Käyttäytyminen on toiminnallinen päätepiste prekliinisessä tutkimuksessa, erityisesti neurotieteessä, kipututkimuksessa ja neurodegeneratiivisissa sairauksissa. Liikkuminen, asento, raajojen koordinaatio, spontaani toiminta ja erityiset käyttäytymismallit muuttuvat sairauden etenemisen ja lääkkeiden altistumisen myötä.
Keskushermoston (CNS) lääkkeiden kehittäminenriippuu noista toiminnallisista lukemista. Kädellisten käyttäytymisen arviointia on kuitenkin vaikea suorittaa hyvin. Perinteinen käytäntö perustuu suoraan havainnointiin, manuaaliseen videokatsaukseen ja kokemukseen perustuvaan pisteytykseen. Nämä menetelmät ovat edelleen monien tutkimussuunnitelmien selkäranka, ja ne ovat hitaita, alttiita havaitsejien väliselle vaihtelulle ja liian karkeita hienovaraisiin tai lyhytkestoisiin tapahtumiin.
Tekoälyn (AI) ja tietokonenäön kehitys on avannut toisenlaisen tien. Synkronoitu usean näkymän videokuvaus, merkkitön 3D-asennon arviointi ja automaattinen käyttäytymisanalyysi erottavat nyt liikkeet ja asennon eläinten luonnollisesta käyttäytymisestä.
NHP-tutkimuksissa tekoälyn käyttämä 3D-käyttäytymisen fenotyypitys lisää toiminnallisen lukeman tavanomaiseen kliiniseen havainnointiin, farmakokineettiseen/farmakodynaamiseen (PK/PD) mittaukseen, kuvantamiseen ja muihin farmakologisiin päätepisteisiin.
Pikavastaus: Mitä on tekoälyllä toimiva 3D-käyttäytymisen fenotyyppi?
Tekoälyllä toimiva 3D-käyttäytymisen fenotyypitys käyttää synkronoitua monikameravideota ja tekoälypohjaista asennonarviointia eläinten liikkeen rekonstruoimiseksi kolmiulotteisessa avaruudessa. Se mittaa liikekinematiikkaa, raajojen koordinaatiota, ryhtiä, kävelyä ja valittuja käyttäytymismalleja kiinnittämättä eläimeen fyysisiä seurantamerkkejä. NHP-tutkimuksessa lähestymistapa lisää objektiivisia, pitkittäisiä toiminnallisia päätepisteitä prekliiniseen lääkearviointiin.
Miksi perinteisellä käyttäytymisen arvioinnilla on rajoituksia?
Käyttäytymishavainnointia on käytetty pitkään arvioitaessa neurologisia toimintoja, sairauden fenotyyppejä ja lääkevastetta eläinkokeissa. Rajoitukset tulevat näkyviin, kun vaaditaan yksityiskohtaisia ja toistuvia mittauksia.
Manuaalinen käyttäytymispisteytys riippuu ennalta määritellyistä havainnointikriteereistä ja koulutettujen tutkijoiden tai eläinlääkärien kokemuksesta. Erot havainnointitiheydessä, pisteytyksen tulkinnassa ja yksilöllisissä arvioissa tuovat vaihtelua tarkkailijoiden välillä ja tutkimuksen ajankohtien välillä.
Ajallinen resoluutio on toinen rajoitus. Ennalta määrätyin väliajoin tehdystä havainnosta jää huomiotta lyhyitä tai ajoittaisia tapahtumia, joten lyhyt raapimisjakso, ohimenevä poikkeavuus raajan liikkeissä tai pieni muutos spontaanissa aktiivisuudessa kulkee havaintoikkunoiden välissä.
Kaksiulotteinen videoanalyysi tallentaa enemmän, mutta ratkaisee vähemmän. Sillä on taipumus raportoida yksinkertaisia parametreja, kuten kokonaisliikeetäisyys ja kokonaisaktiivisuustaso, eikä se erota yksittäisiä raajan liikeratoja, kolmiulotteisia asennonmuutoksia tai liikkeitä, joihin liittyy useita kehon osia kerralla.
Merkkipohjainen liikekaappaus kuljettaa rikkaampaa kinemaattista tietoa eläimen laitteiston kustannuksella. Heijastavat merkit tai seurantalaitteet lisäävät käsittelyä, ja joissakin kokeellisissa olosuhteissa ne häiritsevät luonnollista liikettä tai viikkojen seurantaa.
Nämä rajoitukset kannustivat kehittämäänmarkkeriton 3D-käyttäytymisanalyysi, joka yhdistää videohavainnoinnin tekoälyavusteiseen liikkeen rekonstruointiin.
Kuinka tekoälyllä toimiva merkkiton 3D-käyttäytymisanalyysi toimii
3D-käyttäytymisfenotypioinnissa yhdistyvät usean näkymän videon hankinta, tietokonenäkö, syvään oppimiseen perustuva asentoarviointi ja käyttäytymistietojen analyysi. Merkkittömät järjestelmät tunnistavat anatomiset maamerkit suoraan videokuvista sen sijaan, että luottaisivat eläimeen kiinnitettyihin heijastaviin merkintöihin.
1. Synkronoitu usean näkymän videon hankinta
Tallennus tulee ensin, kun useita kameroita on sijoitettu määritellyn tallennusympäristön ympärille. NHP-hankintakokoonpanossa, joka on esitelty meidäntekninen webinaari, neljä synkronoitua kameraa istuvat tallennustilan ympärillä ja tallentavat päällekkäisiä näkymiä vapaasti liikkuvasta eläimestä.
Päällekkäisyys on pointti. Yksi kamera ei näe jokaista liikettä joka suunnasta, ja kehon osat menevät pois näkyvistä, kun eläin kääntyy, kiipeää, on vuorovaikutuksessa esineiden kanssa tai muuttaa asentoa. Synkronoitu tallennus mahdollistaa eri kulmista otettujen kuvien analysoinnin yhdessä ja tarjoaa tilatietoa, jota kolmiulotteinen rekonstruointi tarvitsee.
Kameran asennot, valaistus, tallennusympäristö ja havainnointimenettely perustuvat aiotuista käyttäytymispäätepisteistä ja opiskelutavoitteista.
2. Merkkitön 3D-asennon arviointi
Tekoälypohjaiset tietokonenäkömallit tunnistavat sitten tallennetuissa kuvissa olevat anatomiset maamerkit ja käyttävät niitä kehon konfiguraation arvioimiseen ja kolmiulotteisen luuston esityksen uudelleen rakentamiseen. Asennon muutosta ja yksittäisten anatomisten alueiden liikettä seurataan ajan myötä ilman merkkejä eläimessä.
Verrattuna yksinkertaiseen aktiivisuuden seurantaan, 3D-asentoarviointi kuvaa eläimen liikkumista: raajojen liikeratoja, asennon muutoksia ja koordinoitua liikettä kehon osien välillä.
Rekonstruoinnin laatu riippuu kameran kalibroinnista, synkronoinnista, anatomisten maamerkkien näkyvyydestä ja tukkeuman laajuudesta.
3. Kvantitatiivinen käyttäytymisanalyysi
Kolmiulotteiset liiketiedot muunnetaan kvantitatiivisiksi käyttäytymisparametreiksi neljällä tasolla.
Liikekinematiikka
Liikekinematiikka kuvaa liikkeen dynamiikkaa. Nopeus, kiihtyvyys ja liikerata kuvaavat spontaania aktiivisuutta ja muutoksia liikekuvioissa ja erottavat perustilan hoidon jälkeisistä olosuhteista.
Raajan asennon ja kävelyn seuranta
Ajan mittaan seuratut raajan asennot kuvaavat liikkuvuutta, koordinaatiota ja motorisia poikkeavuuksia. Neurologisten sairauksien malleissa tämä taso osoittaa muutoksia vasemman ja oikean raajan koordinaatiossa, liikesymmetriassa, kävelyominaisuuksissa ja hienomotorisessa suorituskyvyssä.
Kolmiulotteinen asennon arviointi
Asennon estimointi tilakoordinaateissa kuvaa kehon asentoa ja nivelliikettä, millä on merkitystä käyttäytymiselle, jota kuljettu matka tai kaksiulotteinen video ei pysty luonnehtimaan.
Automatisoitu käyttäytymissegmentointi
Käyttäytymissegmentointi tunnistaa ja luokittelee tietyt käyttäytymistilat tai tapahtumat videopohjaisesta liikkeestä. Riippuen analyyttisestä mallista ja sen validointitilasta, joka kattaa liikkumisen, trimmauksen, raapimisen, kiipeämisen, asennonmuutokset tai toistuvat liikemallit. Automaattinen segmentointi vähentää manuaalista videotarkistusta, jota suuret tietojoukot ja pitkittäistutkimukset muuten edellyttäisivät.
Neljä tasoa täydentävät toisiaan, eivät keskenään vaihdettavissa: oikea yhdistelmä seuraa tieteellisestä kysymyksestä, kohdekäyttäytymisestä ja mallin validointitilasta.
Sovellukset NHP:n prekliinisessä tutkimuksessa
Kvantitatiivinen käyttäytymisfenotyypitys koskee kaikkia terapeuttisia alueita, joilla toiminnallinen muutos viittaa sairauteen tai hoitovasteeseen.
Keskushermoston ja neurodegeneratiivisten sairauksien tutkimus
Neurologisten sairauksien malleissa motoriset muutokset näkyvät heikentyneenä liikkeenä, epänormaalina kävelynä, heikentyneenä koordinaationa tai muuttuneena spontaanina aktiivisuutena.Parkinsonin tautija muut hermostoa rappeuttavat sairaudet muuttavat motorista ohjausta asteittain, ja kahdenvälisten käden liikkeen, raajan liikeradan ja liikkumiskuvion seuraaminen lisää kvantitatiivisia päätepisteitä näille poikkeavuuksille. Toistuva mittaus tutkimuksen aikana osoittaa sitten, muuttuuko motorinen suorituskyky hoidon myötä.
Kipu- ja kutinatutkimus
Kipu ja kutina aiheuttavat tunnistettavia käyttäytymisreaktioita: naarmuuntumista, muuttuneet liiketavat, muuttunut spontaani toiminta. sisäänNHP-kutinatutkimukset, automaattinen naarmuuntumisanalyysi mittaa naarmuuntumistiheyttä, kestoa ja ajallista jakautumista, ja kolmiulotteiset liiketiedot voivat auttaa erottamaan naarmuuntumisen trimmauksesta tai tavanomaisista kehon liikkeistä, joissa käytetään samanlaisia raajan liikkeitä.
Nämä mittaukset täydentävät kliinistä havaintoa ja muita farmakodynaamisia päätepisteitä arvioitaessa kutinaa tai tulehdusta ehkäiseviä aineita.
Liikunnan ja motoristen toimintojen arviointi
Kävelyanalyysi on suora sovellus. Rekonstruoidut raajan liikeradat ja kehon asento liikkumisen aikana osoittavat muutosta liikesymmetriassa, koordinaatiossa ja kävelyominaisuuksissa. Koska merkkejä ei ole kiinnitetty, liike kirjataan tutkimukseen suunnitelluissa naturalistisissa olosuhteissa. Toistuva motorisen toiminnan arviointi neurologisissa sairausmalleissa ja toiminnallisen palautumisen tutkimuksissa on tärkeintä.
Pitkittäinen käyttäytymisfenotyyppi
Käyttäytymisen muutos ei aina ole yksittäinen tapahtuma. Joissakin malleissa muuttunut spontaani aktiivisuus, tutkiminen, toistuva liike tai käyttäytymistilan jakautuminen kehittyy vähitellen. Pitkittäinen videonkeruu automaattisella analyysillä vertaa käyttäytymismalleja eri tutkimusjaksojen ja hoitoolosuhteiden välillä, mukaan lukien liikkeen jakautuminen, toimintamallien muutos ja toistuva käyttäytyminen ajan myötä.
Tulkinnassa on otettava huomioon kirjaamisolosuhteet, perusaktiivisuus, eläinten sopeutuminen ja muut käyttäytymisen vaihteluiden lähteet.
Tekoälypohjaisen käyttäytymisanalyysin käyttöönotto Prisys NHP -tutkimuksissa
Prisys Biotechissa tekoälyn käyttämä 3D-käyttäytymisen fenotyypitys on sisällytetty kädellisten farmakologisiin tutkimuksiin lisätoimintojen arvioinnissa.
Pääpainomme on NHP:n in vivo -tutkimuksen suunnittelussa ja toteuttamisessa: eläinten valmistelu, tutkimuskohtainen käyttäytymisarvioinnin suunnittelu, tallennusprotokollan suunnittelu, videon hankinta ja käyttäytymismittausten integrointi muihin farmakologisiin päätepisteisiin. Tekoälyavusteista analyysiä varten Prisys koordinoi erikoistuneita tietokonenäkö- ja 3D-käyttäytymisanalyysitekniikoita kunkin tutkimusohjelman vaatimusten mukaisesti.
Työnkulku yhdistää tutkimuksen suunnittelun moninäkymävideotallennukseen, kolmiulotteiseen liikerekonstruktioon ja kvantitatiiviseen käyttäytymisanalyysiin, joten käyttäytymismittauksia luetaan eläinmallin, hoito-olosuhteiden ja tutkimuksen tavoitteiden kontekstissa.
Käyttäytymislukemia ei raportoida erikseen. Niiden tieteellinen arvo riippuu siitä, kuinka tarkasti valitut mittaukset vastaavat sairauden fenotyyppiä ja farmakologista kysymystä. Tarvittaessa käyttäytymiseen liittyvät päätepisteet ovat PK/PD-tietojen rinnalla,kliininen kuvantaminen, fysiologiset mittaukset ja patologinen arviointi tukemaan täydellisempää lääkevasteen arviointia NHP-malleissa.
Metodologiset näkökohdat: validointi ja tutkimuksen suunnittelu
Tekoälyyn perustuva käyttäytymisanalyysi avaa uusia mittausvaihtoehtoja, mutta sen tulokset eivät ole automaattisesti validoituja farmakodynaamisia päätepisteitä.
Käyttäytymiskohtainen validointi
Tekoälymalli arvioidaan määritettyjen viitemerkintöjen perusteella, mukaan lukien ihmisten arvioimat videosegmentit, jos niitä on saatavilla. Validointi kohdistuu tutkimuksen kannalta merkityksellisiin käyttäytymismalleihin, koska korkea yleinen asennonseurantasuorituskyky ei pysty tunnistamaan tarkasti kaikkia käyttäytymiskategorioita. Yleisen raajan liikkeen havaitseminen ei ole sama asia kuin naarmuuntumisen erottaminen hoidosta, ja jokainen kohdekäyttäytyminen tarvitsee toiminnallisen määritelmän ja oman luokittelutietonsa.
Tallennuksen asetukset
Kameran järjestely, synkronointi, valaistus, tallennusympäristö ja eläinten paikannus vaikuttavat kaikki videon laatuun. Yhdelle tallennusasetuksella konfiguroidun mallin ei oleteta toimivan samalla tavalla eri olosuhteissa: kameran geometrian, eläinten ominaisuuksien tai tallennusympäristön muutokset edellyttävät lisäkalibrointia ja validointia.
Okkluusio ja tietojen laatu
Okkluusio tapahtuu, kun eläimen oma keho, häkkirakenteet tai muut esineet piilottavat ruumiinosia, mikä heikentää asennon arvioinnin luotettavuutta yksittäisissä kehyksissä. Tietojen laadun arviointi kattaa siis seurannan luotettavuuden, puuttuvat maamerkit ja käytettävän tallennusajan osuuden.
Käyttäytymispäätepisteen määritelmä
Kohdekäyttäytymisen päätepiste määritellään ennen tutkimuksen alkamista: mikä lasketaan käyttäytymistapahtumaksi, miten tapahtumat lasketaan, mitkä havaintojaksot ovat merkityksellisiä ja miten tuloksena saadut mittaukset tulkitaan. Monimutkaiset käyttäytymiset ja sairauskohtaiset fenotyypit tarvitsevat tämän ratkaistua etukäteen, koska näiden käyttäytymismallien automaattinen luokittelu vaatii lisämallin konfigurointia ja validointia.
Tekoälystä johdetuista mittauksista on eniten hyötyä translaatiotyössä, kun ne on tieteellisesti määritelty, toistettavissa ja tulkittu yhdessä muiden asiaankuuluvien päätepisteiden kanssa.
Kvantitatiivisen käyttäytymisfenotyypityksen rooli translatiivisessa lääkekehityksessä
Tekoälyllä toimiva 3D-käyttäytymisen fenotyypitys lisää menetelmän funktionaalisten muutosten tutkimiseen kädellisissä. Synkronoitu videonkeruu, merkkitön asentoarviointi ja automaattinen käyttäytymisanalyysi siirtävät lukeman yksinkertaisten aktiviteettien ohitse kohti liikettä, asentoa, koordinaatiota ja valittuja käyttäytymismalleja.
Keskushermoston, kivun ja muiden terapeuttisten alueiden osalta, joilla toiminnallisella tuloksella on merkitystä, nämä mittaukset täydentävät vakiintuneita farmakologisia ja fysiologisia päätepisteitä.
Prisysissä kvantitatiivinen käyttäytymisen arviointi on osa laajempaa NHP:n translaatiotutkimuksen työnkulkua. Tieteellinen painoarvo on yhteys huolellisesti suunnitellun in vivo -kokeen ja käyttäytymismittauksen välillä, joka on biologisesti merkityksellinen ja asianmukaisesti validoitu.
Tämän sarjan myöhemmissä artikkeleissa käsitellään tiettyjä sovelluksia, mukaan lukien automaattinen naarmuuntumisen tunnistus, bilateraalinen motorinen koordinaatio, merkkiton kävelyanalyysi, pitkittäinen käyttäytymisarviointi ja käyttäytymistietojen integrointi muihin farmakologisiin päätepisteisiin.
Tutustu sovellussarjaan
Tässä artikkelissa esitetään metodologinen perusta. Seuraavissa artikkeleissa tarkastellaan, kuinka lähestymistapa soveltuu tiettyihin NHP-tutkimuskysymyksiin:
- Automaattinen naarmuuntumiskäyttäytymisen tunnistus Cynomolgus Macaquesissa. Kutinaan liittyvien käyttäytymispäätepisteiden kvantifiointi 3D-asennon arvioinnin ja liikeanalyysin avulla.
- Kahdenvälinen moottorin koordinaation arviointi NHP-malleissa. Vasemman-oikean liikeradan ja toiminnallisten motoristen poikkeavuuksien arviointi.
- Markerless 3D-kävelyanalyysi kädellisillä. Luonnehditaan liikkumista, raajojen liikeratoja ja liikekoordinaatiota.
- Pitkittäinen käyttäytymisfenotyyppi ja stereotyyppisen käyttäytymisen analyysi. Aktiivisuusmallien ja toistuvan käyttäytymisen muutosten seuranta eri tutkimusolosuhteissa.
- Tekoälykäyttäytymisanalyysin integrointi NHP-farmakologiaan. Käyttäytymispäätepisteiden yhdistäminen PK/PD:hen, kuvantamiseen, fysiologiseen seurantaan ja muihin translaatiomittauksiin.
Kvantitatiivinen käyttäytymisfenotyypitys tukee informatiivisempien prekliinisten NHP-tutkimusten suunnittelua.
Tietoja Prisys Biotechista
Prisys Biotech on erikoistunut kädellisten sairauksien malleihin, prekliiniseen farmakologiaan ja translaatiotutkimukseen. Sen ominaisuudet kattavat in vivo -tehokkuuden arvioinnin, käyttäytymisen arvioinnin, kliinisen kuvantamisen ja integroidut farmakologiset tutkimukset lääke- ja bioteknologiayrityksille. Tutkimusyhteistyötä tai NHP-tutkimuksen suunnittelua koskevissa tiedusteluissa ota yhteyttäbd@prisysbiotech.com.
