摘要将人工智能（AI）整合到新的方法方法（NAM）中，用于毒理学代表，对化学安全评估的范式转变。适当利用AI具有简化验证工作的巨大潜力。本评论探讨了验证基于AI的NAM的挑战，机遇和未来的方向，强调了它们的变革潜力，同时承认其实施和接受所涉及的复杂性。我们讨论了关键障碍，例如数据质量，模型解释性和监管接受，以及包括增强的预测能力和有效数据集成在内的机会。电子验证的概念是一个精简NAM验证的AI驱动框架，作为克服传统验证方法的局限性的综合策略，利用AI驱动的模块用于参考化学化学选择，研究仿真，机械验证以及模型培训和模型培训和评估。我们提出了强大的验证策略，包括分层方法，性能基准测试，不确定性量化和跨不同数据集的交叉验证。强调了实施后持续监测和精炼的重要性，以解决AI模型的动态性质。我们考虑了在AI驱动的毒理学中对人类监督的需求，并概述了趋势对AI的影响，研究优先级，以及对基于AI的NAM在毒理学实践中整合的愿景，呼吁研究人员，监管机构和行业利益相关者之间的协作。我们描述了验证后AI的愿景，以保持方法及其有效性状态。通过解决这些挑战和机遇，科学界可以利用AI的潜力增强预测毒理学，同时减少对传统动物测试的依赖，并提高人类的相关性和转化能力。