Videótól adatig: 3D AI követés az NHP viselkedéséhez

A viselkedési végpontok valódi súllyal bírnak a nem{0}}főemlős (NHP) gyógyszerfejlesztésben, különösen akkor, ha a terápiás hatás nem jelenik meg a biokémiai vagy szerkezeti adatokban. Mozgás, testtartás, járás, spontán tevékenység, vakarás, arcreakciók: ezek bármelyikének eltolódása funkcionális bizonyítéka lehet a betegség progressziójának vagy a kezelésre adott válasznak.

A probléma az, hogy az NHP viselkedése folyamatos és erősen többdimenziós. A hagyományos értékelés manuális megfigyelésre, videós áttekintésre vagy előre meghatározott pontozási rendszerekre támaszkodik. Ezek működnek, de megeszik az időt, és a megfigyelők közötti változékonyságot-viselik, ami akkor harap a legjobban, amikor a finom vagy lassan fejlődő változásokat próbálja számszerűsíteni.

A számítógépes látás és a mesterséges intelligencia egy másik utat kínál: alakítsa át a közönséges több-nézetű videót strukturált háromdimenziós viselkedési adatokká. Ahelyett, hogy a videót rekordként kezelné, amelyet valakinek végig kell néznie, a marker nélküli követés a mozgást kvantitatív kinematikai és etológiai végpontokká alakítja.

Tehát az NHP fordítási munkája során nem az a kérdés, hogy a mesterséges intelligencia képes-e „követni egy állatot”. Arról van szó, hogy a videó{1}}eredetű mérések tudományosan értelmes végpontokká válnak-e a betegségek jellemzésében és a farmakológia értékelésében.

A Markerless 3D viselkedéselemzés a szinkronizált több-nézetű videófelvételt a számítógépes látással és a mély-tanuláson- alapuló pózbecsléssel párosítja.

Nincsenek fényvisszaverő markerek, nincsenek érzékelők az állatra rögzítve. A rendszer közvetlenül a videokockákból azonosítja az anatómiai kulcspontokat, és több kameranézet kitölti egymás holtfoltjait, megkönnyítve az elzáródási és perspektívaproblémákat, amelyek az egyetlen-nézetű 2D elemzést sújtják. Ebből három dimenzióban rekonstruálhatja az állat testtartását és mozgását. A Prisys NHP viselkedéselemzési munkafolyamata több mint 21 kulcsfontosságú anatómiai pontot követ, ami elegendő ahhoz, hogy kvantitatív módon jellemezzük az egész test mozgását és az ízületekkel kapcsolatos{7}}kinematikát.

A csővezeték fut:Több-videó megtekintése → 3D póz rekonstrukció → viselkedési szegmentálás → paraméterek kinyerése → farmakológiai végpont

Egy dolgot érdemes tisztázni: a pózbecslés nem a végpont. Értéke abban rejlik, hogy egyéni mozgásmegfigyelések ezreit vagy millióit alakítja át ténylegesen értelmezhető viselkedési jellemzőkké.

Amint megvan a 3D pózadatok, a paraméterek egész rétege nyílik meg.

Először a kinematika: pozíció, sebesség, mozgási pálya, testtartás, járási jellemzők, végtagok koordinációja, ízületekkel kapcsolatos{0}}mozgásminták. Ezután a viselkedés: a mozgássorozatokat felismerhető viselkedési állapotokba szegmentálják, és meghatározott megfigyelési ablakokon keresztül elemzik. A Prisys platform dokumentációja leírja a viselkedési szekvenciák automatikus lebontását, időbeli pontossággal egészen másodpercig terjedő skálán, ami az elszigetelt viselkedési pontszámokon túljut a folyamatos viselkedési profilok felé.

Ahelyett, hogy felírná, hogy egy állat „fokozott aktivitást mutatott”, megjelölheti, hogy mikor nőtt az aktivitás, mennyi ideig tartott, mely mozgási minták váltották ki a változást, és hogy az időzítés összhangban van-e az adagolással. Ez egy sokkal finomabb-szemcsés kép a fenotípusról és a kezelésre adott válaszról.

A marker nélküli követés nyilvánvaló előnye: viselkedési adatokat gyűjt, anélkül, hogy bármit is csatolna az állathoz.

A marker{0}}alapú mozgásrögzítés részletes mozgásinformációkat ad, de a markerek vagy érzékelők felszerelése extra kezelést jelent, és a hardver zavarhatja a mérni kívánt mozgást. Markerless kikerüli ezt, ami akkor számít leginkább, ha a spontán viselkedés maga az érdeklődés végpontja. A Prisys technikai keretrendszere egyesíti a marker nélküli követést a szinkronizált több-nézetszerzéssel és a mély-learning-alapú elemzéssel, automatizálva a kulcs-pontkövetést és a viselkedéselemzést, miközben csökkenti az okklúziós és perspektíva határait.

A jelölő nélküliség nem azt jelenti, hogy -mentes az érvényesítés. Az AI-eredetű viselkedési végpontoknak továbbra is modell--specifikus érvényesítésre van szükségük, és a webinárium összefoglalója közvetlenül rávilágított erre: az algoritmikus kimeneteket össze kell hasonlítani a megfelelő emberi-referenciákkal, és az állatmodell, a vizsgálati terv és a kutatási kérdés kontextusában kell olvasni. Ez megduplázódik, ha a viselkedési besorolás inkább farmakodinámiás végpontként, semmint feltáró megfigyelésként szolgál.

A transzlációs megtérülés akkor jön létre, ha a mozgási adatokat egy adott biológiai vagy farmakológiai kérdéshez köti.

Egy hatékonysági vizsgálatban nem a „mozgás” a végpont. A végpont az, hogy a kezelés csökkenti-e a kóros viselkedést, helyreállítja-e a motoros funkciót, vagy megváltoztatja-e a betegség progressziójának pályáját.

A Prisys–Bayone NHP BehaviorAtlas webinárium három alkalmazási területe megmutatja, hogyan néz ki.

A karcolás közel áll az objektív számszerűsítés tökéletes esetéhez.

A viszketés vizsgálatához szükség van a karcolás gyakoriságára, időtartamára, időbeli eloszlására és a mozgás jellemzőire. A kézi pontozás működik, de büntetést kap, ha a megfigyelések órákon vagy napokon át ismétlődnek. 3A D követés a karcolást strukturált mozgássorozatként jellemzi, nem pedig látható események számának, és a pálya, a testtartás és a térbeli kapcsolatok segítenek elkülöníteni a karcolást az ápolástól vagy a rutin végtagmozgásoktól.

A Prisysnél ez az elemzés az NHP pruritus vizsgálataiba illeszkedik, beleértve aIL-31-indukált cynomolgus makákó modell, amely mérhető karcolási viselkedést és gyulladásos reakciókat produkál a viszketés elleni -és kapcsolódó terápiás stratégiák kiértékeléséhez. A viselkedési mérések a klinikai megfigyelések, a gyulladásos biomarkerek és a patológiás értékelések mellett, mint kiegészítő farmakodinamikai végpontok.

A motoros fenotípusok a másik természetes illeszkedés.

Az NHP modellekbenParkinson-kór, stroke és más neurológiai rendellenességek esetén a funkcionális változások a járásban, testtartásban, spontán tevékenységben, végtaghasználatban, koordinációban vagy mozgási sebességben jelentkeznek. Egyetlen megfigyelési pontszám nehezen rögzíti mindezt a . 3D-követés, amely a mozgást idő-függő adathalmazként ábrázolja, így hosszirányban összehasonlíthatja a viselkedési jellemzőket a betegség kiváltása vagy kezelése előtt és után. A járásszimmetria, a mozgás sebessége, a testtartás átmenetei és a végtagok koordinációja együtt kerül kiértékelésre, nem elszigetelt hangjegyként.

Ez a legfontosabb a hatékonysági vizsgálatokban, ahol a funkcionális helyreállítás fokozatosan épül fel, nem pedig tiszta igen/nem.

A fenotipizálásnak nem kell megállnia a teljes test{0}}mozgásánál.

A webinárium a 3D-s arcmodellezést és kifejezéselemzést tárgyalta, mint a fájdalommal vagy kényelmetlenséggel kapcsolatos finom válaszok megragadásának módját, számszerűsítve az arc geometriájában és mozgásában bekövetkezett változásokat a szubjektív vizuális értelmezés helyett. Ez még mindig feltörekvő alkalmazás. Olvassa el a megállapított klinikai megfigyelések, fiziológiai mérések és egyéb vizsgálati végpontok mellett, és tegye be a megjegyzést, a modell-specifikus jellemzést és az érvényesítést, mielőtt az arcvonások formális farmakodinámiás végpontként szolgálnának.

A hagyományos értékelés meghatározott időpontokban veszi minta a viselkedést, és ez valódi korlát. A kezeléssel kapcsolatos viselkedésbeli változás, amely a megfigyelési időszakok között történik, észrevétlen marad. A folyamatos vagy ismételt automatizált megfigyelés sűrűbb időrekordot tölt ki.

Ez számít a farmakológiában, ahol a viselkedési hatások időzítése gyakran a gyógyszerexpozícióhoz kötődik:Gyógyszeradagolás → expozíció → farmakodinámiás válasz → viselkedésváltozás

Gyűjtsön viselkedési méréseket a PK/PD adatok mellett, és megkérdezheti, hogy változott-e a viselkedés a várható farmakológiai ablakon belül, és hogy a válasz mérete követi-e az expozíciót. A viselkedési végpont egy tágabb transzlációs adatkészlet egyik összetevőjévé válik az elszigetelt megfigyelés helyett.

A viselkedéselemzés akkor nyeri meg a tartást, ha a többi modalitás mellett fut.

A Prisysnél a fenotipizálás szélesebb körű NHP-vizsgálatokká válik, amelyek betegségmodelleket, PK/PD értékelést, in vivo képalkotást, patológiát és biomarkerelemzést tartalmaznak. Nem azért van, hogy lecserélje a megállapított végpontokat. Funkcionális réteget ad hozzá, amely összekapcsolja a molekuláris és fiziológiai változásokat a megfigyelhető fenotípussal.

A munkafolyamat:Viselkedés → PK/PD → képalkotás → patológia → biomarkerek

Mindegyik darab más kérdésre ad választ. A viselkedés funkciót ad, a PK/PD az expozíciót és a farmakológiai választ, a képalkotás longitudinális anatómiai vagy funkcionális információt, a patológia szöveti szintű hatásokat, a biomarkerek a mögöttes mechanizmust. A kombináció akkor számít leginkább, ha egy kezelés olyan finom funkcionális változást eredményez, amelyet egyetlen molekuláris vagy szerkezeti végpont sem tükröz teljes mértékben.

A nagyobb váltás itt: a videó többé nem csak megfigyelési rekord, hanem kvantitatív adatforrássá válik.

Órákon át tartó felvételek több órányi viselkedési információt tartalmaznak, de ezek kézzel történő kihúzása lassú és következetlen. A marker nélküli 3D követés ugyanazt a felvételt strukturált adatkészletekké alakítja, amelyek pózt, mozgást, viselkedési sorozatokat és időbeli mintákat tartalmaznak. Ez az alapja a digitális viselkedési fenotipizálásnak az NHP-kutatásban.

Egy óvatosság. A digitális fenotipizálás nem automatizálási gyakorlat. A tudomány csak akkor állja meg a helyét, ha a kinyert paraméterek biológiailag relevánsak, reprodukálhatók és érvényesek az adott kérdésre. A gyakorlatban ez a viselkedési végpontok kiválasztását jelenti az elemzés megkezdése előtt, a referenciaviselkedések meghatározását, az érvényesítési eljárások létrehozását és a mesterséges intelligencia-eredetű mérések értelmezését a hagyományos farmakológiai és betegség-végpontok mellett.

Mivel a preklinikai kutatás jobban támaszkodik a kvantitatív, longitudinális végpontokra, a viselkedéselemzés közelebb kerül a farmakológiához, a képalkotáshoz és a biomarker stratégiákhoz. A marker nélküli 3D követés, az automatizált viselkedési osztályozás és a multimodális transzlációs adatkészletek lehetővé teszik a kezelésre adott válaszok több szinten történő leolvasását, a gyógyszerexpozíciótól és a biológiai aktivitástól a funkcionális fenotípusig.

A központi idegrendszer, a fájdalom, a viszketés és más olyan jelzések esetén, ahol a viselkedés a betegség fenotípusának központi részét képezi, ez objektívebb mérőpálcát ad a funkcionális eredményeknek.

Az igazi lehetőség nem több viselkedési adat gyűjtése. Jobban-definiált viselkedési végpontokat hoz létre, amelyek kapcsolódnak a farmakológiai mechanizmusokhoz és a transzlációs kérdésekhez.

Ez a cikk a Prisys és Bayone „NHP BehaviorAtlas: High{0}}Fidelity 3D NHP Behavioral Tracking for Drug Development” című webináriumra épül, amely a több-nézetű 3D nyomon követést, a marker nélküli pózbecslést, a viselkedési kinematikát, az automatizált viselkedésosztályozást és az NHP arckifejezés-kutatási elemzését tárgyalta.

A teljesebb beszélgetés érdekében mindkét oldalt érdemes elolvasni:

• Eredeti webinárium:NHP BehaviorAtlas webinar|3D NHP viselkedéskövetés a gyógyszerfejlesztéshez
• Webinárium összefoglalója:A webinárium összefoglalója: A transzlációs NHP-kutatás előmozdítása digitális viselkedési fenotipizálás révén

Az összefoglaló részletesebben foglalkozik a fájdalommal, a viszketéssel, a neurológiai betegségmodellekkel, az arckifejezés-elemzéssel, valamint a viselkedési végpontok PK/PD-vel, képalkotással, patológiával és biomarkerekkel való integrációjával.

Az NHP hatékonyságát vagy transzlációs tanulmányokat tervező kutatók számára nem az a kérdés, hogy az AI képes-e több viselkedési adatot generálni. Az, hogy ezek az adatok validált, biológiailag értelmes végpontokká alakulnak-e, élesebbé teszi a kezelésre adott válaszok értelmezését.

Forduljon a Prisys Biotechhez