Da anni oramai in Europa, e in altre parti del mondo, non si può più utilizzare il local lymph node assay (LLNA), storicamente utile per stabilire la forza di una sostanza sensibilizzante cutanea. Un recente studio giapponese, condotto dal Department of Regulatory Science della Nagoya City University di Nagoya e dalla Division of Risk Assessment del National Institute of Health Sciences di Kawasaki, ha sviluppato un modello di Intelligenza Artificiale basato su una regressione LLNA EC3: gli autori hanno utilizzato il CatBoost e dati presenti nel database europeo dell’associazione Cosmetics Europe per sviluppare il nuovo albero decisionale. In particolare, si sono concentrati su 119 sostanze.
Le variabili prese in considerazione dal modello sono esiti di test in chemico e in vitro, proprietà fisiche e informazioni chimiche legate agli eventi chiave dell’adverse outcome pathway della sensibilizzazione cutanea.
Il modello predittivo di regressione LLNA EC3
Ha mostrato delle buone performance e una buona predittibilità, il che secondo gli autori lo rende un approccio utile per la valutazione quantitativa della sensibilizzazione cutanea, appunto. Lo studio è pubblicato su “Regulatory Toxicology and Pharmacology”.
Kaori Ambe, Masaharu Suzuki, Takao Ashikaga, Masahiro Tohkin, Development of quantitative model of a local lymph node assay for evaluating skin sensitization potency applying machine learning CatBoost. Regulatory Toxicology and Pharmacology. Volume 125, 2021. 105019,
ISSN 0273-2300. Doi: https://doi.org/10.1016/j.yrtph.2021.105019.
