人工智能在动物实验中的应用:一篇综述

科学领域:

• 毒理学 毒理学 毒理学
• 计算科学 计算科学
• 生物医学研究生物医学研究

背景情况:

• 传统的动物试验在预测人类反应方面存在局限性,并面临道德问题.
• 人工智能 (AI) 的进步为毒性和安全性评估提供了新的机会.
• 人工智能可以提高研究的可靠性,效率和人类相关性.

研究的目的:

• 在毒理学和安全评估中审查人工智能驱动的方法.
• 突出人工智能对3R原则 (取代,减少,改进) 和监管创新的贡献.
• 探索AI在推进预测科学和无动物研究方面的潜力.

主要方法:

• 审查人工智能驱动的方法,包括in silico建模,机器学习和计算毒理学.
• 检查人工智能模型,如深度学习,定量结构-活动关系 (QSAR) 模型和综合决策策略.
• 对混合方法的分析,将体外数据与人工智能工具相结合.

主要成果:

• 人工智能模型在预测皮肤敏感性,致癌性和内分泌干扰等毒理学终点方面显示出更高的准确性.
• 混合方法为安全评估提供了一个可扩展和可重复的框架.
• 人工智能显示出提高毒性预测和药物安全性评估的巨大潜力.

结论:

• 人工智能在毒理学中为动物试验提供了一种伦理和科学上优越的替代方案.
• 人工智能和毒理学的整合为推进预测科学的巨大潜力,并使无动物研究成为可能.
• 人工智能驱动的安全评估承诺更可靠,更高效,更与人类相关的结果.