رفتار یکی از آموزنده ترین بازخوانی های کاربردی در تحقیقات ترجمه ای است. تغییرات رفتاری چه در ارزیابی اختلالات عصبی، درد مزمن، خارش، بیماریهای خودایمنی، یا ژندرمانیها، اغلب اولین شواهدی از اثربخشی درمانی را ارائه میدهند. با این حال، تولید دادههای رفتاری قابلاعتماد در مطالعات غیر{2}}پریماتهای انسانی (NHP) به طور سنتی به کار-بررسی ویدیویی فشرده و مشاهدات ذهنی انسانی، ایجاد چالشهایی در سازگاری، مقیاسپذیری، و تکرارپذیری نظارتی بستگی دارد.

در Prisys Biotech، ما در حال تغییر این فرآیند از طریق یک پلت فرم فنوتیپ رفتاری- مجهز به هوش مصنوعی هستیم که دید رایانه سه بعدی چند{1}}دوربین، ضبط حرکت بدون نشانگر، طبقهبندی رفتاری و توسعه نشانگرهای زیستی دیجیتال را ترکیب میکند. این پلت فرم به جای ثبت رفتار حیوانات، حرکات پیچیده را به مجموعه داده های کمی، عینی و قابل ردیابی تبدیل می کند که می توانند در توسعه داروهای پیش بالینی مدرن ادغام شوند.
چرا ارزیابی مرسوم رفتاری دیگر کافی نیست؟
نقاط پایانی رفتاری در بسیاری از حوزههای درمانی ضروری باقی میمانند، زیرا آنها مستقیماً نتایج عملکردی را منعکس میکنند که همیشه نمیتوانند توسط بیومارکرهای مولکولی یا تصویربرداری به تنهایی ثبت شوند. در مطالعات مربوط به بیماری پارکینسون، بیماری آلزایمر، سکته مغزی، درد مزمن، درماتیت آتوپیک، یا اختلالات عصبی روانی، بهبودهای رفتاری ظریف اغلب نشان دهنده شواهد معناداری از فعالیت دارویی است.
علیرغم اهمیت آنها، ارزیابی های رفتاری مرسوم محدودیت های متعددی دارند. مطالعات بلندمدت-NHP اغلب صدها ساعت ضبط ویدیویی ایجاد میکند که نیازمند بررسی دستی توسط ناظران با تجربه است. ارزیابهای مختلف ممکن است معیارهای امتیازدهی کمی متفاوت را اعمال کنند، در حالی که خستگی و تفسیر ذهنی ناگزیر باعث ایجاد تنوع میشوند. مهمتر از آن، امتیازدهی دستی فقط مشاهدات خلاصه شده را به جای اطلاعات رفتاری مستمر و در سطح{4} ارائه میکند، که گرفتن اثرات ظریف درمان یا ایجاد مجموعههای داده کاملاً قابل ردیابی برای ارسالهای قانونی را دشوار میکند.
از آنجایی که توسعه داروهای پیش بالینی به طور فزاینده ای بر شواهد عینی و قابل تکرار متکی است، تجزیه و تحلیل رفتاری با کمک هوش مصنوعی به عنوان راه حلی قدرتمند برای غلبه بر این چالش ها ظاهر شده است.
ساختن یک پلتفرم فنوتیپ دیجیتال برای نخستیهای غیر انسانی-
در Prisys، ماپلتفرم تحلیل رفتاری NHPفراتر از نرم افزارهای معمولی تجزیه و تحلیل ویدئو است. این یک اکوسیستم فنوتیپ دیجیتال جامع است که به طور خاص برای تحقیقات ترجمه طراحی شده است.
این پلتفرم تصویربرداری چند دوربینی همگام،-تخمین حالت بدون نشانگر سه بعدی، تشخیص رفتار مبتنی بر هوش مصنوعی، ساخت پایگاه داده رفتاری، و تجزیه و تحلیل ترجمهای را در یک جریان کاری یکپارچه ادغام میکند. این رویکرد محققان را قادر میسازد تا به طور مداوم بر رفتارهای خود به خود نظارت کنند و در عین حال به طور خودکار نقاط پایانی کمی استاندارد شده را در حیوانات فردی و کل مطالعات ایجاد کنند.
با گذشت زمان، این پلتفرم همچنین از توسعه پایگاههای{0}}بیماری رفتاری خاص پشتیبانی میکند و به محققان این امکان را میدهد تا خطوط پایه رفتاری عادی را با پیشرفت بیماری و پاسخهای درمانی مقایسه کنند. به جای تجزیه و تحلیل آزمایشهای مجزا، سیستم به طور مداوم داراییهای رفتاری دیجیتال را جمعآوری میکند که توسعه مدلهای آینده و تحقیقات ترجمه را افزایش میدهد.
ضبط حرکت سه بعدی بدون نشانگر، مشاهده رفتار طبیعی را فعال می کند
سیستمهای ثبت حرکت سنتی معمولاً به نشانگرهای بازتابنده متصل به سوژه نیاز دارند، رویکردی که برای مطالعات طولانیمدت در نخستیهای غیر انسانی غیرعملی است و ممکن است با حرکت طبیعی تداخل داشته باشد.

Prisys در عوض از بینایی کامپیوتری چند{0}}همگام شده برای بازسازی حرکات اسکلتی سه بعدی-بدون نشانگرهای فیزیکی استفاده میکند. هوش مصنوعی به طور خودکار نشانه های آناتومیکی از جمله سر، اندام ها، تنه و مفاصل را شناسایی می کند و امکان بازسازی دقیق وضعیت بدن و حرکت در محیط های استاندارد مسکن را فراهم می کند.
از آنجایی که چندین دوربین همگام شده حیوان را به طور همزمان مشاهده می کنند، سیستم به طور قابل توجهی مشکلات انسدادی را که معمولاً در ضبط ویدیوهای دو بعدی معمولی با آن مواجه می شود، کاهش می دهد. بنابراین حیوانات را می توان به طور مداوم بدون محدودیت، بیهوشی یا تداخل رفتاری تحت نظر داشت.
از ردیابی حرکت تا نشانگرهای زیستی رفتاری دیجیتال
گرفتن حرکت فقط اولین قدم را نشان می دهد. ارزش واقعی هوش مصنوعی در تبدیل داده های حرکتی به نقاط پایانی رفتاری معنادار بیولوژیکی نهفته است.
پلت فرم تجزیه و تحلیل رفتاری ما به طور خودکار طیف گسترده ای از رفتارها را طبقه بندی می کند، از جمله حرکت، بالا رفتن، نظافت، خراشیدن، استراحت، تغییر وضعیت، حرکات دست، و ویژگی های راه رفتن. این سیستم به جای شمارش صرف رویدادهای رفتاری، فرکانس رفتاری، مدت زمان، مسیرهای فضایی، سینماتیک مفاصل، سرعت حرکت، شتاب و هماهنگی اندام ها را اندازه گیری می کند.
این پارامترهای کمی بیومارکرهای دیجیتالی بسیار حساس را ارائه می دهند که قادر به تشخیص پاسخ های فارماکودینامیک ظریف هستند که ممکن است قبل از پیشرفت های بالینی قابل مشاهده باشد. چنین اندازهگیریهای عینی بهویژه در بیماریهای عصبی که تغییرات عملکردی کوچک اغلب مزایای درمانی اولیه را نشان میدهند، ارزشمند هستند.
هوش مصنوعی عینیت و مقیاس پذیری را بهبود می بخشد
یکی از بزرگترین مزایای تجزیه و تحلیل رفتار مبتنی بر هوش مصنوعی، توانایی جایگزینی مشاهده ذهنی با ارزیابی محاسباتی استاندارد شده است.
این پلت فرم به جای تکیه بر بررسی دستی ویدیو، ضبط های مداوم را به صورت خودکار پردازش می کند و معیارهای تحلیلی یکسانی را در همه حیوانات در یک مطالعه اعمال می کند. این امر تنوع بین{1}}ناظر را حذف میکند و در عین حال ردیابی رفتار قاب به فریم را در کل دوره آزمایشی فعال میکند.
هر رویداد رفتاری به رکورد ویدیوی اصلی مرتبط میماند و یک گردش کار تحلیلی کاملاً قابل ردیابی ایجاد میکند که از تضمین کیفیت، تأیید دادهها و اسناد نظارتی پشتیبانی میکند. همانطور که توسعه دهندگان دارو به طور فزاینده ای به دنبال نقاط پایانی دیجیتال قابل تکرار هستند، این سطح از شفافیت نشان دهنده یک مزیت قابل توجه نسبت به امتیازدهی رفتاری مرسوم است.
گسترش تجزیه و تحلیل رفتاری فراتر از حرکت کل بدن-
فنوتیپ رفتاری فراتر از حرکت به تنهایی است. حالات چهره اغلب نشانه های مهمی از درد، ناراحتی و وضعیت عصبی را ارائه می دهد.
برای رفع این نیاز، Prisys همچنین در حال توسعه یک چارچوب پیشرفته تجزیه و تحلیل حالت چهره سه بعدی-بر اساسمقیاس گریمس سه بعدی غیر-پریمات انسانی (3DGS). این فناوری با ادغام تصویربرداری چند{1}}صورت با استخراج ویژگیهای مبتنی بر هوش مصنوعی{2}}، کمی سازی عینی حرکات ظریف ماهیچههای صورت را ممکن میسازد که ارزیابی مداوم با استفاده از امتیازدهی بصری معمولی دشوار است.

بیومارکرهای دیجیتالی درد به دست آمده کاربردهای گسترده ای در توسعه داروهای ضد درد، ارزیابی درد پس از عمل، مدل های بیماری التهابی و نظارت بر رفاه حیوانات دارند.
کاربردها در چندین حوزه درمانی
از آنجایی که نقاط پایانی رفتاری به طور گسترده در طول توسعه دارو مورد استفاده قرار میگیرند، فنوتیپسازی رفتاری مبتنی بر هوش مصنوعی از برنامههای تحقیقاتی متعددی فراتر از علوم اعصاب پشتیبانی میکند.
در مطالعات سیستم عصبی مرکزی، تجزیه و تحلیل رفتار دیجیتال ارزیابی عینی از بهبود حرکتی، ناهنجاریهای راه رفتن، وضعیت بدنی، شناخت و بهبود عملکرد را فراهم میکند. تحقیقات درد از ارزیابی کمی حرکت خود به خود، رفتار اجتنابی و شاخص های درد صورت سود می برد. برنامههای پوست و ایمونولوژی میتوانند رفتار خاراندن را به عنوان یک نقطه پایانی حساس فارماکودینامیک کنترل کنندخارش مزمنودرماتیت آتوپیک. ژن درمانی، سلول درمانی، و بیولوژیک به طور مشابه از نظارت مستمر طولانی مدت-بازیابی عملکردی که مکمل بیومارکرهای مولکولی و تصویربرداری است، سود می برند.
آینده علوم رفتاری ترجمه
توسعه داروی پیش بالینی به سرعت به سمت فنوتیپ دیجیتال یکپارچه در حال حرکت است، جایی که داده های رفتاری در کنار تصویربرداری عصبی، الکتروفیزیولوژی، فارماکوکینتیک، فارماکودینامیک و بیومارکرهای مولکولی تجزیه و تحلیل می شوند.
در Prisys Biotech، ما بر این باوریم که تجزیه و تحلیل رفتاری با هوش مصنوعی{0}}بهجای یک ابزار تحلیلی اختیاری، جزء ضروری تحقیقات ترجمهای خواهد بود. هدف ما با ترکیب بینایی کامپیوتری پیشرفته با مدلهای-تاسیسشده بیماری ما، قابلیتهای تصویربرداری بالینی، فنآوریهای EEG بیسیم و تخصص علوم اعصاب ترجمهای است که به توسعهدهندگان دارو نقاط پایانی عملکردی عینی، تکرارپذیر و مرتبط بالینی ارائه میکند که اعتماد به نفس در تصمیمگیری بالینی را بهبود میبخشد.
نتیجه گیری
ارزیابی رفتاری قابل اعتماد برای درک اثربخشی درمانی در مطالعات غیر{0}}پریماتهای انسانی، اساسی است. با این حال، توسعه داروی مدرن بیش از مشاهدات ذهنی نیاز دارد-به شواهد آماده کمی، قابل تکرار و نظارتی- نیاز دارد.
Prisys Biotech از طریق ضبط حرکت بدون نشانگر سه بعدی مجهز به هوش مصنوعی، فنوتیپ دیجیتال، طبقهبندی خودکار رفتاری، و توسعه کمی نشانگر زیستی، به تبدیل تحقیقات رفتاری از مشاهده دستی به یک علم دیجیتال استاندارد کمک میکند. با تسریع پذیرش هوش مصنوعی در تحقیقات پیش بالینی، تجزیه و تحلیل رفتاری دیجیتال نقش مهمی را در بهبود قابلیت پیشبینی ترجمه و حمایت از توسعه درمانهای ایمنتر و مؤثرتر ایفا میکند.













