Wissenschaftler der Universitäten Frankfurt und Marburg haben eine Künstliche Intelligenz entwickelt, mit der sich nach ihren Angaben die Zahl der für ein Experiment benötigten Versuchstiere um 30 bis 50 Prozent reduzieren lässt. Das Modell namens genESOM kann die Struktur eines Datensatzes erlernen und auf dieser Grundlage neue Datenpunkte erzeugen. So lässt sich simulieren, dass die Zahl der Tiere in einem Versuch größer war als in Wirklichkeit. Die KI enthält auch einen Kontrollmechanismus, der verhindern soll, dass zufällige Fehler die Aussagekraft der Resultate schmälern. Die Datenwissenschaftler heben allerdings hervor, dass genESOM nur aus Informationen lernen könne, die von realen Tierversuchen stammten. Auch lasse sich die Zahl der Versuchstiere nicht beliebig verringern, da die KI sonst Zufallsbefunde zu stark gewichte. Dennoch lasse sich mit dem neuen Modell die Zahl der Tierexperimente in der vorklinischen Forschung deutlich senken. Getestet haben die Forscher ihre KI an einem vorklinischen Multiple-Sklerose-Modell. Für die Originalstudie waren 36 Mäuse in drei Behandlungsgruppen verwendet worden. Wurden nur die Daten von 18 Tieren (sechs je Gruppe) ausgewertet, verschwanden die Behandlungseffekte vollständig. Nachdem der reduzierte Datensatz mit genESOM ergänzt worden war, entsprachen die Ergebnisse wieder dem des ursprünglichen Versuchs, ohne dass relevante Fehler hinzugekommen wären. Mit anderen KI-Methoden sei dies nicht gelungen, so die Forscher.