# Pesquisa da UL aponta que Inteligência Artificial é mais eficiente que testes com animais em laboratório | Green FM
segunda-feira , 20 agosto 2018
Home /
Pesquisa da UL aponta que Inteligência Artificial é mais eficiente que testes com animais em laboratório
Creative Commons

Pesquisa da UL aponta que Inteligência Artificial é mais eficiente que testes com animais em laboratório

A UL, uma empresa especializada em realização de ciência com segurança, e a Johns Hopkins University iniciaram uma pesquisa conjunta que resultou na descoberta de que a Inteligência Artificial (IA, na sigla em inglês) é superior aos testes em animais tradicionais no tangente a encontrar substâncias tóxicas. Além de ser mais eficaz, o processamento do software Cheminformatics* (termo que mistura química e informática, utilizado para descrever o uso da tecnologia no campo da química) REACHAcross ™ da UL, pode ser realizado em questão de segundos e por apenas uma fração do custo dos métodos tradicionais de testes. Trabalhando com pesquisadores da Bloomberg School of Public Health, a UL desenvolveu um conjunto inovador de ferramentas, incluindo o software REACHAcross ™, para prever o nível de toxicidade química, que pode ser usado onde quer que esses dados sejam necessários.

As informações são do Anda.Jor.Br, site que combate a violência social e a destruição do meio ambiente a partir da defesa dos direitos dos animais. A matéria explica que o desenvolvimento da Inteligencia Artificial (AI, na sigla em inglês), como a cheminformatics* preditiva, tem progredido lentamente nas últimas duas décadas. Foi em 1996 que o supercomputador Deep Blue derrotou o campeão mundial de xadrez Gary Kasparov pela primeira vez, usando os dados de mais de 700.000 jogos para aprender mais de 200 milhões de movimentos possíveis. Na infância da AI, estimou-se que Deep Blue custou mais de US $ 12 milhões (aproximadamente 44 milhões de reais).

Hoje em dia, um poder de computação semelhante já é acessível por meio de sistemas que custam muito menos , permitindo o uso da inteligência artificial para problemas da reais, como prever a toxicidade. Existem mais de 100.000 produtos químicos, entre medicamentos e produtos de consumo geral, que para a grande maioria, há muito pouca informação sobre sua toxicidade. O Dr. Thomas Hartung, professor chefe de Toxicologia Baseada em Evidência da Universidade Johns Hopkins, quer “ajudar a acabar com a ignorância toxicológica”, afirmando que “não teremos sucesso se continuarmos usando métodos antiquados como testes em animais, que tem sido usados desde o início de pesquisa biomédica “. Para esse fim, o seu grupo na Universidade Johns Hopkins, liderado por Tom Luechtefeld, criou uma base de dados – não de movimentos de xadrez – mas de estudos de toxicidade. Em 2016, quando revelada na Associação Americana para o Avanço da Ciência (AAAS, na sigla em inglês), a amplitude inovadora do banco de dados do software REACHAcross ™ (com 800.000 estudos toxicológicos para mais de 10.000 produtos químicos) criou a plataforma necessária para o uso desse banco de dados em avaliações de segurança.

Em colaboração com a UL, o banco de dados se expandiu para mais de 70 milhões de estruturas químicas, contendo mais de 300.000 pontos de dados biológicos e 20.000 pontos de dados de animais. Lamentavelmente, esse banco de dados expõe o fato de que muitos produtos químicos foram testados várias vezes, causando perda desnecessária de vida animal. Por exemplo, os seis testes de toxicidade animal realizados com mais frequência foram responsáveis por mais da metade de todas as vítimas de testes em animais na Europa em 2011. Quando a reprodutibilidade desses testes foi analisada, os resultados também levantam fortes preocupações – quando uma substância tóxica é testada uma segunda vez com o mesmo método de teste, os resultados só serão reproduzidos em 70% dos casos.

A matéria na íntegra pode ser conferida no portal Anda.Org.Br.

Deixe uma resposta

O seu endereço de email não será publicado. Required fields are marked *

*

Scroll To Top