fbpx Coronavirus: a quando lo spillover culturale? | Scienza in rete

Sperimentazione animale: a quando lo spillover culturale?

Non serve, non è etica, ci sono alternative, fa fuggire i ricercatori: e se la pandemia da coronavirus fosse l'occasione per un po' di spillover culturale, almeno per quanto riguarda la sperimentazione animale? Le valutazioni di Michele Simonato, Elisabetta Cerbai, Micaela Morelli, Antonio Musarò, Marco Onorati, Marco Tamietto - a nome di tanti altri ricercatori e ricercatrici.
Crediti immagine: Tibor Janosi Mozes/Pixabay. Licenza: Pixabay License

Tempo di lettura: 3 mins

Coronavirus. Non sarebbe questa l’occasione perfetta per smetterla, una volta per tutte, con la sperimentazione animale? In fondo non serve, ci sono alternative, non è etica, fa fuggire i nostri giovani ricercatori. Quindi, cosa aspettiamo?

“Non serve”

Ok, eppure la sperimentazione animale ci ha portato (tra l’altro) metodi di trapianto, insulina, farmaci antipsicotici, antiepilettici, antiulcera, antiparkinson, ansiolitici, antirigetto, antipertensivi; terapie geniche per l’atrofia muscolare spinale, la leucodistrofia metacromatica; terapie cellulari per l’epidermolisi bollosa; pacemaker, defibrillatori e apparati per dialisi. Ovviamente, non citiamo i vaccini, tutti (ma proprio tutti) testati sul modello animale prima di raggiungere l’uomo. Covid compreso. Ma cosa importa? Per ognuno di questi successi ci sono stati dei fallimenti, e noi vogliamo sistemi infallibili.

“Ci sono alternative”

Va beh, peccato che per ora siano pochissime, usate dai ricercatori che fanno esperimenti di tossicità sui cosmetici e in pochissimi altri ambiti, contro innumerevoli esperimenti necessari ma “non alternativi” documentati da milioni di pubblicazioni su riviste scientifiche. Per trovare altre alternative, occorrerà dimostrarne la ragionevolezza e la validità. Come? Ma in confronto con i risultati della sperimentazione animale, e come altrimenti? O forse potremmo pensare che, alzandoci la mattina con un’idea, grande o piccola che sia, la si possa provare subito su volontari umani. Ma certo, c’è chi l’ha fatto in passato, ma è un passato dal quale democrazia, scienza e medicina ci hanno fortunatamente allontanato.

“Non è etica”

Ogni anno in Italia si sacrificano animali (quasi esclusivamente topi e ratti) per fare progredire la scienza e contrastare le malattie nostre e degli altri animali. Sono meno di un millesimo degli animali che vengono macellati per scopi alimentari. Se questo non è etico, è etico invece promettere soluzioni da metodi alternativi che non hanno finora prodotto nulla di concreto? Potremmo chiedere di scegliere ai genitori di tanti piccoli pazienti epilettici, che hanno avuto molti farmaci dai programmi di screening su modelli animali. E dovremmo chiedere a tanti anziani se sarebbero disposti a rimuovere il loro pacemaker. O a persone i cui gatti soffrono di gravi cardiopatie di sospendere il trattamento. E si potrebbe continuare…

“Fa fuggire i nostri giovani ricercatori”

Ovvio, all’estero nessuno fa più sperimentazione animale. Eccetto alcuni Stati-canaglia, come tutti gli altri Paesi Europei, gli Stati Uniti, Canada, Australia, Giappone, Cina… Pensandoci bene: chi è che non fa sperimentazione animale? Dove potranno andare i nostri giovani talenti, visto che la nostra legislazione è già la più restrittiva di tutte?

Ipocriṡìa (ant. ipocreṡìa e pocriṡìa) s. f. [dal gr. ὑποκρισίη, forma rara per ὑπόκρισις «simulazione», der. di ὑποκρίνω «separare, distinguere», e nel medio ὑποκρίνομαι «sostenere una parte, recitare, fingere»]. – Simulazione di virtù, di devozione religiosa, e in genere di buoni sentimenti, di buone qualità e disposizioni, per guadagnarsi la simpatia o i favori di una o più persone, ingannandole. (Vocabolario Treccani)

Queste valutazioni vengono fatte a nome di tanti ricercatori e ricercatrici che dedicano la vita a cercare, e per fortuna trovare, terapie – almeno fino a che in Italia tutto questo non verrà vietato da leggi che seguono il pensiero di alcuni sconsiderati nel disinteresse complice della politica. Queste risposte non sono il punto di vista di pochi o tanti Scienziati, ma fatti incontestabili.

Chiediamo, a chi invoca l’abolizione della sperimentazione animale, cosa abbia prodotto concretamente la sperimentazione non-animale ad oggi. Nell’attesa, un elementare principio di coerenza imporrebbe a costoro di astenersi da ogni terapia o cura, passata e futura, che derivi dalla sperimentazione animale.

 


Scienza in rete è un giornale senza pubblicità e aperto a tutti per garantire l’indipendenza dell’informazione e il diritto universale alla cittadinanza scientifica. Contribuisci a dar voce alla ricerca sostenendo Scienza in rete. In questo modo, potrai entrare a far parte della nostra comunità e condividere il nostro percorso. Clicca sul pulsante e scegli liberamente quanto donare! Anche una piccola somma è importante. Se vuoi fare una donazione ricorrente, ci consenti di programmare meglio il nostro lavoro e resti comunque libero di interromperla quando credi.


prossimo articolo

Why have neural networks won the Nobel Prizes in Physics and Chemistry?

This year, Artificial Intelligence played a leading role in the Nobel Prizes for Physics and Chemistry. More specifically, it would be better to say machine learning and neural networks, thanks to whose development we now have systems ranging from image recognition to generative AI like Chat-GPT. In this article, Chiara Sabelli tells the story of the research that led physicist and biologist John J. Hopfield and computer scientist and neuroscientist Geoffrey Hinton to lay the foundations of current machine learning.

Image modified from the article "Biohybrid and Bioinspired Magnetic Microswimmers" https://onlinelibrary.wiley.com/doi/epdf/10.1002/smll.201704374

The 2024 Nobel Prize in Physics was awarded to John J. Hopfield, an American physicist and biologist from Princeton University, and to Geoffrey Hinton, a British computer scientist and neuroscientist from the University of Toronto, for utilizing tools from statistical physics in the development of methods underlying today's powerful machine learning technologies.