机器学习软件会“抢走“实验动物的“工作”吗？

经过海量安全数据训练的机器学习软件可以提高自动化毒性评估的准确性。

据相关研究人员报道，在某些情况下，机器学习软件在经过海量化学品安全性数据训练后，其预测毒性的准确性堪比（甚至高于）昂贵的动物试验。

在某些情况下，计算机程序预测化学品毒性的准确性能与动物试验相媲美。来源：Coneyl Jay/SPL

约翰·霍普金斯大学的毒理学家Thomas Hartung表示，全世界每年在动物身上开展的标准化安全性测试数以百万计，比如将某种化合物滴入兔子的眼睛以检查它们是否具有刺激性，或者用化学品喂食大鼠以明确致命剂量；现在，计算机模型或许可以取代一部分这类测试。“大数据赋予我们一种比动物试验更有效的预测工具。”

7月11日发表于《毒理科学》（Toxicological Sciences）的一篇论文中，Hartung团队报告称，他们开发的一种算法能够准确预测上万种化学品的毒性——超出其它已公开的模型，涵盖了从吸入损伤到水域生态系统损害的九类测试。

德国巴斯夫的毒理学家Bennard van Ravenzwaay说：“这篇论文让人注意到大数据的新潜力。我百分百相信大数据将成为未来毒理学的支柱。”不过他补充表示，可能还要经过很多年才能让政府监管机构接受用计算机预测结果取代动物测试。不仅如此，涉及较复杂的损伤评估时，如某种化学品是否会致癌或影响生育，动物测试将更加难以被取代。