醉或者完全不做麻醉處理，對它們造成極大的傷害，留下極大的痛苦。可以說，許多動物終其一生都「奉獻給了實驗，甚至不曾見過陽光」。

但這種情況就要發生改變了。根據研究期刊Toxicological Sciences的最新報告，已經有科學家根據以往的動物測試和實驗數據，配合人工智慧技術可以對新的合成物進行分析，來預測這些未知的化學品對細胞造成的影響。在一定程度上，這種做法不僅能夠提高效率，節省成本，未來或許還可以讓小白鼠永遠走出實驗室。

為了科研，每年上億隻「小白鼠」獻身科學

據統計，每年全球約有一億一千五百萬隻動物被用在各種實驗中。以歐盟來說，僅在2011年就用了17,896隻狗、3713隻貓、358,213隻兔、6686匹馬、6095隻猴子、675,065隻鳥、77,280隻豬、28,892隻羊、30,914頭牛，以及超過100萬隻魚及850萬的嚙齒類動物，數量總計超過了1000萬。

不管是解剖，還是毒理實驗，亦或是藥物實驗，動物在整個過程中都為人類醫學研究的進步做出了巨大犧牲，尤其是小白鼠，其往往因病呈現出紅眼睛特徵，每年死亡數量更是難以計數。

而造成這種情況的原因，在於科學家不能任意預測藥物的性能及反應。因此，動物實驗室就成為現代藥品開發重要的基礎，與此同時，在動物上取得的實驗數據，也為後期進入人體測試階段提供極大的安全性。不過動物實驗具有極高的重複性。

比如德萊塞測試，其最初用在化妝品的毒性實驗中。由於試驗品的毒性未知，其需要對動物進行一遍又一遍的給葯，有的藥物甚至可以測試六七十次，簡直是在挨千刀。這個過程無疑會令動物產生更大的痛苦，且實驗過程充滿未知，經常造成大量動物意外死亡。

然而在科學醫藥的需求下，這類動物的犧牲雖然被視為合理，若從生命的角度來看，過程不僅不人道，也會造成極大的資源浪費。但隨著技術的進步，動物實驗現在已經逐步提倡使用無知覺材料代替動物、通過各種方式提高實驗精度以減少動物使用量和優化動物體征以實現相對準確的實驗數據。

雖然目前還無法完全取代動物實驗，但科學家都在朝著這個方向努力。最近，有研究員指出，通過機器學習，至少可以在測試毒性方面，減輕一些動物身上的「壓力」。

AI測毒，比動物測試更準確

最近，一項來自期刊Toxicological Sciences的研究表明，通過一種新的機器學習系統，利用動物測試毒性的歷史很可能將被改寫。動物實驗，至少是動物測試毒性實驗將有可能被計算機代替。

眾所周知，藥物研發的過程十分耗時，因此近年來，許多藥廠也都紛紛擁抱新科技。據統計，目前已經有28家大型醫藥公司、93家新創公司，投入了數千萬美元研究如何利用人工智慧技術進行製藥並展開新藥品的測試。

對此，人工智慧公司Exscientia的首席執行官Andrew Hopkins表示：「人工智慧在設計以及化合物的選擇上表現得更好。利用人工智慧可以減少實驗的次數，換句話說，它可以節省更多的金錢和時間。」在Andrew Hopkins看來，現在在動物實驗中取得的數據多數儲存在資料庫中，基於生物學的複雜性，以及過去未能有效利用，如果能藉助人工智慧將這些數據加以利用，就能減少動物實驗。

據了解，該研究團隊從2014年就開始進行數據積累，最終收集了1萬種化學物質。然後利用AI系統對資料庫中的化學物質進行了86萬次的測試，其繪製了分子結構與特定毒性類型之間以往並未被獲知的關係，比如其可能對眼睛、皮膚或DNA造成的影響。

具體操作上來說，研究人員對不同化學性質和毒理性質的物質進行分組，然後以組內某一物質的毒性為參照，推測其他物質的毒性。再與這些其他物質在資料庫中的已知毒性進行比照，得出計算機預測的結果。

最終結果顯示，利用計算機測試得到的毒性準確率為87％，而使用動物再次進行測試的正確率則為81％。可以說在某些情況下，AI的準確度已經比動物實驗要好很多。

雖有AI加持，動物實驗仍無法缺席

雖然說，單從測試結果的數據來看（AI準確率87%，動物實驗準確率81%），AI似乎表現不錯，但只憑這一點，真的就代表人工智慧可以取代動物實驗了嗎？答案是否定的。

首先是數據問題。從上面的案例我們可以了解到，該研究團隊光是做一種簡單的毒物測試，就花了近四年的時間來準備所需要的數據累積並進行實驗分析。先不說每年會有多少新葯處於研發、實驗狀態，如果一種藥品需要進行多種毒性測試，甚至進行需要更多數據的高級藥品的研究，那麼整個資料庫的積累等前期工作的時間線就會被拉得很長，屆時，這可能會變成一個以十年為一個單位的浩大工程。

其次，動物本身也有計算機難以比擬的優勢。測試實驗中，我們之所以會選用在生理特徵上與人類相似的動物來進行，是因為人體組成非常複雜，許多的副作用、反應、過敏，往往是在實驗室中無法預測的，而動物是有可能在實驗中獲得意外收穫的，比如一些物理或者生物學的發現便都是源自於一場意外的。換句話說，人工智慧可以在數據的基礎上進行完美分析資料，那是不是就意味著AI可能會束縛住動物實驗中可能發現的意外反應呢？

當然，我們都不能否認，將人工智慧用於藥品研發，不僅僅是為了人道原因，還是為了提高效率，降低成本。但在目前的情況下，動物實驗還是擁有自己的優勢，所以，雖然有了AI的加持，但動物實體做配角進行試驗仍是不可缺席的重要部分，只不過在這個過程中， 或許我們可以有效減少實驗用動物的犧牲數量，讓人道與科學之間變得更加平衡。

（文中圖片來自網路）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！