Nov 05, 2026 پیام بگذارید

فنوتیپ سه بعدی رفتاری مبتنی بر هوش مصنوعی در پستانداران غیر انسانی: از ویدئو تا داده های کمی

رفتار یک نقطه پایانی عملکردی در تحقیقات پیش بالینی است، به ویژه در علوم اعصاب، تحقیقات درد و بیماری های عصبی. حرکت، وضعیت بدن، هماهنگی اندام، فعالیت خود به خود و الگوهای رفتاری خاص، همگی با پیشرفت بیماری و قرار گرفتن در معرض دارو تغییر می‌کنند.

Multi-view capture, 3D pose estimationand automated behavioral segmentation

توسعه داروی سیستم عصبی مرکزی (CNS).بستگی به آن بازخوانی های کاربردی دارد. ارزیابی رفتاری در پستانداران غیر انسانی (NHPs) با این وجود به خوبی اجرا نمی شود. تمرین سنتی بر مشاهده مستقیم، بررسی دستی ویدئو و امتیازدهی مبتنی بر تجربه متکی است. این روش‌ها ستون فقرات بسیاری از طرح‌های مطالعه باقی می‌مانند، و آهسته، مستعد تغییرپذیری بین ناظران، و برای رویدادهای ظریف یا کوتاه مدت هستند.

پیشرفت در هوش مصنوعی (AI) و بینایی کامپیوتر مسیر متفاوتی را باز کرده است. اکتساب ویدیوی چند نمای همگام، تخمین ژست سه بعدی بدون نشانگر و تجزیه و تحلیل رفتاری خودکار اکنون حرکت و وضعیت بدن را از رفتار طبیعی حیوانات استخراج می کند.

برای مطالعات NHP، فنوتیپ رفتاری سه بعدی مبتنی بر هوش مصنوعی یک بازخوانی عملکردی را به مشاهدات بالینی معمول، اندازه‌گیری فارماکوکینتیک/فارماکودینامیک (PK/PD)، تصویربرداری و سایر نقاط پایانی دارویی اضافه می‌کند.

پاسخ سریع: فنوتیپ رفتاری سه بعدی مبتنی بر هوش مصنوعی چیست؟

فنوتیپ رفتاری سه بعدی مبتنی بر هوش مصنوعی از ویدئوی چند دوربینی هماهنگ و تخمین پوز مبتنی بر هوش مصنوعی برای بازسازی حرکت حیوانات در فضای سه بعدی استفاده می کند. این کینماتیک حرکت، هماهنگی اندام، وضعیت بدن، راه رفتن و الگوهای رفتاری انتخاب شده را بدون چسباندن نشانگرهای ردیابی فیزیکی به حیوان، کمی می کند. در تحقیقات NHP، این رویکرد نقاط پایانی عملکردی عینی و طولی را به ارزیابی دارویی پیش بالینی اضافه می کند.

چرا ارزیابی رفتاری مرسوم دارای محدودیت هایی است؟

مشاهده رفتاری مدت‌هاست که برای ارزیابی عملکرد عصبی، فنوتیپ‌های بیماری و پاسخ دارویی در مطالعات حیوانی استفاده می‌شود. محدودیت ها زمانی ظاهر می شوند که جزئیات و اندازه گیری های مکرر مورد نیاز باشد.

امتیازدهی رفتاری دستی به معیارهای مشاهده از پیش تعریف شده و به تجربه محققان یا دامپزشکان آموزش دیده بستگی دارد. تفاوت در فراوانی مشاهده، تفسیر امتیازدهی و قضاوت فردی باعث ایجاد تنوع بین ناظران و در طول زمان مطالعه می شود.

وضوح زمانی دومین محدودیت است. مشاهده‌ای که در فواصل از پیش تعریف شده انجام می‌شود رویدادهای کوتاه یا متناوب را از دست می‌دهد، بنابراین یک قسمت خراش کوتاه، یک ناهنجاری گذرا در حرکت اندام یا یک تغییر کوچک در فعالیت خود به خودی بین پنجره‌های مشاهده می‌گذرد.

Why Quantitative Behavioral Phenotyping Matters

تجزیه و تحلیل ویدیوی دو بعدی بیشتر ضبط می کند اما کمتر حل می شود. تمایل دارد پارامترهای ساده ای مانند فاصله حرکتی کل و سطح فعالیت کلی را گزارش کند و مسیرهای تک تک اندام، تغییر وضعیت سه بعدی یا حرکاتی که چندین قسمت بدن را در یک زمان درگیر می کند را از هم جدا نمی کند.

ضبط حرکت مبتنی بر نشانگر، اطلاعات سینماتیکی غنی‌تری را به قیمت سخت‌افزار روی حیوان حمل می‌کند. نشانگرهای انعکاسی یا دستگاه‌های ردیاب کنترل را اضافه می‌کنند و در برخی تنظیمات آزمایشی با حرکت طبیعی یا نظارت در طول هفته‌ها تداخل می‌کنند.

این محدودیت ها توسعه را تشویق کردتحلیل رفتاری سه بعدی بدون نشانگر، که مشاهده ویدیویی را با بازسازی حرکتی به کمک هوش مصنوعی جفت می کند.

تجزیه و تحلیل رفتار سه بعدی بدون نشانگر مبتنی بر هوش مصنوعی چگونه کار می کند

فنوتیپ رفتاری سه بعدی ترکیبی از اکتساب ویدیوی چند نمای، بینایی کامپیوتری، تخمین ژست مبتنی بر یادگیری عمیق و تجزیه و تحلیل داده های رفتاری است. سیستم‌های بدون نشانگر به‌جای تکیه بر نشانگرهای بازتابنده ثابت شده روی حیوان، نشانه‌های آناتومیک را مستقیماً از تصاویر ویدیویی شناسایی می‌کنند.

1. همگام سازی چند نمایش ویدئو

ضبط با دوربین های متعددی که در اطراف یک محیط ضبط تعریف شده قرار گرفته اند، اول است. در پیکربندی کسب NHP ارائه شده در ماوبینار فنی، چهار دوربین هماهنگ شده در اطراف محفظه ضبط قرار می گیرند و مناظر همپوشانی یک حیوان را که آزادانه در حال حرکت هستند ضبط می کنند.

AI-Powered 3D NHP Behavioral Analysis Multi-view capture, 3D pose estimationand automated behavioral segmentation

همپوشانی نکته است. یک دوربین نمی‌تواند هر حرکتی را از هر جهت ببیند و وقتی حیوان می‌چرخد، بالا می‌رود، با اشیا ارتباط برقرار می‌کند یا وضعیت بدن را تغییر می‌دهد، اعضای بدن از دید خارج می‌شوند. ضبط همزمان اجازه می دهد تا تصاویر از زوایای مختلف با هم تجزیه و تحلیل شوند و اطلاعات فضایی مورد نیاز بازسازی سه بعدی را فراهم می کند.

موقعیت های دوربین، نور، محیط ضبط و روش مشاهده از نقاط پایانی رفتاری مورد نظر و اهداف مطالعه پیروی می کنند.

2. تخمین حالت سه بعدی بدون نشانگر

سپس مدل‌های بینایی کامپیوتری مبتنی بر هوش مصنوعی، نشانه‌های آناتومیکی را در تصاویر ثبت‌شده شناسایی کرده و از آن‌ها برای تخمین پیکربندی بدن و بازسازی یک نمایش اسکلتی سه‌بعدی استفاده می‌کنند. تغییر وضعیت بدن و حرکت مناطق تشریحی فردی در طول زمان بدون نشانگر روی حیوان ردیابی می شود.

در مقایسه با نظارت ساده بر فعالیت، تخمین ژست سه بعدی نحوه حرکت یک حیوان را شرح می دهد: مسیر اندام، انتقال وضعیت و حرکت هماهنگ بین اعضای بدن.

کیفیت بازسازی بستگی به کالیبراسیون دوربین، همگام سازی، دید نشانه های آناتومیکی و میزان انسداد دارد.

3. تحلیل کمی رفتاری

داده های حرکت سه بعدی به پارامترهای رفتاری کمی در چهار سطح تبدیل می شوند.

سینماتیک حرکت

سینماتیک حرکت، دینامیک حرکت را توصیف می کند. سرعت، شتاب و مسیر حرکت، فعالیت خود به خود و تغییرات در الگوی حرکتی را مشخص می کند و خط پایه را از شرایط پس از درمان جدا می کند.

وضعیت اندام و ردیابی راه رفتن

موقعیت های اندام که در طول زمان ردیابی می شوند، حرکت، هماهنگی و ناهنجاری حرکتی را مشخص می کنند. در مدل‌های بیماری‌های عصبی، این سطح تغییر در هماهنگی اندام چپ و راست، تقارن حرکتی، ویژگی‌های راه رفتن و عملکرد حرکتی ظریف را نشان می‌دهد.

تخمین حالت سه بعدی

تخمین پوس در مختصات فضایی، وضعیت بدن و حرکت مفصل را توصیف می‌کند، که برای رفتارهایی که مسافت طی شده یا ویدیوی دو بعدی نمی‌تواند مشخص شود، اهمیت دارد.

تقسیم بندی رفتاری خودکار

تقسیم‌بندی رفتاری حالت‌ها یا رویدادهای رفتاری خاص را از حرکت‌های ناشی از ویدئو شناسایی و طبقه‌بندی می‌کند. بسته به مدل تحلیلی و وضعیت اعتبار سنجی آن، که حرکت، نظافت، خراشیدن، بالا رفتن، انتقال وضعیت یا الگوهای حرکتی تکراری را پوشش می‌دهد. تقسیم‌بندی خودکار مرور ویدیویی دستی را که مجموعه‌های داده بزرگ و مطالعات طولی در غیر این صورت به آن نیاز دارند، کاهش می‌دهد.

این چهار سطح مکمل یکدیگر هستند، نه قابل تعویض: ترکیب درست از پرسش علمی، رفتار هدف و وضعیت اعتبار مدل ناشی می شود.

کاربردها در تحقیقات پیش بالینی NHP

فنوتیپ کمی رفتاری در سراسر مناطق درمانی اعمال می شود که در آن تغییرات عملکردی نشان دهنده بیماری یا پاسخ درمانی است.

CNS و تحقیقات بیماری های عصبی

در مدل‌های بیماری‌های عصبی، تغییرات حرکتی به صورت کاهش حرکت، راه رفتن غیرطبیعی، اختلال در هماهنگی یا تغییر فعالیت خودبه‌خودی نشان داده می‌شود.بیماری پارکینسونو سایر شرایط تخریب کننده عصبی، کنترل حرکتی را به تدریج تغییر می دهند، و ردیابی حرکت دو طرفه دست، مسیر اندام و الگوی حرکتی نقاط پایانی کمی را برای آن ناهنجاری ها اضافه می کند. اندازه گیری مکرر در طول مطالعه نشان می دهد که آیا عملکرد حرکتی با درمان تغییر می کند یا خیر.

تحقیق درد و خارش

درد و خارش واکنش‌های رفتاری قابل تشخیصی ایجاد می‌کنند: خاراندن، تغییر الگوهای حرکتی، تغییر فعالیت‌های خود به خودی. درمطالعات خارش NHPتجزیه و تحلیل خراش خودکار فرکانس، مدت زمان و توزیع زمانی خراش را اندازه گیری می کند و داده های حرکتی سه بعدی می تواند به جدا کردن خراشیدن از نظافت یا حرکت معمول بدن که از حرکات اندام مشابه استفاده می کند کمک کند.

این اندازه گیری ها مکمل مشاهدات بالینی و سایر نقاط پایانی فارماکودینامیک در ارزیابی کاندیدهای ضد خارش یا ضد التهاب است.

ارزیابی عملکرد حرکتی و راه رفتن

تجزیه و تحلیل راه رفتن یک برنامه مستقیم است. مسیرهای بازسازی شده اندام و وضعیت بدن در طول حرکت نشان دهنده تغییر در تقارن حرکتی، هماهنگی و ویژگی های راه رفتن است. از آنجا که هیچ نشانگری متصل نیست، حرکت تحت شرایط طبیعی طراحی شده برای مطالعه ثبت می شود. ارزیابی مکرر عملکرد حرکتی در مدل‌های بیماری‌های عصبی، و در مطالعات بهبود عملکردی، جایی است که این مهم‌تر است.

فنوتیپ رفتاری طولی

تغییر رفتار همیشه یک رویداد مجزا نیست. در برخی مدل‌ها، تغییر فعالیت خود به خودی، کاوش، حرکت تکراری یا توزیع حالت رفتاری به تدریج توسعه می‌یابد. دریافت ویدیوی طولی با تجزیه و تحلیل خودکار، الگوهای رفتاری را در طول دوره‌های مطالعه و شرایط درمان، از جمله نحوه توزیع حرکت، نحوه تغییر الگوهای فعالیت و نحوه تغییر رفتار تکراری در طول زمان، مقایسه می‌کند.

تفسیر باید شرایط ثبت، فعالیت پایه، سازگاری حیوانات و سایر منابع تغییرپذیری رفتاری را در نظر بگیرد.

اجرای تجزیه و تحلیل رفتاری مبتنی بر هوش مصنوعی در مطالعات NHP Prisys

در Prisys Biotech، فنوتیپ سه بعدی رفتاری مبتنی بر هوش مصنوعی در مطالعات فارماکولوژی پستانداران غیر انسانی به عنوان یک ارزیابی عملکردی اضافی گنجانده شده است.

تمرکز اصلی ما طراحی و اجرای تحقیقات NHP in vivo است: آماده‌سازی حیوانات، برنامه‌ریزی ارزیابی رفتاری خاص مطالعه، طراحی پروتکل ضبط، اکتساب ویدیو، و ادغام اندازه‌گیری‌های رفتاری با سایر نقاط پایانی دارویی. برای خود تجزیه و تحلیل به کمک هوش مصنوعی، Prisys بینایی کامپیوتری تخصصی و فناوری های تحلیل رفتاری سه بعدی را با توجه به الزامات هر برنامه تحقیقاتی هماهنگ می کند.

گردش کار طراحی مطالعه را با ضبط ویدیوی چند نمای، بازسازی حرکت سه بعدی و تجزیه و تحلیل کمی رفتاری مرتبط می کند، بنابراین اندازه گیری های رفتاری در زمینه مدل حیوانی، شرایط درمان و اهداف مطالعه خوانده می شوند.

بازخوانی های رفتاری به صورت مجزا گزارش نمی شوند. ارزش علمی آنها بستگی به این دارد که اندازه گیری های انتخاب شده چقدر با فنوتیپ بیماری و سؤال فارماکولوژیک مطابقت دارند. در صورت لزوم، نقاط پایانی رفتاری در کنار داده‌های PK/PD قرار می‌گیرند،تصویربرداری بالینیاندازه‌گیری‌های فیزیولوژیکی و ارزیابی پاتولوژیک برای حمایت از ارزیابی کامل‌تر پاسخ دارویی در مدل‌های NHP.

ملاحظات روش شناختی: اعتبار سنجی و طراحی مطالعه

تجزیه و تحلیل رفتاری مبتنی بر هوش مصنوعی گزینه‌های اندازه‌گیری جدیدی را باز می‌کند، اما خروجی‌های آن به‌طور خودکار نقاط پایانی فارماکودینامیک تأیید نمی‌شوند.

اعتبارسنجی رفتاری خاص

یک مدل هوش مصنوعی در برابر حاشیه‌نویسی‌های مرجع تعریف‌شده، از جمله بخش‌های ویدیویی بازبینی شده توسط انسان در صورت وجود، ارزیابی می‌شود. اعتبارسنجی رفتارهای مرتبط با مطالعه را هدف قرار می‌دهد، زیرا عملکرد کلی ردیابی وضعیت، تشخیص دقیق هر دسته‌بندی رفتاری را ایجاد نمی‌کند. تشخیص حرکت کلی اندام با تشخیص خراشیدن از نظافت یکسان نیست و هر رفتار هدف نیاز به تعریف عملیاتی و داده های عملکرد طبقه بندی خاص خود دارد.

پیکربندی ضبط

چیدمان دوربین، همگام سازی، نورپردازی، محیط ضبط و موقعیت حیوانات همگی بر کیفیت ویدیو تأثیر می گذارند. فرض بر این نیست که مدلی که تحت یک تنظیم ضبط پیکربندی شده است، در شرایط مختلف به طور یکسان عمل می کند: تغییرات در هندسه دوربین، ویژگی های حیوان یا محیط ضبط نیاز به کالیبراسیون و اعتبار سنجی بیشتری دارد.

انسداد و کیفیت داده ها

انسداد زمانی اتفاق می‌افتد که بدن خود حیوان، ساختارهای قفس یا سایر اشیاء قسمت‌های بدن را پنهان می‌کند، که باعث کاهش قابلیت اطمینان تخمین پوز در فریم‌های جداگانه می‌شود. بنابراین ارزیابی کیفیت داده ها، اطمینان ردیابی، نشانه های از دست رفته و نسبت زمان ضبط قابل استفاده را پوشش می دهد.

تعریف نقطه پایانی رفتاری

نقطه پایانی رفتاری هدف قبل از شروع مطالعه تعریف می‌شود: چه چیزی به عنوان یک رویداد رفتاری به حساب می‌آید، رویدادها چگونه شمارش می‌شوند، کدام دوره‌های مشاهده مرتبط هستند و اندازه‌گیری‌های حاصل چگونه تفسیر خواهند شد. رفتارهای پیچیده و فنوتیپ‌های خاص بیماری به این نیاز دارند که از قبل حل و فصل شوند، زیرا طبقه‌بندی خودکار آن رفتارها به پیکربندی و اعتبار مدل اضافی نیاز دارد.

اندازه‌گیری‌های مشتق‌شده از هوش مصنوعی زمانی در کارهای ترجمه مفید هستند که به صورت علمی تعریف شده، قابل تکرار و تفسیر به همراه سایر نقاط پایانی مرتبط باشند.

نقش فنوتیپ کمی رفتاری در توسعه دارویی

فنوتیپ سه بعدی رفتاری مبتنی بر هوش مصنوعی روشی را برای مطالعه تغییرات عملکردی در پستانداران غیر انسانی اضافه می کند. دریافت ویدیوی هماهنگ، تخمین حالت بدون نشانگر و تجزیه و تحلیل رفتاری خودکار، بازخوانی تعداد فعالیت‌های ساده را به سمت حرکت، وضعیت بدن، هماهنگی و الگوهای رفتاری انتخاب شده حرکت می‌دهد.

برای CNS، درد و سایر نواحی درمانی که نتیجه عملکردی مهم است، این اندازه‌گیری‌ها مکمل نقاط پایانی فارماکولوژیک و فیزیولوژیکی است.

در Prisys، ارزیابی رفتاری کمی بخشی از یک گردش کار تحقیقاتی ترجمه‌ای NHP است. آنچه که وزن علمی دارد، پیوند بین یک آزمایش in vivo با دقت طراحی شده و یک اندازه‌گیری رفتاری است که از نظر بیولوژیکی معنی‌دار و به درستی تایید شده است.

مقالات بعدی در این مجموعه کاربردهای خاصی از جمله تشخیص خودکار خراش، هماهنگی حرکتی دوطرفه، تجزیه و تحلیل راه رفتن بدون نشانگر، ارزیابی رفتاری طولی و ادغام داده‌های رفتاری با سایر نقاط پایانی دارویی را پوشش می‌دهند.

سری برنامه ها را کاوش کنید

این مقاله مبانی روش شناختی را بیان می کند. مقاله‌های زیر چگونگی اعمال این رویکرد را برای سؤالات تحقیقاتی خاص NHP بررسی می‌کنند:

  • تشخیص خودکار رفتار خراش در Cynomolgus Macaques. کمی کردن نقاط پایانی رفتاری مرتبط با خارش با تخمین حالت سه بعدی و تحلیل حرکت.
  • ارزیابی هماهنگی حرکتی دوطرفه در مدل های NHP. ارزیابی مسیر حرکت چپ به راست و ناهنجاری های حرکتی عملکردی.
  • تحلیل راه رفتن سه بعدی بدون نشانگر در پستانداران غیر انسانی مشخص کردن حرکت، مسیر اندام و هماهنگی حرکت.
  • فنوتیپ رفتاری طولی و تحلیل رفتار کلیشه ای. نظارت بر تغییرات در الگوهای فعالیت و رفتار تکراری در شرایط مطالعه.
  • ادغام تجزیه و تحلیل رفتار هوش مصنوعی با فارماکولوژی NHP. اتصال نقاط پایانی رفتاری با PK/PD، تصویربرداری، پایش فیزیولوژیکی و سایر اندازه‌گیری‌های ترجمه.

فنوتیپ کمی رفتاری از طراحی مطالعات پیش بالینی آموزنده NHP پشتیبانی می کند.

درباره Prisys Biotech

Prisys Biotech در مدل های بیماری پستانداران غیر انسانی، فارماکولوژی پیش بالینی و تحقیقات ترجمه تخصص دارد. قابلیت‌های آن شامل ارزیابی اثربخشی در داخل بدن، ارزیابی رفتاری، تصویربرداری بالینی و مطالعات فارماکولوژیک یکپارچه برای شرکت‌های دارویی و بیوتکنولوژی می‌شود. برای همکاری تحقیقاتی یا سوالات طراحی مطالعه NHP، تماس بگیریدbd@prisysbiotech.com.

خواندن مرتبط

Prisys به مطالعه علوم اعصاب طبیعت در مورد فارماکولوژی روانگردان و پاسخ های رفتاری کمک می کند

با Prisys Biotechnologies تماس بگیرید

 

ارسال درخواست

Prisys Biotechnologies Co., Ltd.

سلامت بهتر انسان توسط Primate Translational Sciences.

NHP CRO برای تحقیقات ترجمه، PK/PD و تحویل دقیق

img
AAALAC معتبر بین المللی
تماس با ما

واتساپ

تلفن

ایمیل-

استعلام