Kunstmatige intelligentie is hot. De komst van OpenAI heeft kunstmatige intelligentie op de kaart gezet en steeds vaker worden baanbrekende ontdekkingen die met behulp van AI (artificial intelligence) gedaan zijn, gedeeld in het nieuws. Wij vroegen ons af: zou AI iets kunnen betekenen voor proefdieren? In dit artikel duiken we dieper in de wondere wereld van AI – en nog belangrijker: hoe het dierproeven overbodig kan maken.
Wat is AI?
Laten we beginnen met de basics. AI staat voor artifical intelligence, ofwel kunstmatige intelligentie. Het omvat het ontwikkelen van computersystemen die, met behulp van bestaande data en algoritmen, zelfstandig kunnen leren en taken kunnen uitvoeren. Zónder dat een mens hierbij moet helpen. Bekende voorbeelden van kunstmatige intelligentie zijn Alexa en Siri, twee machines die veel mensen in het alledaagse leven gebruiken. Bijvoorbeeld: om hen uit te laten leggen wat AI is!
Hoe AI kan bijdragen aan proefdiervrij onderzoek volgens ChatGPT
ChatGPT is een chatbot met kunstmatige intelligentie die is ontwikkeld door OpenAI. De chatbot is verfijnd met leertechnieken, waardoor het dialogen kan voeren met een gebruiker. Voor ons was het dus voor de hand liggend om aan ChatGPT te vragen hoe AI ons kan helpen bij het overbodig maken van dierproeven.
Het antwoord is veelbelovend, want volgens ChatGPT kan: “AI (Artificial Intelligence) een belangrijke rol spelen bij het verminderen van het gebruik van proefdieren in wetenschappelijk onderzoek.” En dat niet alleen – de chatbot geeft ons ook verschillende manieren waarop AI kan bijdragen aan onze missie.
Manieren waarop AI kan bijdragen aan proefdiervrij onderzoek volgens ChatGPT:
- In silico-onderzoek (computermodellen): AI kan geavanceerde computermodellen en simulaties mogelijk maken, waardoor onderzoekers biologische processen kunnen bestuderen zonder proefdieren te gebruiken. Dit stelt wetenschappers in staat om in silico-experimenten uit te voeren, waarbij AI modellen de effecten van bepaalde stoffen op biologische systemen voorspellen.
- Data-analyse en patroonherkenning: AI kan grote hoeveelheden gegevens analyseren en patronen identificeren, die voorheen moeilijk te herkennen waren. Dit kan onderzoekers helpen om beter te begrijpen hoe bepaalde stoffen reageren in complexe biologische systemen, zonder daadwerkelijke proeven met dieren uit te voeren.
- Genetische modificatie en synthetische biologie: AI kan worden gebruikt om genetische modificaties te ontwerpen en te optimaliseren. Hierdoor kunnen onderzoekers genetische eigenschappen in kaart brengen en manipuleren zonder de noodzaak van dierproeven.
- Robotica en automatisering: Robots die uitgerust zijn met AI kunnen worden gebruikt om repetitieve taken in het laboratorium uit te voeren, waardoor onderzoekers meer tijd hebben voor complexe analyses en experimenten. Dit vermindert de afhankelijkheid van proefdieren voor routinematige taken.
- Biomarkers en diagnostische tools: AI kan helpen bij het identificeren van biomarkers en het ontwikkelen van diagnostische tools die ziektes en behandelingseffecten kunnen volgen zonder dat daarvoor proefdieren nodig zijn.
- Virtual reality (VR) en augmented reality (AR): VR en AR kunnen worden gebruikt om virtuele modellen van biologische systemen te creëren, waardoor onderzoekers experimenten kunnen uitvoeren in een virtuele omgeving zonder daadwerkelijke proefdieren te gebruiken.
Tekst gaat verder onder de afbeelding
Hoe ziet ChatGPT een proefdiervrije wereld voor zich?
De voordelen van AI in wetenschappelijk onderzoek
Er hangen veel voordelen aan het gebruik van AI in wetenschappelijk onderzoek. Zo is het wetenschappers gelukt om AI-modellen te ontwikkelen die het denkvermogen van mensen nauwkeurig nabootsen. Deze modellen kunnen grote hoeveelheden informatie verwerken en daardoor nauwkeurige voorspellingen doen.
Zulke modellen worden bij TNO gebruikt door Gino Kalkman en Jennifer Venhorst. Zij gebruiken AI modellen om enorme hoeveelheden bestaande data uit onderzoeken die in het verleden zijn gedaan, te analyseren. Jennifer: “Hoe meer je gebruik kan maken van de data die er al is, hoe minder dierproeven er nodig zullen zijn. Bij de ontwikkeling van nieuwe medicijnen moeten zowel de therapeutische rationale als de risico’s in kaart worden gebracht. Om te voorkomen dat er onnodige dierproeven gedaan worden, hebben wij met gebruik van AI een systeem opgezet dat hierbij helpt. Dit systeem analyseert de bestaande literatuur en zoekt uit of en hoe potentiële drug targets (eiwitten) bijdragen aan gewenste therapeutische effecten of juist bijwerkingen veroorzaken. Daarbij worden niet alleen directe relaties tussen een eiwit en effect bestudeerd, maar wordt ook het bredere netwerk waarin zo’n drug target (eiwit) actief is in kaart gebracht.”
Jennifer Venhorst © TNO
Word lid van onze LinkedIn groep
De Animal Free Gallery is jouw platform om successen te delen, kennis uit te wisselen, en te netwerken met gelijkgestemde professionals en wetenschappers. Samen kunnen we stappen zetten naar innovaties zonder dierproeven. Doe mee en vier met ons elke ontwikkeling richting ethisch en innovatief onderzoek!
AI wordt ook in proefdiervrij onderzoek gebruikt
Ook wij investeren in onderzoeken die gebruik maken van AI, om zo proefdieren overbodig te maken. Een voorbeeld is het MechPath project. Deze unieke samenwerking van verschillende partijen brengt bestaande innovaties en data bij elkaar, om zo tot nieuwe inzichten te komen die kunnen leiden tot betere medicijnen en behandelingen. De focus van dit project ligt op dit moment op leverfibrose, een aandoening waarbij littekenvorming de functie van de lever aantast.
Prof. Gerard van Westen werkt aan MechPath bij de Universiteit Leiden en legt uit hoe zij gebruik maken van AI in hun project: “Fibrose in de lever kan door verschillende oorzaken ontstaan. Wij gebruiken AI om deze oorzaken te analyseren en te begrijpen. Vervolgens combineren we AI met proefdiervrije modellen in het lab om het ziektebeeld van fibrose bij verschillende patiënten te voorspellen. Met deze methode kunnen we de patiënt als het ware simuleren en dus een betere behandeling bedenken en onderzoeken.”
Op de vraag of AI dierproeven voorgoed overbodig kan maken, antwoordt Gerard voorzichtig positief: “Op dit moment zie ik AI niet alle dierproeven overbodig maken. Er zit namelijk een groot gat tussen ‘wij denken dat dit een veilig en werkzaam medicijn is’ en ‘we zijn ervan overtuigd dat we dit medicijn aan mensen kunnen geven.’ Dat gat is ons grotendeels onbekend: the unknown unknowns zijn dus het probleem. Om dit gat te overbruggen, wordt er daarom nog een proefdier gebruikt. Maar ik denk dat het vervangen van deze dierproeven op den duur wel mogelijk is; ik durf alleen niet te zeggen wanneer.”
Prof. Gerard van Westen
De uitdagingen van AI in onderzoek
Het gebruik van AI gaat dus niet zonder slag en stoot. Ondanks de grote stappen die AI maakt, zijn er nog steeds uitdagingen. Zo is AI op dit moment afhankelijk van beschikbare data. Als deze data er niet is of niet betrouwbaar is, dan zal de computer ook niet met betrouwbare resultaten kunnen komen.
Een voorbeeld is het gebruik van AI in toxicologie. Inmiddels hebben we voldoende data voor een AI model om te voorspellen of een stof an sich giftig is of niet. Maar helaas hebben we nog niet genoeg data over de biologische processen die zich afspelen in ons lichaam. Een AI model kan daarom niet altijd nauwkeurig voorspellen hoe ons lichaam op bepaalde stoffen – giftig of niet – reageert.
Tot slot, is het niet altijd duidelijk hoe AI precies werkt. De algoritmen die AI gebruikt om voorspellingen te doen, kunnen zo gecompliceerd zijn dat ook wetenschappers niet meer snappen wat de computer heeft gedaan om tot een voorspelling te komen. En daardoor worden gemaakte voorspellingen niet altijd vertrouwd.
“De voorspellende waarde van een model kan afnemen als er te veel factoren of combinaties van factoren meespelen. AI wordt namelijk gevoed met dingen die we weten; maar niet per se met dingen die we snappen. Het resultaat is dat AI daardoor tot conclusies kan komen die wij niet snappen.” Zegt ook prof. Chris Evelo van de Universiteit Maastricht. Binnen het project Virtuele Mens werkt Chris met computermodellen aan de bioinformatica van het project. “En dat maakt het moeilijk om uit te leggen waarom iets wel of niet werkt. Patiënten zullen het bijvoorbeeld niet gauw accepteren als een medicijn wel bij anderen gebruikt wordt, maar niet bij hen, alleen omdat AI dit afraadt.”
AI heeft tijd en vertrouwen nodig
Computermodellen en AI modellen worden al jarenlang gebruikt in wetenschappelijk onderzoek. De rappe ontwikkeling van kunstmatige intelligentie biedt enorm veel kansen voor proefdiervrij onderzoek – maar we moeten ook niet te hard van stapel lopen.
Het kan namelijk een hele tijd duren voordat AI dierproeven daadwerkelijk overbodig kan maken. Jennifer Venhorst van TNO legt uit: “Op dit moment zijn we nog niet zover, maar er worden grote stappen gezet. Steeds vaker worden er complexe, humane systemen gebruikt in onderzoek, zoals organen-op-chips. Als dit hand-in-hand gaat met AI, denk ik dat we uiteindelijk een moment bereiken waarin we dierproeven overbodig kunnen maken. Maar dat gaat nog wel een hele tijd duren.”
“Daarbij komt ook het vertrouwen in AI kijken,” zegt Anne Burgers, onze adviseur wetenschap en innovatie. “Het gebruik van AI binnen én buiten de wetenschap roept bij veel mensen nog de nodige twijfels op. Hoeveel impact AI daadwerkelijk kan hebben op het gebruik van proefdieren, zullen we pas ontdekken als er meer vertrouwen is in proefdiervrije innovatie.”
AI heeft dus grote potentie in het versnellen van de ontwikkeling van proefdiervrije methoden, maar er is nog wel werk aan de winkel – maar we zijn verder dan je denkt.
