化学リスク評価に人工知能を組み込むことへの信頼を築く: 2024 ECETOC ワークショップの成果
Timothy W Gant1,2, Alistair Boxall3, Daniel Burgwinkel4
1Centre for Radiation, Chemical and Environmental Hazards, Toxicology Department, UK Health Security Agency, Harwell Science Campus, Didcot, OX11 0RQ, UK. tim.gant@ukhsa.gov.uk.
Archives of toxicology
|February 16, 2026
まとめ
人工知能 (AI) は,より速く,より倫理的な評価のために複雑なデータを分析することによって,化学リスク評価を強化します. 信頼性の高いAIには,FAIR (Findable, Accessible, Interoperable, and Reusable) データと信頼性の高い結果のための堅実なガバナンスが必要です.
科学分野:
- 毒理学 毒理学 毒理学
- 規制科学 規制科学とは
- コンピューティング・ケミストリー
背景:
- 人工知能 (AI) は,化学リスク評価を変革し,より迅速で包括的な分析を提供しています.
- 機械学習を含むAIは,有害な影響を予測するために複雑な化学,生物,環境データを処理します.
- オミックスのデータを化学物質規制に統合するにあたって,歴史的な課題が存在しています.
研究 の 目的:
- 毒理学と規制科学におけるAIの能力と将来の可能性を調査する.
- 化学薬品規制にオミックスの技術を統合する課題に取り組む.
- 化学リスク評価における責任あるAIの重要な要素を特定する.
主な方法:
- 国際的なワークショップでは,学術界,業界,規制当局の専門家が集まりました.
- 議論は,AIアプリケーション,FAIRデータ原理,ガバナンスフレームワークに焦点を当てました.
- 規制科学における現在のAI能力と将来の可能性の分析.
主要な成果:
- 検索可能,アクセス可能,相互運用可能,再利用可能 (FAIR) のデータ原則は,透明で信頼性の高いAIシステムにとって不可欠です.
- 信頼性の高いAIの結果は,FAIRデータと堅牢なガバナンスフレームワークに依存しています.
- 責任あるAIの鍵となる要素は,厳格なガバナンス,説明性,目的に適したアプリケーション,人間の監督などです.
結論:
- AIは,化学リスク評価の効率と倫理を改善する大きな可能性を秘めています.
- FAIRデータ原則と堅実なガバナンスを実装することは,信頼性の高いAIにとって極めて重要です.
- AIの開発,検証,化学規制への信頼を前進させるために,柔軟で反復的なフレームワークが必要です.
