Los extraordinarios avances recientes en inteligencia artificial (IA) y aprendizaje automático (AA) han llevado a algunos científicos a creer que los modelos generados por computadora pronto podrían reemplazar el uso de animales en las biociencias. Pero, ¿es cierto?

A primera vista, la evidencia parece convincente. Ya estamos viendo el potencial de la IA para mejorar la traducción y reproducibilidad de los estudios animales, complementando el uso de modelos animales. Al analizar conjuntos de datos complejos, mejorar el diseño experimental y predecir resultados, la IA ya ha optimizado y potencializado los estudios preclínicos in vivo.

Esto es particularmente cierto para el sector de la toxicología. En los últimos años, la toxicología ha pasado de ser una ciencia observacional a una disciplina rica en datos, madura para la integración de la IA. Si bien las pruebas con animales siguen siendo el pilar para probar medicamentos y vacunas, los investigadores han utilizado tecnologías de IA para desarrollar modelos computacionales que replican el comportamiento de órganos, tejidos y sistemas biológicos humanos, lo que les permite proporcionar predicciones de las respuestas humanas a las sustancias.

Estos modelos computacionales están mejorando la confiabilidad de las pruebas de toxicidad, eficacia y otros puntos finales relevantes. Se han desarrollado varias herramientas prometedoras en esta línea que pueden estar empezando a reducir la dependencia de las pruebas con animales. Es probable que estos avances reciban un impulso de la reciente decisión de la FDA en los Estados Unidos (la Ley de Modernización de la FDA) de aceptar datos de nuevos métodos modernos (como modelos informáticos, órganos diseñados y órganos en chips) en las pruebas reglamentarias, no solo para medicamentos sino para la evaluación de riesgos químicos, para proteger mejor la salud humana y el medio ambiente. La IA promete transformar el sector de la toxicología, lo que quizás indique un cambio lento en el uso de modelos animales.

Sin embargo, más comúnmente, la tecnología de IA se está utilizando para complementar y mejorar el uso de animales, en lugar de como un reemplazo.

Las soluciones de IA y aprendizaje profundo se pueden utilizar para automatizar el seguimiento y análisis de los movimientos de los animales y para monitorear los indicadores de salud, proporcionando datos sobre patrones de comportamiento, interacciones sociales, hábitos diarios, respuestas a cambios ambientales y bienestar. Estas tecnologías mejoran la eficiencia y precisión de la recopilación de datos en comparación con los observadores humanos, lo que, a su vez, ayuda a reducir la variabilidad de los resultados y mejorar la confiabilidad y reproducibilidad de los hallazgos. Como se puede extraer información más significativa de los mismos experimentos con animales, los enfoques de IA integrados reducen inevitablemente la cantidad de animales que se necesitan utilizar.

La IA también ha impulsado mejoras en la traducción de datos animales a estudios clínicos humanos. El objetivo de muchas pruebas con animales es actuar como un sustituto de los humanos para comprender cómo una nueva sustancia química afecta la biología humana sana o enferma. La integración de grandes datos de modelos animales y estudios humanos mediante IA y aprendizaje automático ha permitido a los investigadores identificar puntos en común y diferencias entre especies. Estos enfoques integrados están ayudando a cerrar la brecha entre los estudios preclínicos y clínicos, encontrando los puntos de similitud y aumentando la relevancia de los hallazgos del modelo animal para la enfermedad humana.

Sin embargo, aunque las simulaciones de IA tienen el potencial de imitar sistemas biológicos con una precisión asombrosa, replicando el comportamiento de células, tejidos y órganos, todavía no pueden reemplazar lo real. Los conjuntos de datos que incluyen información clínica, genética, neurológica y bioquímica tanto de animales como de humanos, cuando son interrogados por la IA, contienen un inmenso potencial para descubrimientos transformadores. Pero por el momento, siguen siendo incompletas y es probable que planteen nuevos e importantes desafíos éticos que también deben tenerse en cuenta. La extraordinaria complejidad de los organismos vivos sigue siendo una barrera incluso para el enorme poder de la informática moderna.

Por ahora, parece más probable que en el futuro cercano veamos una mayor aplicación de la IA como una herramienta para mejorar y refinar la investigación con animales en lugar de un medio para reemplazarla. Pero la Inteligencia Artificial está avanzando a un ritmo tal que es imposible predecir realmente qué impacto tendrá finalmente en las biociencias y el uso de animales en ellas. Mientras tanto, los modelos animales parecen destinados a seguir siendo una parte esencial de los descubrimientos médicos en el futuro previsible. La IA promete cambiar el mundo, pero no –todavía– poner fin a la investigación con animales.

Nota escrita por Mia Rozenbaum y publicada en su idioma original (inglés) en Understanding Animal Research