Geração de hipóteses de risco relevantes:Geração de hipóteses de risco relevantes: semelhanças e diferenças entre a pesquisa ecológica básica e o p q glevantamento de riscos ecológicos

Alan Raybould, Segurança de Produtos, Syngenta

A pesquisa de LRA de OGM está ajudando o processo decisório?

• Abundância de dados• Poucos, senão nenhum, efeitos nocivos • Muitos benefícios ambientais

• Longos prazos de decisão• Os critérios para aprovação não são claros• Desconfiança do público em relação às

l d

2

empresas e aos reguladores

Qual é o problema com a pesquisa de LRA de OMG?

● "Na década que passou desde as primeiras autorizações para liberação comercial de culturas GM, houve um aumento enorme na quantidade de dados gerada por estudos científicos relacionados à avaliação de riscos. Se esta tendência continuar, correremos o risco de as autoridades competentes serem inundadas por quantidades excessivas de dadoscompetentes serem inundadas por quantidades excessivas de dados que podem ter de pertinência questionável em relação à verificação das questões de segurança."

- An overview of general features of risk assessments of genetically modified crops

- Craig et al., 2008, Euphytica 164: 853-80

3

Consequências dos dados irrelevantes

● "Coletar dados e fazer afirmações vagas de que os mesmos são relevantes à avaliação de riscos, sem apresentar previsões específicas sobre aspectos preocupantes, só serve para confundir e aumentar a apreensão"

How does scientific risk assessment of GM crops fit within the- How does scientific risk assessment of GM crops fit within the wider risk analysis?

- Johnson et al., 2007, Trends in Plant Science 12: 1-5

4

Consequências dos dados irrelevantes

● O público está apreensivo – não confia nas empresas nem nos reguladoresreguladores

● Os reguladores estão apreensivos – devem ser considerados ti lmeticulosos

● As empresas estão apreensivas – produzem os dados só por precauçãop p p p p ç

5

Consequências da apreensão

● A apreensão leva a uma abordagem conservadora em termos de requerimento de dados- Um estudo realizado para o produto A será provavelmente requerido

para o produto B, C, D...- Alto risco comercial em não produzir dados quando o custo de um

estudo é pequeno comparado ao custo de um atraso- Pode não ser importante para o projeto atual, mas estabelece um p p p j ,

precedente- "Aumento gradual" dos dados com o passar do tempo – dossiês

acumulam estudos irrelevantes- Os dossiês regulatórios vêm se tornando maiores

6

Consequências da apreensão

● A apreensão também gera um clima para a expansão de estudos acadêmicos- Qualquer estudo que use um OGM tem potencial de notíciaq q p- Declarações de postura por parte de empresas, organizações

setoriais, etc.- Mais dados a serem avaliados- Mais dados a serem avaliados- Geralmente, os dados não têm qualidade regulatória

7

A produção de dados irrelevantes não é um problema trivial

● Alto custo de cumprimento dos regulamentos- Um número menor de produtos pode ser desenvolvido- Obstáculo ao mercado para pequenas empresas e instituições

públicas● Atraso nas aprovações, pois dossiês maiores requerem mais tempo p ç , p q p

para serem examinados- A introdução de produtos benéficos é atrasada ou impedida- A descontinuação do uso de produtos nocivos é atrasada ou- A descontinuação do uso de produtos nocivos é atrasada ou

impedida● Produtos de maior risco podem ser examinados de maneira inadequada

O i bi t i d úd d t● Os riscos ambientais e de saúde podem aumentar● Os acadêmicos poderiam estar estudando algo mais interessante

8

Isto é sustentável?

9

Por que dados irrelevantes são produzidos?

● Primeiro possível motivo: "A falácia naturalística"- "a falácia de passar diretamente de 'é' para 'deveria ser' “

● A falácia naturalística leva à “idéia errônea de que a ciência (a maneira como achamos que o mundo é) pode nos dizer que política deveríamos adotar (a maneira que achamos que o mundo deveria ser)”

● Leva ao "modelo de déficit" da ciência aplicada ao processo decisório: "se uma quantidade suficiente de ciência for executada, a política correta surgirá"g- Ecological versus ecotoxicological methods for assessing the

environmental risks of transgenic crops- Raybould 2007 Plant Science 173: 589-602Raybould, 2007, Plant Science 173: 589 602

10

Por que dados irrelevantes são produzidos?

● Dados irrelevantes são produzidos porque achamos que dados podem substituir, ou levar diretamente a, critérios de formação de políticas e decisóriosdecisórios

● "Muitas das escolhas colocadas à sociedade são morais e éticas, e as informações científicas podem embasá-las. A ciência não fornece as soluções, mas pode ajudar a entender as consequências de opções diferentes."- Entering the century of the environment: a new social contract

for science- Lubechenco, 1998, Science 279: 491-497

11

Por que dados irrelevantes são produzidos?● Segundo possível motivo: a "Teoria do Balde" do conhecimento g p

científico- Fazer observações sem pré -concepções (hipóteses)- Acrescentar observações suficientes ao balde; o conhecimento- Acrescentar observações suficientes ao balde; o conhecimento

aparecerá- Hipóteses gerais são inferidas de observações específicas

Mét d h id i d ã- Método conhecido como indução● A Teoria do Balde aplicada à avaliação de riscos de culturas GM sugere

que o risco pode ser caracterizado pelo acúmulo de dados- Mais dados = melhor caracterização do risco- Com dados suficientes, a segurança pode ser provada

12

Por que dados irrelevantes são produzidos?

● Vários problemas com a indução como base lógica da ciência- Uma teoria pode ser verdadeira, mas nunca pode ser provada

verdadeira- Aumentar a quantidade de dados que apóiam uma teoria não

aumenta a probabilidade de ela ser verdadeira- Muitas teorias se enquadram nos mesmos dados

● Mais dados não aumenta a probabilidade de um OGM ser seguro● Mais dados não aumenta a probabilidade de um OGM ser seguro

● Portanto, como o conhecimento científico surge e como o risco pode ser t i d ?caracterizado?

13

Uma alternativa ao balde – o holofote

● Karl Popper (1902 – 1994) propôs que o conhecimento aumenta mediante tentativas de falsear teorias ou hipóteses- "Lógica de dedução"- A "Teoria do Holofote" do conhecimento científico- Buscar observações que diferenciam as hipóteses

14

A teoria do holofote

● Pré-concepções (hipóteses) precedem as observações- Não é possível observar sem uma hipótese

● A partir de uma hipótese geral, deduzimos que fenômenos específicos ocorrerão- Fazemos previsões

Fa emos obser ações para compará las com nossas pre isões● Fazemos observações para compará-las com nossas previsões- A hipótese é testada- Tentamos demonstrar que é falsa, não tentamos provar que é

verdadeira

15

A teoria do holofote

● Se as previsões e as observações concordarem, a hipótese é corroborada- A hipótese sobrevive para mais testes

● Se as previsões e as observações discordarem, a hipótese é refutadap ç , p- A hipótese é revisada ou descartada

O conhecimento é ma coletânea de hipóteses corroboradas● O conhecimento é uma coletânea de hipóteses corroboradas

● As hipóteses são holofotes que iluminam as observações e lhes dão significados

16

Balde e holofote – um exemplo

● Hipótese: "Todos os cisnes são brancos"

● Balde: observar alguns cisnes brancos e induzir a hipótese; procurar mais cisnes brancos para provar a hipótese

● Holofote: começar com a hipótese e deduzir que todos os cisnes em um rio qespecífico são brancos; procurar por cisnes pretos lá para tentar refutar a hipótese

17

Importância profunda da tentativa e (a eliminação) do erro

Karl Popper, Conhecimento Objetivo: Uma Abordagem Evolucionária

→ problema inicial [P1] → tentativa de solução [TS] → eliminação de erros [EE] → novo conhecimento e um novo problema [P2] →

18

É possível fazer a avaliação de riscos seguir uma lógica de dedução?

● Sim – US EPA 1998

19

A avaliação de riscos segue a mesma lógica que a descoberta científica

Definir possíveis efeitos nocivos da cultura GM (P1)

Desenvolver hipóteses de que a cultura GM não é nociva (TS1)

Testar as hipóteses (EE)

Maior conhecimento do risco (P2)( 2)

Nova hipótese de risco (TS2)

A segurança é uma hipótese suficientemente bem corroborada de ausência de danos

20

ausência de danos

Redução da quantidade de dados irrelevantes● É importante reconhecer que a avaliação de riscos segue a lógica da p q ç g g

dedução- Dados irrelevantes (para a avaliação de riscos) podem ser coletados

se houver convicção de que se está tentando provar a segurança ç q p g çindutivamente

- Encher o balde com cisnes brancos inofensivos

● Também evitar a falácia naturalística- Encher o balde com cisnes- Descobrir o que é nocivo a partir das cores dos cisnes- No entanto, a nocividade é definida, não descoberta

● A coleta de dados é mais eficaz quando se considera a avaliação de riscos como um teste de uma hipótese

Procurar por cisnes pretos nocivos

21

- Procurar por cisnes pretos nocivos

O levantamento de riscos é científico, mas não é pesquisa

● A pesquisa básica e o levantamento de riscos ocorrem ao testar hipóteses (tentativas de soluções) a problemas

● É importante reconhecer que as origens dos problemas e as formas das hipóteses diferem entre a pesquisa básica e o levantamento de riscos

22

Origem dos problemas

● Geralmente, a ciência é considerada objetiva

● Isso realmente se aplica à fase de eliminação de erros (testes)

● A seleção de problemas científicos contém subjetividade- Interesses pessoais do cientista- Interesses da sociedade mediados por meio da alocação de

financiamentos- (Criatividade na formulação de hipóteses)

23

Origem dos problemas

● A visão errônea de que a seleção de problemas é objetiva provavelmente não é um problema para o desenvolvimento de ciência pura

● Altamente prejudicial à avaliação de riscos

D t t ã d i d l● Deve se concentrar na proteção das coisas de valor- Inevitavelmente subjetiva- Não pode ser deduzida cientificamente- Evita a falácia naturalística que leva ao modelo de déficit

24

Propriedades das hipóteses

● "É característica de um homem instruído procurar a precisão em cada categoria de coisas até o limite permitido pelo subjetivo"- Aristóteles, Ética a Nicômaco

● As hipóteses científicas procuram ser precisas e interessantes

● Na pesquisa básica, o interesse vem da precisão

● NoLRA, o interesse deve vir da relevância a uma decisão

25

Propriedades das hipóteses

● Na pesquisa básica, uma teoria melhor resulta em previsões mais precisas- Mais interessante, mais improvável, maior testabilidade

● Choverá em algum lugar na Europa no mês que vem- Provavelmente precisa, mas desinteressantep ,

● Amanhã, às 15h00, choverá em Madri, mas não em Londres- Menor probabilidade de ser precisa, mais interessante

Na a aliação de riscos pode ser s ficiente conhecer o eq i alente da● Na avaliação de riscos, pode ser suficiente conhecer o equivalente da probabilidade que irá chover na Europa no mês que vem- Neste caso, não é necessário elaborar e testar uma teoria a respeito

d i t d d i á hde precisamente onde e quando irá chover

26

Precisão desnecessária?

● Hybridisation between Brassica napus and Brassica rapa in the UK- Wilkinson et al., 2003, Science 302: 457-459

A = Brassica napus; B = Brassica rapa; C = coocorrência

27

A = Brassica napus; B = Brassica rapa; C = coocorrência

Precisão desnecessária?

● A previsão pode ter sido pesquisa básica interessante

● Também afirmou ajudar a avaliação de riscos da canola GM. Como?- Não existiam critérios decisórios anteriores baseados na abundância

e localização de híbridos GMç- Possível confusão, pois o esforço realizado pode sugerir que uma

decisão deveria estar baseada no número previsto de híbridos GM

● O processo decisório pode ser melhor auxiliado ao conhecer a probabilidade de pelo menos um híbrido GM

28

Formulação de hipóteses úteis para LRA (hipóteses de risco)ç p p ( p )

C á i Hi ótCenário

Cultivo de cultura GM

Hipótese

↓Evento A

↓

O evento A não ocorrerá

O evento B não ocorrerá↓Evento B

↓

O evento B não ocorrerá

O evento C não ocorreráEvento C

↓Evento D (nocivo)

O evento D não ocorrerá

29

( )

Formulação de hipóteses de risco

Modelo conceitual (cenário) Hipótese de risco

Hibridização entre a cultura e a espécie silvestre

Nenhuma hibridização entre a cultura e a espécie silvestresilvestre a espécie silvestre

A característica GM aumenta a resistência a vírus da espécie silvestre

A espécie silvestre é imune ao vírus

A é i il t é i f t d l í O í tá t é i il tA espécie silvestre é infectada pelo vírus no campo

O vírus está ausente na espécie silvestre no campo

As plantas GM infectadas sobrevivem por mais tempo ou produzem mais sementes que

A infecção não reduz a sobrevivência nem a produção de sementesmais tempo ou produzem mais sementes que

as plantas não GM infectadas nem a produção de sementes

Maior abundância da espécie silvestre reduz a abundância da espécie de valor (nocividade)

O tamanho da população não é limitado pela produção de sementes

Pesquisa de Biossegurança Ambiental 4: 127-140

abundância da espécie de valor (nocividade) pela produção de sementes

30

Pesquisa de Biossegurança Ambiental 4: 127-140

Exemplos de hipóteses de riscop p

Hipótese de risco

● NOAEC > 10X a exposição mais

Hipótese de pesquisa

● NOAEC = dieta de X ug/g; EEC = dieta de● NOAEC > 10X a exposição mais elevada

● A cultura A não hibridiza com a

● NOAEC = dieta de X ug/g; EEC = dieta de Y ug/g

● Número de híbridos A x B = X● A cultura A não hibridiza com a planta silvestre B

● A cultura GM A não é mais

● Número de híbridos A x B = X Xerwrewrewrewrewwerew

● Número de plantas daninhas de A = Y● A cultura GM A não é mais daninha que sua progenitora B

● Nenhuma mudança nociva na

● Número de plantas daninhas de A = Y dasdasdasdadaddasds

● Nenhuma mudança na abundância relativa● Nenhuma mudança nociva na função do solo como resultado do cultivo da cultura GM A

● Nenhuma mudança na abundância relativa dos micróbios do solo como resultado do cultivo da cultura GM A comparada com sua progenitora B

31

Teste das hipóteses de risco

● A confiança na avaliação de riscos é derivada do rigor com o qual uma hipótese de risco de nenhuma nocividade é testada

● A ecologia tem desconfiado dos testes de laboratório:

Os estudos de laboratório podem... "magnificar os fatores incidentais ou triviais...sem dúvida, as experiências laboratoriais provavelmente podem revelar algum efeito de qualquer fator ao usar condições p g q q çsuficientemente extremas. Os estudos de laboratório são eficazes em termos de isolar a resposta a um fator, mas a resposta pode não ser ecologicamente relevante"

- R.H. Peters – “A Critique for Ecology” (1991)

32

Surestimation des effets dans les études en laboratoire

● C’est problématique si c’est la présence d’un effet que l’on recherche.- p. ex., temps perdu à élaborer et à mettre à l’épreuve des théories

employant des variables n’ayant pas de capacité prédictive sur leemployant des variables n ayant pas de capacité prédictive sur le terrain

● Avantageux si c’est l’absence d’un effet que l’on recherche.- P ex évaluation des risquesP. ex., évaluation des risques- Pas d’effet nocif si le phénomène est absent

● Si aucun effet n’est détecté en laboratoire, il y a de fortes probabilités que l’effet soit absent sur le terrainque l effet soit absent sur le terrain.

● Si l’effet se produit en laboratoire, il faut vérifier s’il se produit aussi sur le terrain en effectuant des tests.

Concept du test en plusieurs étapes- Concept du test en plusieurs étapes- On commence par les études les plus susceptibles de détecter l’effet

nocif.

33

Mise à l’épreuve des hypothèses de risque

● « Tester » ne signifie pas qu’il faut réaliser une nouvelle étude.● Les données existantes peuvent corroborer les hypothèses de risques

avec suffisamment de certitude. ● Protéine Cry exprimée dans une nouvelle culture

- On recueille de nouvelles données sur l’expression de la protéine.p p- On examine les données existantes sur la faune associée à la

culture dans la zone de culture proposée.- Les données existantes sur la toxicité de la protéine Cry peuvent- Les données existantes sur la toxicité de la protéine Cry peuvent

suffire à montrer que la culture de la plante présente des risques faibles pour les espèces non nuisibles.

- ex les données sur Cry1Ac et Cry2Ab recueillies pour les- . ex., les données sur Cry1Ac et Cry2Ab recueillies pour les évaluations de risques du coton et du maïs peuvent être suffisantes pour l’expression de ces protéines dans le pois cajan (Romeis et al., 2009).

34

2009).

Pour résumer : découverte scientifique et évaluation des risques

Dé t i tifiDécouverte scientifiqueP1 →SP → EE → P2 →

P est apparemment objectif

Evaluation des risquesenvironnementaux

P1 →SP → EE → P2 →P1 est apparemment objectif

• Découle des tests objectifs réalisés pour les précédents problèmes

P1 est subjectif• Découle de la définition des effets nocifsproblèmes

on cherche une SP intéressante• Prédictions précises

effets nocifs

SP a pour but de faciliter la prise de décisionsp

EE cherche à invalider la SP• SP est corroborée par la

• Prédiction d’absence de nocivité

présence de phénomènes dans les études sur le terrain

EE cherche à invalider la SP• SP est corroborée par l’absence de phénomènes en l b t i

35

laboratoire

Réduction de l’incertitude

● L’effet nocif a-t-il été défini ?- Subjectif ; ne peut pas être découvert scientifiquement- Dérivé de la loi ou d’autres textes règlementairesDérivé de la loi ou d autres textes règlementaires- Le changement n’est pas nocif en soi.- Il peut être plus utile de débattre de ce qu’est un effet nocif que

d’effect er da antage d’ét des po r prédire des effetsd’effectuer davantage d’études pour prédire des effets.

36

Réduction de l’incertitude

● A-t-on formulé des hypothèses claires d’absence de nocivité ?- La corroboration ou l’invalidation doit faciliter la prise de décisions.- Il faut éviter les hypothèses qui posent des prédictions précises, à

moins que les décisions à prendre dépendent de la quantification q p p qexacte d’un effet.

- Les hypothèses simples qui posent des prédictions semi-quantitatives (pas plus que, pas moins que, etc.) peuvent être q (p p q , p q , ) pplus utiles.

- Il peut être plus utile de débattre des valeurs seuil d’un effet nocif que d’effectuer davantage d’études pour améliorer la précision des q g p pprédictions concernant cet indicateur.

37

Réduction de l’incertitude

● A-t-on rigoureusement mis à l’épreuve les hypothèses d’absence de i ité ?nocivité ?

- Les études en laboratoire permettent souvent d’effectuer des tests plus rigoureux que sur le terrain.

- Si c’est le cas, ce n’est pas la peine d’effectuer des études sur le terrain si aucun effet n’est détecté en laboratoire.

- Il vaut mieux chercher les cygnes noirs que compter les blancs.- Si l’incertitude du niveau de risque reste trop importante après les

tests en laboratoire, des tests supplémentaires en laboratoire peuvent être plus utiles qu’un programme d’études sur le terrain long et poussé.

38

Réduction de l’incertitude

● Les données existantes ont-elles été pleinement exploitées ?- Réaliser une étude n’est pas la même chose qu’évaluer un risque ou

é d à d é tirépondre à des préoccupations.- Le risque d’un produit n’est pas jugé selon la volonté du fabricant à

fournir des données.- La certitude dépend de la rigueur avec laquelle l’hypothèse de risque

est mise à l’épreuve, et non de la quantité de données qui l’« appuient ».

- Si les données existantes évaluent déjà le risque adéquatement, des études supplémentaires peuvent augmenter les risques, si l’introduction de produits bénéfiques est retardée.

39

Prise de décisions

● Les décisions difficiles peuvent exiger une meilleure évaluation des risques, pas un plus grand nombre de recherches.

40