La investigación médica siempre ha ido de la mano de los experimentos con animales, ahora una nueva herramienta promete reducir esta práctica drásticamente
En las primeras etapas del desarrollo de fármacos la investigación biomédica siempre ha dependidos del uso de animales para el estudio de enfermedades y la validación de hipótesis. Esta práctica ha permitido lograr grandes avances, pero también ha planteado dilemas éticos profundos sobre esta forma de utilizar a los animales frente a la necesidad estadística de contar con grupos suficientemente grandes para obtener resultados fiables.
Para luchar contra este problema investigadores de las universidades de Frankfurt y Marburg han desarrollado genESOM, una IA generativa capaz de reducir la cantidad de animales necesarios en experimentos científicos entre un 30% y un 50%.
Un conjunto de estudios recientes, publicados en Pharmacological Research, iScience y Briefings in Bioinformatics, muestra que esta tecnología no solo puede complementar los experimentos con animales, sino reducir significativamente el número animales empleados en experimentación sin poner en riesgo la validez científica.
Demasiados experimentos con animales
Tradicionalmente, si un experimento cuenta con muy pocos sujetos, los efectos biológicos reales pueden quedar ocultos bajo lo que se conoce como ruido estadístico y ser muy poco o nada representativos de los efectos reales. Para evitar estos falsos resultados, se suelen utilizar más animales, pero aumentar el tamaño del grupo implica más sufrimiento animal lo que plantea importantes conflictos éticos.
Aquí es donde entra genESOM, una herramienta desarrollada por los profesores Jörn Lötsch y Alfred Ultsch, que utiliza redes de miles de neuronas artificiales para aprender sobre la estructura interna de los datos biológicos experimentales y genera datos sintéticos realistas. Esta herramienta expande datasets reales simulando más animales virtuales, y manteniendo la integridad científica.
Esto permite, por ejemplo, que un experimento realizado con 18 ratones pueda analizarse como si hubiera incluido 26 o 30, aumentando la potencia estadística sin necesidad de sacrificar más animales. Aunque los investigadores recalcan que la IA no puede sustituir por completo a los estudios biológicos ya que siempre se necesitan datos reales para que la máquina aprenda, sí puede reducir el número de animales que son utilizados habitualmente en estudios médicos.
Una IA más fiable: genESOM
A diferencia de otras IAs que pueden «alucinar» o inventar información, genESOM incluye un criterio de parada basado en datos. Antes de generar los datos, se introducen señales de error artificiales para medir cómo se propagan. Si la IA detecta que está empezando a sobreajustarse o a crear falsos descubrimientos, el proceso se detiene automáticamente, garantizando que los resultados finales sigan siendo científicamente válidos.
La eficacia de esta tecnología se puso a prueba con un estudio preclínico sobre la esclerosis múltiple. Los científicos tomaron un conjunto de datos original de 26 ratones y lo redujeron deliberadamente a solo 18, seis por grupo. Al analizar este grupo reducido, todos los efectos del fármaco que se habían detectado originalmente desaparecieron, las pruebas estadísticas no mostraron nada relevante.
Sin embargo, tras utilizar genESOM para aumentar virtualmente el grupo, todos los descubrimientos originales reaparecieron con el mismo nivel de significancia y sin introducir falsos positivos. Fue como si la IA hubiera devuelto la vista a un experimento que se había quedado ciego por falta de datos.
Este avance se alinea perfectamente con los principios de las 3R que rigen la ética de la investigación con animales:
- Reducir el número de animales necesarios por experimento.
- Refinar los diseños experimentales para que sean más eficientes y menos invasivos.
- Reemplazar parcialmente experimentos mediante simulaciones fiables.
En el futuro, genESOM podría permitir que estudios exploratorios que hoy requieren decenas de animales se realicen con apenas una fracción de ellos, salvando miles de vidas de animales cada año sin sacrificar el rigor que exige la medicina moderna.
REFERENCIAS
Dimensionality-modulated generative AI for safe biomedical dataset augmentation
