İlaç Güvenliği Çalışmalarında İkinci Türün Devre Dışı Bırakılmasını Desteklemek İçin Bir Yapay Zeka Temelli Toksikoloji Modeli ve Çerçevesi

Beklenen Etki:

Bu konu kapsamındaki eylemin aşağıdaki etkileri sağlaması beklenmektedir:

• Yapay zeka destekli bir NAM (AI Foundation Toxicology Model) kullanımı yoluyla daha hızlı ve daha bilgili karar verme ve büyük miktardaki verilerin hızlı işlenmesi yoluyla artan verimlilik [1].
• Sektör tarafından güvenli ve etkili yenilikçi sağlık teknolojilerinin verimli geliştirilmesi, test edilmesi ve üretilmesinde kullanılan NAM tabanlı bir yaklaşımda, özellikle bir yapay zeka modelinde artan tutarlılık ve standardizasyon; bu durum endüstriyel rekabet gücünü artıracaktır.
• İkinci tür muafiyeti modelinin (AI Foundation Toxicology Model) ve kanıt ağırlığı (weight-of-evidence) çerçevesinin düzenleyici kurumlarca benimsenmesi; bu durum, ikinci tür testlerinin muaf tutulmasına ilişkin tavsiyelerle uyumlu ve daha tutarlı küresel karar verme süreçlerini sağlayacaktır.
• Hayvan kullanımında azalma, hızlandırılmış zaman çizelgeleri ve daha düşük maliyetler; ekonomik ve etik faydalar yoluyla Avrupa sağlık endüstrisinin rekabet gücünün artırılması.
• Doğrulanmış NAM'lar kullanılarak daha hızlı geliştirilen güvenli ve etkili ilaçlardan hastaların yararlanmasıyla iyileşen halk sağlığı.

Eylemin, bilimsel amaçlarla kullanılan hayvanların korunmasına ilişkin AB Direktifi (2010/63/EU) [2] ve hayvan kullanımını ikame etmek, azaltmak ve iyileştirmek için 3R ilkelerinin uygulanmasına katkıda bulunması beklenmektedir. Eylemin ayrıca, biyomedikal araştırmaları ve tıbbi ürünlerin ve tıbbi cihazların test edilmesini hızlandırmak için NAM'ları hızlandırmaya yönelik gelecekteki Avrupa Araştırma Alanı (ERA) eylemi gibi Yeni Yaklaşım Metodolojileri (NAM'lar) konusundaki AB programlarına, girişimlerine ve politikalarına da dikkate alması ve katkıda bulunması beklenmektedir.

_{^[1] Büyük dil modellerini kullanarak hayvan çalışması toksikoloji raporlarını yapılandırılmış, uyumlu verilere dönüştürmek}

_{^[2] Bilimsel amaçlarla kullanılan hayvanların korunmasına ilişkin Avrupa Direktifi}

Beklenen Sonuç:

Bu konu kapsamındaki eylem aşağıdaki sonuçların tümüne katkıda bulunmalıdır:

1. Doğrulanmış bir Yapay Zeka (AI) Temel Toksikoloji Modeli*; bu model, kronik (>90 gün) ve sub-kronik (90 gün) küçük molekül ilaç tekrar doz çalışmalarında ikinci bir türün, kaçırılan toksisite riskleri, organa özgü bulgular ve Gözlenemeyen Yan Etki Seviyesi (NOAEL) farklılıkları dahil olmak üzere ek güvenlik açısından ilgili bilgi sağlamasının olasızlığını belirlemek için endüstri ve düzenleyici paydaşlara şeffaf olasılıksal tahminler sunar. Amaç, küçük moleküller ve diğer modaliteler (örneğin oligonükleotitler) için iki türlü kronik test ihtiyacının muaf tutulmasını sağlamaktır.
2. Endüstri, düzenleyici ve akademik paydaşlar için, düzenleyici başvurular genelinde kanıt kalitesi, tutarlılığı, ilgisi ve belirsizliğinin yeniden üretilebilir değerlendirmesini sağlayan standartlaştırılmış, şeffaf bir kanıt ağırlığı (weight-of-evidence) çerçevesi; bu çerçeve, Yapay Zeka Temel Toksikoloji Modeli'nin ve genel olarak Yeni Yaklaşım Metodolojisi (NAM) tabanlı toksikoloji stratejilerinin daha geniş çapta benimsenmesini destekler.
3. Temel modelin ve kanıt ağırlığı çerçevesinin gerçek dünyadaki uygulanmasını, sürdürülebilirliğini ve gelişimini destekleyen işlevsel araçlar, şablonlar ve eğitim materyalleri; bunlar endüstri, düzenleyici ve akademik paydaş ihtiyaçlarına göre uyarlanmış açıklanabilirlik, köken, yönetişim, etik kullanım ve yapay zeka gereksinimleriyle uyum konularında rehberlik içerir.
4. Özellikle küçük molekül ilaçları için ikinci tür muafiyeti başvurularına yönelik artan endüstri ve düzenleyici paydaş güveni...