La inteligencia artificial continúa abriendo nuevas posibilidades para la investigación biomédica y, al mismo tiempo, para el avance de los principios de las 3Rs (Reemplazo, Reducción y Refinamiento). Un equipo de investigadores de la Universidad Goethe de Frankfurt y la Universidad Philipps de Marburgo, en Alemania, desarrolló una herramienta denominada genESOM, capaz de generar datos biológicos sintéticos a partir de resultados experimentales reales obtenidos en estudios con animales.

Según los investigadores, esta tecnología podría permitir una reducción de entre un 30% y un 50% en el número de animales utilizados en determinadas etapas de la investigación preclínica, sin comprometer la calidad estadística de los resultados. El sistema utiliza inteligencia artificial generativa basada en redes neuronales autoorganizadas para identificar patrones complejos en los datos experimentales y generar conjuntos de datos adicionales con características comparables a las observadas en los estudios originales.

Uno de los principales desafíos de las herramientas de inteligencia artificial aplicadas a la ciencia es evitar la generación de resultados artificiales que puedan distorsionar las conclusiones. Para abordar este problema, genESOM incorpora mecanismos de control de errores diseñados específicamente para mantener la confiabilidad de los datos generados.

Durante las pruebas realizadas por el equipo desarrollador, la herramienta fue aplicada a datos de un estudio preclínico sobre esclerosis múltiple en modelos animales. Los resultados mostraron que era posible alcanzar conclusiones estadísticamente robustas utilizando una cantidad significativamente menor de animales que la empleada en el experimento original.

Los autores destacan que la tecnología no elimina completamente la necesidad de realizar estudios con animales, ya que requiere datos experimentales reales para su entrenamiento y validación. Sin embargo, consideran que puede convertirse en una herramienta complementaria de gran valor para optimizar el diseño experimental y reducir la cantidad de animales necesarios en investigaciones futuras.

Este avance se suma a otras tecnologías emergentes, como los modelos computacionales avanzados y los sistemas de órganos en chip (organ-on-a-chip), que buscan ofrecer métodos más éticos y predictivos para la investigación biomédica.

Si bien todavía serán necesarias evaluaciones adicionales y futuras validaciones regulatorias, el desarrollo de genESOM representa un ejemplo concreto de cómo la inteligencia artificial puede contribuir a una ciencia más eficiente y alineada con los objetivos internacionales de bienestar animal.

Referencias

• Goethe University Frankfurt. Generative Artificial Intelligence Can Significantly Reduce the Number of Animal Experiments.

• Philipps University Marburg. Generative Artificial Intelligence Can Significantly Reduce the Number of Animal Experiments.

• Lötsch J., Mayer B., de Bruin N., Ultsch A. (2026). Self-organizing neural network-based generative AI with embedded error inflation control enhances effective knowledge extraction from preclinical studies with reduced sample size. Pharmacological Research.

• Infobae. La solución al uso de animales en pruebas de laboratorios la tiene esta IA (22 de mayo de 2026).