據(jù)統(tǒng)計，僅歐洲地區(qū)，每年用來做實驗的動物數(shù)量就超過1000萬。全球而言，可能破億。

解剖、毒理實驗、藥物實驗……可以說，動物為人類醫(yī)學研究的進步做出了巨大犧牲。尤其是小白鼠，其往往因病呈現(xiàn)出紅眼睛特征，每年死亡數(shù)量更是難以計數(shù)。

再加上很多實驗為了避免藥物作用影響真實檢測效果，往往不對動物做麻醉處理，或只注射很少的劑量。這對動物造成的痛苦是難以想象的。

所以，很多入學的醫(yī)學新生在面對自己的第一堂解剖課的時候，內(nèi)心是掙扎的……

然而，由于生物實驗的特殊性，人類不可能在自己的身體上進行研究，雖然這是最合理的方式。那么，這些痛苦只好由和人類的某一生理特征較為相似的動物承受。但是即便如此，利用動物進行實驗，其結(jié)果和意義也是有限的。

那些年，動物在實驗室受過的傷

以動物作為標本進行適用于人類的醫(yī)學實驗，這本身就是一個最大的悖論。雖然都是生物，但個體特征的不同注定了在動物身上取得的數(shù)據(jù)資料永遠都只具備參考價值。這也就是為什么很多藥物在正式投放市場之前，還要經(jīng)過一個人體測試的階段。

當然，能進入到人體測試階段，說明其已經(jīng)具備很大的安全性。

但動物實驗的痛點，還遠不止這點。

首先是實驗動物生命風險。人類選擇用動物代替自身去做實驗，其目的就是為了規(guī)避可能帶來的死亡風險。但這并不意味著就能任意地糟踐動物生命。在實際的操作過程中，由于實驗設(shè)計、操作失誤等一系列人為因素，造成的實驗動物意外死亡數(shù)量很多。在科學研究的需求之下，這種意外死亡被認為是合理的。但單從實驗品而非生命的角度來看，這是一種資源的巨大浪費。

其次是動物實驗的周期較長。根據(jù)不同的實驗目的，對動物的注射和給藥往往會持續(xù)一個較長的時期，期間需要花費較大的精力進行記錄和觀察。其目的就是要觀察動物的自然耐受反應。這也是為什么藥物的研發(fā)往往需要經(jīng)過十年甚至更久的一個時期。對很多病人來說，藥品研發(fā)的速度往往跟不上病情加劇的速度。

最后是動物實驗的重復性。比如德萊塞測試，其最初用在化妝品的毒性實驗中。由于實驗品的毒性未知，其需要對動物進行一遍又一遍的給藥，有的藥物甚至可以測試六七十次，簡直是在挨千刀。這個過程無疑會令動物產(chǎn)生更大的痛苦。

也就是說，拋卻動物實驗并不能完全適合人類機體這方面的局限，其仍然存在著上述不得不面對的客觀現(xiàn)實。其中給動物增加的痛苦也就不言而喻。

因此，動物實驗的3R原則（replancement、reduction、refinement）提倡用無知覺材料代替動物、通過各種方式提高實驗精度以減少動物使用量和優(yōu)化動物體征以實現(xiàn)相對準確的實驗數(shù)據(jù)。最好的方式當然是替代動物實驗，但在今天的條件下，這無疑是一個不可能的事情。

事實上，科學家已經(jīng)在逐漸替代動物實驗，比如使用細胞實驗。

而隨著技術(shù)的進步，科學家開始使用另一件秘密武器：機器學習。至少在測試毒性方面，動物將因此而受益良多。

驗毒的不再是動物，而是AI

最近，一項來自《毒理科學》雜志的研究表明，通過一種新的機器學習系統(tǒng)，利用動物測試毒性的歷史很可能將被改寫。動物實驗，至少是動物測試毒性實驗將有可能被計算機代替。

該論文研究團隊從2014年就開始進行數(shù)據(jù)積累，最終收集了1萬種化學物質(zhì)。然后利用AI系統(tǒng)對數(shù)據(jù)庫中的化學物質(zhì)進行了86萬次的測試，其繪制了分子結(jié)構(gòu)與特定毒性類型之間以往并未被獲知的關(guān)系，比如其可能對眼睛、皮膚或DNA造成的影響。

具體操作上來說，研究人員對不同化學性質(zhì)和毒理性質(zhì)的物質(zhì)進行分組，然后以組內(nèi)某一物質(zhì)的毒性為參照，推測其他物質(zhì)的毒性。再與這些其他物質(zhì)在數(shù)據(jù)庫中的已知毒性進行比照，得出計算機預測的結(jié)果。

最終結(jié)果顯示，利用計算機測試得到的毒性準確率為87％，而使用動物再次進行測試的正確率則為81％。也就是說，在毒性測試方面，AI已經(jīng)完勝動物。單單基于這個數(shù)據(jù)，AI就已經(jīng)可以實現(xiàn)對動物的替代。

當然，現(xiàn)在就說替代的事兒未免有點太早，尤其是替代動物實驗。

比如數(shù)據(jù)問題。我們上文提到，僅僅是做這樣一個簡單的毒性測試，研究團隊就花了四年的時間去進行數(shù)據(jù)積累和實驗分析。不難想象，如果是做更多種類的毒性測試、難度更高的疾病藥物研究，其需要搜集的數(shù)據(jù)也必然只會多不會少。那么，如何建立這樣一個龐大的數(shù)據(jù)庫，同時把控建設(shè)的時間，將可能是一個以十年為單位的工程。

另一方面，動物本身也有一些計算機難以比擬的優(yōu)勢。計算機是在已知數(shù)據(jù)的基礎(chǔ)上工作，而動物則可能會在實驗的過程中出現(xiàn)一些未知的、可能是意外收獲的情況。比如很多物理或者生物科學發(fā)現(xiàn)，都源自一場意外。那么，計算機是否會被固定的程式束縛，是否也能有可能發(fā)生在動物身上的一些神奇表現(xiàn)呢？

可能，這也需要另外設(shè)計一個計算機模擬系統(tǒng)吧。

生物實驗的主角與配角

誠然，這僅僅是計算機在生物實驗領(lǐng)域的一小步。而這一小步，也讓我們看到了其在生物實驗方面帶來的積極意義。

3R原則的強化與弱化。3R原則的提出，基于的是尊重動物生命的理念。三者之中，如果做到了“replacement”，后兩條也就沒有存在的條件了。計算機正是強化“替代”的重要因素。如果能夠用計算機模擬分析代替動物耐受實驗，數(shù)量可觀的動物將被替代，動物的天然生存權(quán)利也將得到保障，后兩個“R”的關(guān)注也可能被弱化。

生物醫(yī)藥研究的成本大大降低。一方面，擺脫了養(yǎng)殖、管理動物的繁雜事務(wù)，一套計算機系統(tǒng)就可以適應所有的實驗，也就免去了生物養(yǎng)殖成本。相較之下，計算機維護的成本則要低得多。另一方面，計算機得出的實驗結(jié)論的速度要比觀察動物的自然反應快很多，時間上的成本也將大大降低，同時還提高了實驗效率。比如很多數(shù)據(jù)都是已經(jīng)經(jīng)過實驗得出的，但在新的實驗中由于各種原因仍然會重復進行，造成資源和時間的浪費。

實驗的準確性大大提高。基于巨大而豐富的數(shù)據(jù)庫，計算機可以對數(shù)據(jù)資源進行大量的組合調(diào)配，從而得出最優(yōu)結(jié)論。這是動物實驗所難以企及的。以幾只小白鼠的反應來作為結(jié)果依據(jù)和以上萬次甚至更多的組合分析作為結(jié)果依據(jù)，其精確度自是不能同日而語。

但從現(xiàn)實而言，動物畢竟在某些方面和人類是最接近的，比如小白鼠被證明和人類有極為相似的基因序列。而依照目前的計算機發(fā)展水平，還很難對實現(xiàn)完全的技術(shù)模擬。從這個角度上說，即便在計算機進行生物實驗技術(shù)成熟擔任主角的情況下，動物實體作為配角進行實驗可能仍然是無法缺席的。而我們要做的，就是讓動物承擔更少的犧牲和痛苦。這既是技術(shù)進步的必然選擇，也是道德倫理的熱切期盼。