O professor Jorn Lotsch, cientista de dados e farmacologista clínico da Universidade Goethe, na Alemanha, em cooperação com o professor Alfred Ultsch, cientista da computação da Universidade Philipps de Marburg, desenvolveu uma inteligência artificial generativa chamada genESOM, para reduzir o número de testes em animais. A tecnologia é baseada em uma rede de milhões de neurônios artificiais que "aprendem" a estrutura interna de conjuntos de dados, permitindo ampliar o volume de informações obtidas experimentalmente e simular um número maior de animais em experimentos do que os realmente utilizados.
- Leia mais: Peixe-robô ajuda a explicar a evolução dos vertebrados
- Bee-Nav: nova estratégia de navegação robótica
No desenvolvimento de medicamentos, novas substâncias ativas ainda são testadas em animais. Pesquisadores convivem com um dilema ético: ao mesmo tempo em que buscam reduzir ao máximo o número de animais utilizados, também precisam garantir amostras suficientes para produzir resultados confiáveis e representativos, como na verificação da eficácia de novos medicamentos candidatos.
O farmacêutico e coordenador do curso de Farmácia da Universidade de Guarulhos, Anderson Carniel, explica o uso de animais na indústria farmacêutica: "O avanço dessas tecnologias vai promover uma redução gradual no modelo animal, mas a gente torce para que isso não comprometa a segurança dos medicamentos. Quando falamos de medicamentos no Brasil, precisamos pensar no trinômio: segurança, eficácia e qualidade. Esse equilíbrio será construído com inovação e diálogo entre universidade, indústria e órgãos regulamentadores".
No Brasil, a Lei 15.183 proíbe testes em animais para produtos de higiene pessoal, cosméticos e perfumes, bem como para ingredientes usados exclusivamente nesses itens. Entretanto, a legislação ainda permite o uso de animais em pesquisas da indústria farmacêutica. Mais de 45 países já aderiram à proibição de testes em animais para cosméticos, mas a utilização em pesquisas farmacêuticas continua sendo um desafio ainda não solucionado.
A presidente do Conselho Nacional de Controle de Experimentação Animal (Concea), Luisa Braga, relata os impactos que animais utilizados em testes podem desenvolver: "Desde procedimentos mais simples, como coleta de amostras, até testes mais invasivos, que podem envolver administração de substâncias ou cirurgias. O grau de desconforto ou dor depende do protocolo adotado. E hoje há critérios rigorosos para interromper o experimento, se o sofrimento ultrapassar limites aceitáveis".
Para treinar a IA, cientistas utilizaram dados de um estudo com ratos, previamente publicado e conduzido no Fraunhofer ITMP. A equipe alcançou duas principais inovações. A primeira foi treinar a IA para gerar novos dados, a partir das informações originais do estudo, integrando-os à estrutura de dados aprendida como se tivessem sido obtidos em experimentos reais.
O segundo avanço foi a integração do monitoramento diário de erros no processo de geração de novos dados. Métodos de IA generativa correm o risco de amplificar não apenas sinais relevantes, mas também ruídos e variações aleatórias. Esse problema, conhecido como "inflação de erros", pode levar à identificação incorreta de variáveis insignificantes como se fossem relevantes para o tratamento.
Ao separar a fase de aprendizagem da fase de síntese, os pesquisadores conseguiram introduzir um sinal artificial de erro no processo e medir com precisão sua propagação. Isso resultou em um critério de parada baseado em dados, capaz de interromper a geração antes que a validação científica fosse comprometida.
O genESOM passou por um teste prático utilizando dados de um estudo pré-clínico em um modelo de Esclerose Múltipla. No estudo original, 26 camundongos foram divididos em três grupos de tratamento para investigar os efeitos de um medicamento experimental. Em seguida, os pesquisadores reduziram o conjunto para 18 animais — seis por grupo — para simular um experimento menor.
Palavra de especialista
Luisa Braga, presidente do Conselho Nacional de Controle de Experimentação Animal (Concea)
“Em vez de testar uma substância primeiro em dezenas de camundongos, a IA consegue prever, pela estrutura química, se aquela substância é tóxica ou se tem potencial para virar um medicamento. Isso elimina etapas inteiras de testes com animais. A IA consegue cruzar informações para responder novas perguntas sem precisar repetir experimentos com animais. Um exemplo famoso é o AlphaFold, da Google DeepMind, que descobriu a estrutura de milhares de proteínas — algo que antes exigia experimentos demorados e caros com animais. A substituição total ainda não tem data marcada, mas a ciência avança nessa direção.
Mas a legislação ainda exige testes em organismos vivos antes de um remédio chegar aos humanos. Enquanto não houver um modelo que substitua completamente a complexidade de um ser vivo, os animais ainda serão utilizados em algumas fases finais das pesquisas.''
Ciência e Saúde
Ciência e Saúde
Ciência e Saúde