Tekoäly-Tehokas NHP-käyttäytymisanalyysi prekliinistä lääkekehitystä varten|Prisys Biotech

Käyttäytyminen on yksi informatiivisimmista funktionaalisista lukemista translaatiotutkimuksessa. Arvioidaanpa sitten neurologisia häiriöitä, kroonista kipua, kutinaa, autoimmuunisairauksia tai geenihoitoja, käyttäytymismuutokset tarjoavat usein varhaisimman todisteen terapeuttisesta tehokkuudesta. Luotettavien käyttäytymistietojen tuottaminen ei--kädellisten (NHP) tutkimuksissa on kuitenkin perinteisesti riippunut työvoimavaltaisesta-videotarkastelusta ja subjektiivisesta ihmisen havainnosta, mikä on luonut haasteita johdonmukaisuuden, skaalautuvuuden ja sääntelyn uusittavuuden suhteen.

Me Prisys Biotechilla muutamme tätä prosessia tekoäly-pohjaisella käyttäytymisfenotyypitysalustalla, joka yhdistää usean-kameran 3D-tietokonenäön, merkkittömän liikkeen kaappauksen, käyttäytymisluokittelun ja digitaalisten biomarkkerien kehittämisen. Pelkän eläinten käyttäytymisen tallentamisen sijaan alusta muuntaa monimutkaiset liikkeet kvantitatiivisiksi, objektiivisiksi ja jäljitettäviksi tietojoukoiksi, jotka voidaan integroida nykyaikaiseen prekliiniseen lääkekehitykseen.

Käyttäytymiseen liittyvät päätepisteet ovat edelleen välttämättömiä monilla terapeuttisilla alueilla, koska ne heijastavat suoraan toiminnallisia tuloksia, joita ei aina voida siepata molekyylibiomarkkerien tai kuvantamisen avulla. Parkinsonin tautia, Alzheimerin tautia, aivohalvausta, kroonista kipua, atooppista ihottumaa tai neuropsykiatrisia häiriöitä koskevissa tutkimuksissa hienovaraiset käyttäytymisen parannukset ovat usein merkityksellisiä todisteita farmakologisesta aktiivisuudesta.

Tärkyydestään huolimatta tavanomaisilla käyttäytymisarvioinneilla on useita rajoituksia. Pitkäaikaiset-NHP-tutkimukset tuottavat usein satoja tunteja videotallenteita, jotka vaativat kokeneiden tarkkailijoiden manuaalisen tarkastelun. Eri arvioijat voivat soveltaa hieman erilaisia ​​pisteytyskriteerejä, kun taas väsymys ja subjektiivinen tulkinta tuovat väistämättä vaihtelua. Vielä tärkeämpää on, että manuaalinen pisteytys tarjoaa vain yhteenvetohavaintoja jatkuvan, kehys-tason käyttäytymistietojen sijaan, mikä vaikeuttaa hienovaraisten hoitovaikutusten kaappaamista tai täysin jäljitettävien tietojoukkojen luomista viranomaistoimituksia varten.

Koska prekliininen lääkekehitys perustuu yhä enemmän objektiivisiin ja toistettavissa oleviin todisteisiin, tekoäly{0}}avusteinen käyttäytymisanalyysi on noussut tehokkaaksi ratkaisuksi näiden haasteiden voittamiseksi.

Prisysissä, meidänNHP käyttäytymisanalyysialustaulottuu perinteistä videoanalyysiohjelmistoa pidemmälle. Se edustaa kattavaa digitaalista fenotyyppien ekosysteemiä, joka on suunniteltu erityisesti translaatiotutkimukseen.

Alusta integroi synkronoidun moni-kamerakuvauksen, kolmiulotteisen merkkittömän asennonarvioinnin, tekoälyohjauksen-käyttäytymisentunnistuksen, käyttäytymistietokannan rakentamisen ja translaatioanalytiikan yhtenäiseksi työnkulkuun. Tämän lähestymistavan avulla tutkijat voivat jatkuvasti seurata spontaaneja käyttäytymismalleja ja luoda automaattisesti standardoituja kvantitatiivisia päätepisteitä yksittäisille eläimille ja kokonaisille tutkimuksille.

Ajan mittaan alusta tukee myös sairauskohtaisten -käyttäytymistietokantojen kehittämistä, joiden avulla tutkijat voivat verrata normaaleja käyttäytymistietoja sairauden etenemiseen ja hoitovasteisiin. Sen sijaan, että analysoidaan yksittäisiä kokeita, järjestelmä kerää jatkuvasti digitaalisia käyttäytymisresursseja, jotka edistävät tulevaa mallikehitystä ja translaatiotutkimusta.

Perinteiset liikkeensieppausjärjestelmät vaativat tyypillisesti heijastavia merkkejä, jotka on kiinnitetty kohteeseen. Tämä lähestymistapa ei ole käytännöllinen pitkäaikaisissa-kädellisten tutkimuksissa ja saattaa häiritä luonnollista liikettä.

Prisys käyttää sen sijaan synkronoitua moni{0}}näkymän tietokonenäköä rekonstruoidakseen kolmiulotteisia luuston liikkeitä ilman fyysisiä merkkejä. Tekoäly tunnistaa automaattisesti anatomiset maamerkit, kuten pään, raajat, vartalon ja nivelet, mikä mahdollistaa kehon asennon ja liikkeen tarkan rekonstruoinnin tavallisissa asuinympäristöissä.

Koska useat synkronoidut kamerat tarkkailevat eläintä samanaikaisesti, järjestelmä vähentää merkittävästi okkluusio-ongelmia, joita tavallisesti esiintyy tavanomaisissa kaksiulotteisissa videotallenteissa. Eläimiä voidaan siksi tarkkailla jatkuvasti ilman rajoituksia, anestesiaa tai käyttäytymisen häiriöitä.

Liikkeiden tallentaminen on vain ensimmäinen askel. Tekoälyn todellinen arvo on liiketietojen muuttamisessa biologisesti merkityksellisiksi käyttäytymispäätepisteiksi.

Käyttäytymisanalyysialustamme luokittelee automaattisesti laajan kirjon käyttäytymismalleja, mukaan lukien liikkuminen, kiipeily, hoito, raapiminen, lepo, asennon muutokset, käsien liikkeet ja kävelyominaisuudet. Pelkän käyttäytymistapahtumien laskemisen sijaan järjestelmä mittaa käyttäytymistiheyttä, kestoa, spatiaalisia liikeratoja, nivelen kinematiikkaa, liikenopeutta, kiihtyvyyttä ja raajojen koordinaatiota.

Nämä kvantitatiiviset parametrit tarjoavat erittäin herkkiä digitaalisia biomarkkereita, jotka pystyvät havaitsemaan hienovaraisia ​​farmakodynaamisia vasteita, jotka voivat edeltää havaittavia kliinisiä parannuksia. Tällaiset objektiiviset mittaukset ovat erityisen arvokkaita neurologisissa sairauksissa, joissa pienet toiminnalliset muutokset edustavat usein varhaista terapeuttista hyötyä.

Yksi tekoäly{0}}pohjaisen käyttäytymisanalyysin suurimmista eduista on kyky korvata subjektiivinen havainnointi standardoidulla laskennallisella arvioinnilla.

Manuaalisen videotarkistuksen sijaan alusta käsittelee jatkuvat tallenteet automaattisesti ja soveltaa identtisiä analyyttisiä kriteerejä jokaiseen tutkimukseen osallistuvaan eläimeen. Tämä eliminoi-tarkkailijoiden välisen vaihtelun ja mahdollistaa kehys-kehykseltä-käyttäytymisen seurannan koko koejakson ajan.

Jokainen käyttäytymistapahtuma on edelleen linkitetty alkuperäiseen videotallenteeseen, mikä luo täysin jäljitettävän analyyttisen työnkulun, joka tukee laadunvarmistusta, tietojen todentamista ja säädösdokumentaatiota. Kun lääkekehittäjät etsivät yhä enemmän toistettavia digitaalisia päätepisteitä, tämä läpinäkyvyys on merkittävä etu verrattuna tavanomaiseen käyttäytymispisteytykseen.

Behavioristinen fenotyypitys ulottuu pelkän liikkumisen ulkopuolelle. Kasvojen ilmeet tarjoavat usein tärkeitä indikaattoreita kivusta, epämukavuudesta ja neurologisesta tilasta.

Vastatakseen tähän tarpeeseen Prisys kehittää myös edistyksellistä kolmiulotteista kasvojen ilmeanalyysikehystä, joka perustuuEi{0}}kädellisten 3D-grimace-asteikko (3DGS). Integroimalla moni-näkymän kasvojen kuvantamisen tekoäly-pohjaiseen piirteiden erottamiseen, tämä tekniikka mahdollistaa kasvojen hienovaraisten lihasten liikkeiden objektiivisen kvantifioinnin, jota on vaikea arvioida johdonmukaisesti käyttämällä tavanomaista visuaalista pisteytystä.

Tuloksena olevilla digitaalisilla kipubiomarkkereilla on laaja käyttökohde analgeettisten lääkkeiden kehittämisessä, leikkauksen jälkeisen kivun arvioinnissa, tulehdustautimalleissa ja eläinten hyvinvoinnin seurannassa.

Koska käyttäytymiseen liittyviä päätepisteitä käytetään laajalti lääkekehityksessä, tekoäly{0}}pohjainen käyttäytymisfenotyypitys tukee lukuisia tutkimusohjelmia neurotieteen lisäksi.

Keskushermostotutkimuksissa digitaalinen käyttäytymisanalyysi antaa objektiivisen arvion motorisen elpymisen, kävelyn poikkeavuuksien, asennon, kognition ja toiminnan paranemisesta. Kipututkimus hyötyy spontaanin liikkeen, välttämiskäyttäytymisen ja kasvojen kipuindikaattoreiden kvantitatiivisesta arvioinnista. Ihotauti- ja immunologiaohjelmat voivat seurata naarmuuntumista herkänä farmakodynaamisena päätepisteenäkrooninen kutinajaatooppinen dermatiitti. Geeniterapiat, soluterapiat ja biologiset lääkkeet hyötyvät samoin jatkuvasta-pitkän aikavälin toiminnallisen palautumisen seurannasta, joka täydentää molekyyli- ja kuvantamisbiomarkkereita.

Prekliininen lääkekehitys etenee nopeasti kohti integroitua digitaalista fenotyypitystä, jossa käyttäytymistietoja analysoidaan neurokuvantamisen, elektrofysiologian, farmakokinetiikan, farmakodynamiikan ja molekyylibiomarkkerien rinnalla.

Me Prisys Biotechilla uskomme, että tekoäly{0}}pohjaisesta käyttäytymisanalyysistä tulee olennainen osa translaatiotutkimusta eikä valinnainen analyyttinen työkalu. Yhdistämällä kehittyneen tietokonenäön vakiintuneisiin ei--kädellisten sairauksien malleihin, kliinisen kuvantamisen ominaisuuksiin, langattomiin EEG-tekniikoihin ja translaatiohermotieteen asiantuntemukseen pyrimme tarjoamaan lääkekehittäjille objektiivisia, toistettavia ja kliinisesti merkityksellisiä toiminnallisia päätepisteitä, jotka lisäävät luottamusta prekliiniseen päätöksentekoon-.

Luotettava käyttäytymisarviointi on edelleen perustavanlaatuinen terapeuttisen tehon ymmärtämiseksi ei--kädellisissä tutkimuksissa. Nykyaikainen lääkekehitys vaatii kuitenkin enemmän kuin subjektiivisia havaintoja,-se vaatii määrällistä, toistettavaa ja säännöstenmukaista-todistetta.

Tekoäly-voimalla toimivan 3D-merkkittömän liikkeenkaappauksen, digitaalisen fenotyypin, automatisoidun käyttäytymisluokituksen ja kvantitatiivisen biomarkkerikehityksen avulla Prisys Biotech auttaa muuttamaan käyttäytymistutkimuksen manuaalisesta havainnoinnista standardoiduksi digitaaliseksi tieteeksi. Tekoälyn käyttöönoton kiihtyessä koko prekliinisen tutkimuksen, digitaalisella käyttäytymisanalyysillä on yhä tärkeämpi rooli translaation ennustettavuuden parantamisessa ja turvallisempien ja tehokkaampien hoitojen kehittämisen tukemisessa.

Ota yhteyttä Prisys Biotechiin