首尔市立大学开发AI毒性预测模型…可替代动物实验

by Choi Youngchan

Published 27 Aug.2025 07:41(KST)

AI应用安全性评估迎来新转折点

首尔市立大学27日表示，该校环境工学部研究团队在Choi Jinhee教授带领下开发出了基于人工智能（AI）的毒性预测模型，并以此为基础，为今后开发可解释的AI毒性预测模型奠定了基础。

首尔市立大学 Choi Jinhee 教授论文图片。首尔市立大学提供

此次研究成果相关的两篇论文已于上月17日和25日在线发表在国际权威学术期刊《Computational Toxicology》（《计算毒理学》）上。

在全球范围内，生物领域动物试验正日益强化遵循3R原则——“替代（Replacement）·减少（Reduction）·优化（Refinement）”，基于AI的毒性预测模型已成为关键的动物替代试验方法。

Choi教授研究团队正在开发的可解释AI毒性预测模型，按照可用于监管决策的方向进行设计，是今后有望改变化学物质毒性评价范式的核心技术。

研究团队基于美国环境保护署（U.S. EPA）运营的毒性预测系统ToxCast数据库中细胞与分子水平的体外（in vitro）实验数据，以及经济合作与发展组织（OECD）提供的全球化学物质信息检索平台eChemPortal数据库中个体水平的体内（in vivo）毒性数据，构建了AI模型。

随后，研究团队应用毒性发生路径（Adverse Outcome Pathway，AOP）框架对各模型进行整合，逐步构建出可解释的毒性预测模型。

Choi教授强调称：“随着先进数据科学技术的发展，毒理学领域的范式正在发生转变，可解释的AI毒性预测模型是一项保障市民安全的重要技术，今后有望在多个领域得到广泛应用。”

此外，本次研究得到了环境部“环境性疾病预防管理核心技术开发项目”和“化学物质安全管理特色化研究生院”项目的支持。

本报道由人工智能(AI)翻译技术生成。