Švedski istraživači sa Tehnološkog univerziteta Chalmers i Univerziteta u Geteborgu razvili su metod veštačke inteligencije koji poboljšava identifikaciju toksičnih hemikalija – zasnovan isključivo na poznavanju molekularne strukture.
Metoda može doprineti boljoj kontroli i razumevanju sve većeg broja hemikalija koje se koriste u društvu, a takođe može pomoći u smanjenju količine testova na životinjama.
Studija „Transformatori omogućavaju tačno predviđanje akutne i hronične hemijske toksičnosti u vodenim organizmima“, objavljena je u časopisu Science Advances.
Upotreba hemikalija u društvu je široka, a javljaju se u svemu, od proizvoda za domaćinstvo do industrijskih procesa. Mnoge hemikalije dospevaju u naše vodene puteve i ekosisteme, gde mogu izazvati negativne efekte na ljude i druge organizme.
Jedan primer je PFAS, grupa problematičnih supstanci koje su nedavno otkrivene u vezi sa koncentracijama u podzemnim vodama i vodi za piće. Korišćen je, na primer, u peni za gašenje požara i u mnogim potrošačkim proizvodima.
Negativni efekti po ljude i životnu sredinu nastaju uprkos opsežnim hemijskim propisima, koji često zahtevaju dugotrajno testiranje na životinjama da bi se pokazalo kada se hemikalije mogu smatrati bezbednim.
Samo u EU se godišnje koristi više od 2 miliona životinja za poštovanje različitih propisa. Istovremeno, nove hemikalije se razvijaju brzim tempom i veliki je izazov odrediti koje od njih treba ograničiti zbog njihove toksičnosti za ljude ili životnu sredinu.
Nova metoda koju su razvili švedski istraživači koristi veštačku inteligenciju za brzu i isplativu procenu hemijske toksičnosti. Stoga se može koristiti za identifikaciju toksičnih supstanci u ranoj fazi i pomoći u smanjenju potrebe za testiranjem na životinjama.
„Naš metod je u stanju da predvidi da li je supstanca toksična ili ne na osnovu njene hemijske strukture. Razvijena je i rafinisana analizom velikih skupova podataka iz laboratorijskih testova koji su obavljeni u prošlosti. Metod je na taj način obučen da pravi tačne procene za ranije neproverene hemikalije“, kaže Mikael Gustavson, istraživač na Odeljenju za matematičke nauke na Tehnološkom univerzitetu Chalmers i na Odeljenju za biologiju i nauke o životnoj sredini na Univerzitetu u Geteborgu.
„Trenutno postoji više od 100.000 hemikalija na tržištu, ali samo mali deo njih ima dobro opisanu toksičnost po ljude ili životnu sredinu. Procena toksičnosti svih ovih hemikalija korišćenjem konvencionalnih metoda, uključujući testiranje na životinjama, nije praktično Ovde vidimo da naša metoda može ponuditi novu alternativu“, kaže Erik Kristiansson, profesor na Odeljenju za matematičke nauke u Čalmersu i na Univerzitetu u Geteborgu.
Istraživači veruju da metoda može biti veoma korisna u okviru istraživanja životne sredine, kao i za vlasti i kompanije koje koriste ili razvijaju nove hemikalije. Stoga su ga učinili otvorenim i dostupnim javnosti.
Računski alati za pronalaženje toksičnih hemikalija već postoje, ali do sada su imali preuske domene primenljivosti ili suviše nisku tačnost da bi u većoj meri zamenili laboratorijske testove. U studiji istraživača, oni su uporedili svoj metod sa tri druga, najčešće korišćena, računarska alata i otkrili da nova metoda ima i veću tačnost i da je više uopšteno primenljiva.
„Tip veštačke inteligencije koju koristimo je zasnovan na naprednim metodama dubokog učenja“, kaže Kristiansson. „Naši rezultati pokazuju da su metode zasnovane na veštačkoj inteligenciji već u rangu sa konvencionalnim računarskim pristupima, a kako količina dostupnih podataka nastavlja da raste, očekujemo da se metode veštačke inteligencije dalje poboljšavaju. Stoga verujemo da AI ima potencijal da značajno unapredi računarske procena hemijske toksičnosti“.
Istraživači predviđaju da će sistemi veštačke inteligencije moći da zamene laboratorijske testove u sve većoj meri.
„To bi značilo da bi se broj eksperimenata na životinjama mogao smanjiti, kao i ekonomski troškovi pri razvoju novih hemikalija. Mogućnost brzog pregleda velikih i raznovrsnih podataka stoga može pomoći razvoju novih i sigurnijih hemikalija i pomoći u pronalaženju zamene za toksične supstance koje su trenutno u upotrebi, stoga verujemo da će metode zasnovane na veštačkoj inteligenciji pomoći u smanjenju negativnih uticaja hemijskog zagađenja na ljude i na usluge ekosistema“, kaže Kristiansson.
Metoda je zasnovana na transformatorima, AI modelu za duboko učenje koji je prvobitno razvijen za obradu jezika. Chat GPT—čija skraćenica znači Generative Pretrained Transformer—jedan je primer aplikacija.
Model se nedavno takođe pokazao veoma efikasnim u prikupljanju informacija iz hemijskih struktura. Transformatori mogu identifikovati svojstva u strukturi molekula koja izazivaju toksičnost, na sofisticiraniji način nego što je to ranije bilo moguće.
Koristeći ove informacije, toksičnost molekula se može predvideti pomoću duboke neuronske mreže. Neuronske mreže i transformatori pripadaju tipu veštačke inteligencije koja se kontinuirano poboljšava korišćenjem podataka o obuci — u ovom slučaju, velike količine podataka iz prethodnih laboratorijskih testova efekata hiljada različitih hemikalija na različite životinje i biljke.
