En los centros de investigación españoles, 887.241 animales fueron utilizados para fines científicos y de docencia en 2024. La cifra parece alentadora: es un 22,5% inferior a la de 2023. Pero los datos del Ministerio de Agricultura, Pesca y Alimentación (MAPA) revelan una paradoja perturbadora que no admite interpretaciones optimistas.
Los procedimientos clasificados como "leves" cayeron del 66% al 50% del total. En ese mismo período, los procedimientos "moderados" saltaron del 25% al 40%, y los "severos" subieron del 5,8% al 7,8%. Aquellos individuos que siguen en los laboratorios padecen, en promedio, más que antes. La reducción en números no ha significado una reducción en el sufrimiento.
El descenso en el total, además, tiene una explicación que conviene examinar con honestidad. La caída se explica en buena medida por el desplome en el uso de lubinas, que pasaron de 337.536 a apenas 33.558 usos, como consecuencia de la finalización de proyectos puntuales en piscifactorías. No fue un avance ético sistemático. Fue el fin de un ciclo de explotación experimental que se cerraba por razones técnicas, no morales.
"Se debe a que en 2023 hubo un pico en el uso de peces, que ha caído mucho porque ha acabado ese pico en la experimentación en piscifactorías", expresa Aïda Gascón, directora de AnimaNaturalis en España. La reducción estadística, advierte, no debe leerse como un signo de progreso real en la protección de los animales utilizados en investigación.
El marco legal vigente, el Real Decreto 53/2013, transpone la Directiva europea 2010/63/UE y obliga a aplicar el principio de las 3R —Reemplazo, Reducción y Refinamiento— como condición para autorizar cualquier procedimiento experimental. En 2025, el Real Decreto 1083/2025 reforzó estas obligaciones, exigiendo justificar con mayor rigor la imposibilidad de utilizar métodos alternativos. Pero entre la norma y la práctica, los datos del MAPA revelan que la brecha sigue siendo enorme.
Cada ratón es un individuo que no debería estar ahí
Para entender por qué los laboratorios siguen necesitando tantos animales, hay que entender la lógica estadística que los obliga. Cuando un experimento farmacológico incluye pocos individuos, los efectos reales de un fármaco pueden quedar ocultos bajo lo que los científicos llaman "ruido estadístico": variaciones aleatorias que impiden distinguir qué es biológicamente significativo y qué es mero azar. La solución tradicional ha sido siempre la misma: añadir más sujetos al ensayo para aumentar la potencia estadística. Más animales utilizados para obtener resultados fiables.
Esta lógica tiene consecuencias directas y cuantificables. En España, la investigación oncológica supone el 36% de todos los usos registrados de animales, prácticamente todos en ratones. La investigación sobre enfermedades nerviosas y mentales ha crecido un 30% respecto a años anteriores. Cada área de investigación arrastra sus propios cálculos de tamaño muestral, y en cada uno de ellos, la pregunta no planteada es siempre la misma: ¿cuántos de estos individuos son estadísticamente necesarios y cuántos están ahí por inercia metodológica?
"Los animales siguen pagando con su sufrimiento las limitaciones de nuestros métodos científicos, cuando lo que debería evolucionar son precisamente esos métodos", señala Gascón. La cuestión no es solo ética, sostiene: es también una cuestión de eficiencia científica. Los experimentos con tamaños muestrales insuficientes producen resultados que no se replican, que no se traducen en tratamientos clínicos efectivos, que consumen vidas animales sin generar conocimiento transferible.
Según los datos del Ministerio, el 57% de los ensayos con animales en España se orientan a investigación aplicada: toxicidad, tratamientos o diagnóstico de enfermedades. Son procedimientos directamente vinculados al desarrollo de fármacos, el ámbito donde la reducción de individuos tiene un potencial más inmediato y donde una herramienta como genESOM puede resultar más relevante.
Una IA que aprende de los datos reales para no necesitar más animales
En la Universidad Goethe de Fráncfort, el científico de datos y farmacólogo clínico Jörn Lötsch y el informático Alfred Ultsch, de la Universidad Philipps de Marburgo, llevan años trabajando en una alternativa que no requiere elegir entre rigor científico y reducción del sufrimiento animal. La herramienta que han desarrollado se llama genESOM y fue publicada en Pharmacological Research en marzo de 2026.
El principio es técnicamente sofisticado pero conceptualmente directo: genESOM es una red de miles de neuronas artificiales que aprende la estructura interna de un conjunto de datos biológicos reales. Una vez aprendida esa estructura, genera nuevos datos sintéticos que encajan en ella de forma coherente, como si hubieran sido obtenidos en experimentos adicionales, sin haber sometido a ningún individuo a ningún procedimiento.
Los investigadores validaron la herramienta con un experimento riguroso. Tomaron un estudio preclínico sobre esclerosis múltiple realizado con 26 ratones divididos en tres grupos de tratamiento. Redujeron deliberadamente el conjunto de datos a 18 individuos —seis por grupo—, el umbral a partir del cual las diferencias estadísticamente significativas entre grupos desaparecen. Tras esa reducción, los análisis estadísticos no mostraban nada relevante: el fármaco investigado parecía no tener efecto.
Aplicada genESOM al conjunto reducido, todos los hallazgos originales reaparecieron con el mismo nivel de significancia. Los mediadores lipídicos clave —ácidos lisofosfatídicos y ceramidas vinculados a la progresión de la esclerosis múltiple— volvieron a ser detectables. Y lo hicieron sin introducir falsos positivos, sin fabricar efectos que no existían en los datos reales originales.
Lo que distingue a genESOM de otras inteligencias artificiales generativas no es solo su capacidad de generar datos, sino su sistema integrado de control de errores. La herramienta separa la fase de aprendizaje de la estructura de la fase de generación de datos, e introduce señales de error artificiales para medir cómo se propagan. Cuando detecta que está empezando a amplificar variaciones aleatorias —lo que se conoce como "inflación del error alfa"— detiene el proceso automáticamente. Otros métodos generativos comparados en el mismo estudio, como los modelos de mezcla gaussiana y las redes generativas adversariales, fallaron bajo las mismas condiciones.
Los autores estiman que, aplicada correctamente, genESOM puede permitir reducir entre un 30% y un 50% el número de animales necesarios en fases exploratorias de la investigación preclínica, manteniendo la validez científica de los resultados.
La ciencia tiene las herramientas para cambiar
La paradoja de 2024 —menos animales en el cómputo, más sufrimiento por individuo— no es una anomalía estadística. Es el retrato de un sistema que ajusta su forma pero no cambia su lógica. Mientras los procedimientos severos y moderados ganan peso relativo en los laboratorios españoles, herramientas como genESOM demuestran que es posible hacer investigación farmacológica rigurosa con menos individuos sometidos a esos procedimientos.
La transición no será automática. Los propios investigadores que desarrollaron genESOM advierten que la herramienta requiere supervisión experta, no puede aprender estructuras que no existen en los datos originales, y no sustituye la replicación biológica en estudios confirmatorios. No es una solución total. Es una parte de la solución que ya existe, está validada científicamente y puede aplicarse ahora.
Lo que hace falta es que los comités de ética de experimentación animal, reforzados en sus funciones por el Real Decreto 1083/2025, exijan activamente la evaluación de alternativas computacionales antes de aprobar protocolos con tamaños muestrales que podrían reducirse. Lo que hace falta es que las agencias de financiación incluyan el uso de herramientas de aumentación de datos entre los criterios de diseño experimental que se valoran en la revisión de proyectos. Lo que hace falta, en definitiva, es que las 3R dejen de ser un principio declarado y se conviertan en un estándar operativo verificable.
"Tenemos la tecnología para reducir el sufrimiento de decenas de miles de individuos en los laboratorios españoles cada año. La pregunta ahora es si tenemos también la voluntad institucional de aplicarla", afirma Gascón.
Tú puedes ser parte del cambio que obliga a ese giro. Cada vez que apoyas a AnimaNaturalis, refuerzas la capacidad de exigir que las 3R sean reales, que los comités de ética cumplan su función, y que herramientas como genESOM lleguen a los laboratorios antes de que otro millón de individuos paguen con su sufrimiento lo que la ciencia podría obtener de otra manera. Aquellos 887.241 animales utilizados en 2024 no son una cifra. Son individuos que merecían un método diferente.
