จากวิดีโอสู่ข้อมูล: การติดตาม 3D AI สำหรับพฤติกรรม NHP

จุดสิ้นสุดด้านพฤติกรรมมีน้ำหนักจริงในการพัฒนายาที่ไม่ใช่-ไพรเมตของมนุษย์ (NHP) โดยเฉพาะอย่างยิ่งเมื่อผลการรักษาไม่ปรากฏในการอ่านค่าทางชีวเคมีหรือโครงสร้าง การเคลื่อนไหว ท่าทาง การเดิน กิจกรรมที่เกิดขึ้นเอง การเกา การตอบสนองทางใบหน้า: การเปลี่ยนแปลงใดๆ เหล่านี้อาจเป็นหลักฐานการทำงานของการลุกลามของโรคหรือการตอบสนองต่อการรักษา

ปัญหาคือพฤติกรรมของ NHP มีความต่อเนื่องและมีหลายมิติสูง การประเมินแบบทั่วไปอาศัยการสังเกตด้วยตนเอง การตรวจสอบวิดีโอ หรือระบบการให้คะแนนที่กำหนดไว้ล่วงหน้า สิ่งเหล่านี้ได้ผล แต่กินเวลาและมีความแปรปรวน-ระหว่างผู้สังเกตการณ์ ซึ่งจะกัดยากที่สุดเมื่อคุณพยายามหาปริมาณการเปลี่ยนแปลงที่พัฒนาเล็กน้อยหรือช้า-

คอมพิวเตอร์วิทัศน์และ AI นำเสนออีกทางหนึ่ง: เปลี่ยน-วิดีโอหลายมุมมองธรรมดาให้เป็นข้อมูลพฤติกรรมสามมิติที่มีโครงสร้าง- แทนที่จะถือว่าวิดีโอเป็นเหมือนบันทึกที่ใครบางคนต้องนั่งดู การติดตามแบบไม่มีเครื่องหมายจะแปลงการเคลื่อนไหวเป็นจุดสิ้นสุดทางจลนศาสตร์และจริยธรรมเชิงปริมาณ

ดังนั้นคำถามสำหรับงานแปลของ NHP ไม่ใช่ว่า AI สามารถ "ติดตามสัตว์" ได้หรือไม่ สิ่งสำคัญคือ-การวัดที่ได้มาจากวิดีโอกลายเป็นจุดสิ้นสุดที่มีความหมายทางวิทยาศาสตร์สำหรับการจำแนกลักษณะของโรคและการประเมินเภสัชวิทยาหรือไม่

การวิเคราะห์พฤติกรรม 3 มิติแบบไม่มีเครื่องหมายจับคู่การได้มาซึ่งวิดีโอ-หลายมุมมองที่ซิงโครไนซ์กับคอมพิวเตอร์วิทัศน์และ-การเรียนรู้เชิงลึก-โดยอิงการประมาณท่าทาง

ไม่มีเครื่องหมายสะท้อนแสง ไม่มีเซ็นเซอร์ติดอยู่กับสัตว์ ระบบจะระบุจุดสำคัญทางกายวิภาคโดยตรงจากเฟรมวิดีโอ และมุมมองของกล้องหลายตัวจะเติมเต็มจุดบอดของกันและกัน ซึ่งช่วยลดปัญหาการบดบังและเปอร์สเป็คทีฟที่รบกวน-การวิเคราะห์มุมมอง 2 มิติแบบครั้งเดียว จากนั้นคุณสามารถสร้างท่าทางและการเคลื่อนไหวของสัตว์ขึ้นมาใหม่ได้ในสามมิติ ขั้นตอนการวิเคราะห์พฤติกรรม NHP ของ Prisys ติดตามประเด็นสำคัญทางกายวิภาคมากกว่า 21 จุด ซึ่งเพียงพอที่จะระบุลักษณะการเคลื่อนไหวของร่างกายทั้งหมดและข้อต่อ-จลนศาสตร์ที่เกี่ยวข้องในเชิงปริมาณ

ไปป์ไลน์ทำงาน:หลาย-ดูวิดีโอ → การสร้างท่าทาง 3 มิติใหม่ → การแบ่งส่วนพฤติกรรม → การดึงพารามิเตอร์ → จุดสิ้นสุดทางเภสัชวิทยา

สิ่งหนึ่งที่ควรเข้าใจให้ชัดเจน: การประมาณท่าทางไม่ใช่จุดสิ้นสุด คุณค่าของมันคือการเปลี่ยนการสังเกตการเคลื่อนไหวส่วนบุคคลนับพันหรือล้านรายการให้กลายเป็นคุณลักษณะเชิงพฤติกรรมที่คุณสามารถตีความได้จริง

เมื่อคุณมีข้อมูลท่าทางสามมิติแล้ว พารามิเตอร์ทั้งเลเยอร์จะเปิดขึ้น

จลนศาสตร์อันดับแรก: ตำแหน่ง ความเร็ว วิถีการเคลื่อนไหว ท่าทาง ลักษณะการเดิน การประสานงานของแขนขา รูปแบบการเคลื่อนไหวที่เกี่ยวข้องกับข้อต่อ- จากนั้นพฤติกรรม: ลำดับการเคลื่อนไหวจะถูกแบ่งออกเป็นสถานะพฤติกรรมที่จดจำได้ และวิเคราะห์ผ่านหน้าต่างการสังเกตที่กำหนดไว้ เอกสารแพลตฟอร์มของ Prisys อธิบายการแบ่งลำดับพฤติกรรมโดยอัตโนมัติด้วยความแม่นยำเชิงเวลาจนถึงระดับวินาที ซึ่งจะนำคุณผ่านคะแนนพฤติกรรมที่แยกออกมาไปสู่โปรไฟล์พฤติกรรมที่ต่อเนื่อง

แทนที่จะเขียนว่าสัตว์ "แสดงกิจกรรมเพิ่มขึ้น" คุณสามารถปักหมุดได้ว่ากิจกรรมเพิ่มขึ้นเมื่อใด นานแค่ไหน รูปแบบการเคลื่อนไหวใดที่ทำให้เกิดการเปลี่ยนแปลง และดูว่าจังหวะเวลาสอดคล้องกับการให้ยาหรือไม่ นั่นเป็นภาพฟีโนไทป์และการตอบสนองต่อการรักษาที่ละเอียดยิ่งขึ้น-มาก

ข้อได้เปรียบที่ชัดเจนของการติดตามแบบไม่มีเครื่องหมาย: คุณรวบรวมข้อมูลพฤติกรรมโดยไม่ต้องแนบอะไรกับสัตว์

การจับการเคลื่อนไหวโดยใช้มาร์กเกอร์-จะให้ข้อมูลการเคลื่อนไหวโดยละเอียดแก่คุณ แต่การติดมาร์กเกอร์หรือเซ็นเซอร์หมายถึงการจัดการเพิ่มเติม และฮาร์ดแวร์อาจรบกวนการเคลื่อนไหวที่คุณพยายามวัดได้ การก้าวเท้าเลี่ยงอย่างไม่มีเครื่องหมายซึ่งสำคัญที่สุดเมื่อพฤติกรรมที่เกิดขึ้นเองเป็นจุดสิ้นสุดที่น่าสนใจ กรอบงานทางเทคนิคของ Prisys ผสมผสานการติดตามแบบไม่มีเครื่องหมายเข้ากับการได้มาซึ่ง-มุมมองหลายรายการพร้อมกันและการวิเคราะห์เชิงลึก-การเรียนรู้- การติดตามจุดสำคัญ-โดยอัตโนมัติและการวิเคราะห์พฤติกรรม ในขณะเดียวกันก็ตัดการบดเคี้ยวและขีดจำกัดเปอร์สเปคทีฟออก

การไม่มีเครื่องหมายไม่ได้หมายความว่าการตรวจสอบ-ฟรี AI-จุดสิ้นสุดด้านพฤติกรรมที่ได้รับนั้นยังต้องมีการตรวจสอบโมเดล-โดยเฉพาะ และการสัมมนาผ่านเว็บได้กล่าวถึงประเด็นนี้โดยตรง: ผลลัพธ์ของอัลกอริทึมควรได้รับการตรวจสอบกับข้อมูลอ้างอิงที่ได้รับการตรวจสอบของมนุษย์ที่เหมาะสม- และอ่านในบริบทของโมเดลสัตว์ การออกแบบการศึกษา และคำถามในการวิจัย ซึ่งจะเพิ่มขึ้นสองเท่าเมื่อการจำแนกพฤติกรรมทำหน้าที่เป็นจุดสิ้นสุดทางเภสัชพลศาสตร์มากกว่าการสังเกตเชิงสำรวจ

ผลลัพธ์ที่ได้จากการแปลจะเกิดขึ้นเมื่อคุณเชื่อมโยงข้อมูลการเคลื่อนไหวกับคำถามทางชีววิทยาหรือเภสัชวิทยาที่เฉพาะเจาะจง

ในการศึกษาประสิทธิภาพ "การเคลื่อนไหว" ไม่ใช่จุดสิ้นสุด จุดสิ้นสุดคือการรักษาจะลดพฤติกรรมทางพยาธิวิทยา ฟื้นฟูการทำงานของมอเตอร์ หรือเปลี่ยนวิถีการลุกลามของโรคหรือไม่

แอปพลิเคชันสามส่วนจากการสัมมนาผ่านเว็บ Prisys–Bayone NHP BehaviorAtlas แสดงให้เห็นว่ามีลักษณะอย่างไร

การเกานั้นใกล้เคียงกับกรณีที่สมบูรณ์แบบสำหรับการวัดปริมาณตามวัตถุประสงค์

การศึกษาอาการคันจำเป็นต้องมีความถี่ในการเกา ระยะเวลา การกระจายตัวของเวลา และลักษณะการเคลื่อนไหว การให้คะแนนด้วยตนเองใช้งานได้แต่จะถูกลงโทษเมื่อการสังเกตซ้ำตลอดหลายชั่วโมงหรือหลายวัน. 3การติดตาม D กำหนดลักษณะการเกาเป็นลำดับการเคลื่อนไหวที่มีโครงสร้างมากกว่าการนับเหตุการณ์ที่มองเห็นได้ และความสัมพันธ์ของวิถี ท่าทาง และเชิงพื้นที่ช่วยแยกการเกาจากการแปรงขนหรือการเคลื่อนไหวของแขนขาตามปกติ

ที่ Prisys การวิเคราะห์นี้จะเกี่ยวข้องกับการศึกษาอาการคันของ NHP ซึ่งรวมถึงแบบจำลองลิงแสมแสมที่ถูกเหนี่ยวนำด้วย IL-31ซึ่งสร้างพฤติกรรมการเกาที่วัดได้และการตอบสนองต่อการอักเสบสำหรับการประเมินการป้องกัน-อาการคันและกลยุทธ์การรักษาที่เกี่ยวข้อง การวัดพฤติกรรมควบคู่ไปกับการสังเกตทางคลินิก ตัวบ่งชี้ทางชีวภาพเกี่ยวกับการอักเสบ และการประเมินทางพยาธิวิทยาในฐานะจุดยุติทางเภสัชพลศาสตร์เสริม

ฟีโนไทป์ของมอเตอร์เป็นอีกสิ่งหนึ่งที่พอดีตามธรรมชาติ

ในโมเดล NHP ของโรคพาร์กินสันโรคหลอดเลือดสมอง และความผิดปกติทางระบบประสาทอื่นๆ การเปลี่ยนแปลงการทำงานจะแสดงในการเดิน ท่าทาง กิจกรรมที่เกิดขึ้นเอง การใช้แขนขา การประสานงาน หรือความเร็วในการเคลื่อนไหว คะแนนจากการสังเกตเพียงคะแนนเดียวพยายามจับภาพ. 3การติดตาม D ทั้งหมดนั้น แสดงถึงการเคลื่อนไหวเป็นชุดข้อมูลที่ขึ้นอยู่กับเวลา- ดังนั้นคุณจึงสามารถเปรียบเทียบลักษณะพฤติกรรมตามยาวก่อนและหลังการชักนำหรือรักษาโรคได้ ความสมมาตรของท่าเดิน ความเร็วการเคลื่อนไหว การเปลี่ยนท่าทาง และการประสานงานของแขนขาได้รับการประเมินร่วมกัน แทนที่จะเป็นบันทึกเดี่ยวๆ

สิ่งที่สำคัญที่สุดในการศึกษาประสิทธิภาพที่การฟื้นฟูการทำงานสร้างขึ้นอย่างต่อเนื่อง แทนที่จะได้มาโดยถือว่าใช่/ไม่ใช่โดยสมบูรณ์

ฟีโนไทป์ไม่จำเป็นต้องหยุดที่-การเคลื่อนไหวของร่างกายทั้งหมด

การสัมมนาผ่านเว็บครอบคลุมถึงการสร้างแบบจำลองใบหน้า 3 มิติและการวิเคราะห์การแสดงออก ซึ่งเป็นวิธีการหนึ่งในการตรวจจับการตอบสนองเล็กๆ น้อยๆ ที่เกี่ยวข้องกับความเจ็บปวดหรือความรู้สึกไม่สบาย โดยระบุการเปลี่ยนแปลงเชิงปริมาณในรูปทรงและการเคลื่อนไหวของใบหน้า แทนที่จะอาศัยการตีความด้วยภาพเชิงอัตนัย นี่ยังคงเป็นแอปพลิเคชั่นที่เกิดขึ้นใหม่ อ่านควบคู่ไปกับการสังเกตทางคลินิก การวัดทางสรีรวิทยา และจุดสิ้นสุดของการศึกษาอื่นๆ แล้วใส่คำอธิบายประกอบ -ลักษณะเฉพาะเฉพาะของแบบจำลอง และการตรวจสอบก่อนที่ลักษณะใบหน้าจะทำหน้าที่เป็นจุดสิ้นสุดทางเภสัชพลศาสตร์อย่างเป็นทางการ

พฤติกรรมตัวอย่างการประเมินแบบทั่วไป ณ จุดเวลาที่แน่นอน และนั่นคือข้อจำกัดที่แท้จริง การเปลี่ยนแปลงพฤติกรรมที่เกี่ยวข้องกับการรักษา-ที่เกิดขึ้นระหว่างกรอบการสังเกตจะตรวจไม่พบ การตรวจสอบอัตโนมัติอย่างต่อเนื่องหรือซ้ำๆ จะเติมลงในบันทึกชั่วคราวที่หนาแน่นยิ่งขึ้น

สิ่งดังกล่าวมีความสำคัญในเภสัชวิทยา ซึ่งจังหวะเวลาของผลกระทบทางพฤติกรรมมักเชื่อมโยงกับการสัมผัสยา:การบริหารยา → การสัมผัส → การตอบสนองทางเภสัชพลศาสตร์ → การเปลี่ยนแปลงพฤติกรรม

รวบรวมการวัดพฤติกรรมควบคู่ไปกับข้อมูล PK/PD และคุณสามารถสอบถามว่าพฤติกรรมเปลี่ยนแปลงไปภายในกรอบเวลาทางเภสัชวิทยาที่คาดหวังหรือไม่ และขนาดของการตอบสนองติดตามตามการสัมผัสหรือไม่ จุดสิ้นสุดด้านพฤติกรรมกลายเป็นองค์ประกอบหนึ่งของชุดข้อมูลการแปลที่กว้างขึ้น แทนที่จะเป็นการสังเกตแบบแยกส่วน

การวิเคราะห์พฤติกรรมจะยังคงอยู่เมื่อดำเนินการควบคู่ไปกับวิธีอื่นๆ

ที่ Prisys ฟีโนไทป์จะรวมเข้ากับการศึกษา NHP ในวงกว้างด้วยแบบจำลองโรค การประเมิน PK/PD การถ่ายภาพในสิ่งมีชีวิต พยาธิวิทยา และการวิเคราะห์ตัวชี้วัดทางชีวภาพ มันไม่ได้อยู่ที่นั่นเพื่อแทนที่จุดสิ้นสุดที่สร้างขึ้น โดยจะเพิ่มชั้นการทำงานที่เชื่อมโยงการเปลี่ยนแปลงระดับโมเลกุลและสรีรวิทยาเข้ากับฟีโนไทป์ที่สังเกตได้

ขั้นตอนการทำงาน:พฤติกรรม → PK/PD → การถ่ายภาพ → พยาธิวิทยา → ตัวชี้วัดทางชีวภาพ

แต่ละชิ้นจะตอบคำถามที่แตกต่างกัน พฤติกรรมให้การทำงาน PK/PD ให้การสัมผัสและการตอบสนองทางเภสัชวิทยา การถ่ายภาพให้ข้อมูลทางกายวิภาคหรือการทำงานตามยาว พยาธิวิทยาให้-ผลกระทบระดับเนื้อเยื่อ ตัวชี้วัดทางชีวภาพให้กลไกที่ซ่อนอยู่ การรวมกันจะนับได้มากที่สุดเมื่อการรักษาทำให้เกิดการเปลี่ยนแปลงการทำงานเล็กน้อยที่ไม่มีจุดสิ้นสุดของโมเลกุลหรือโครงสร้างจุดเดียวที่สะท้อนได้อย่างเต็มที่

การเปลี่ยนแปลงที่ใหญ่กว่านี้: วิดีโอหยุดเป็นเพียงบันทึกเชิงสังเกตการณ์และกลายเป็นแหล่งข้อมูลเชิงปริมาณ

วิดีโอหลายชั่วโมงเก็บข้อมูลพฤติกรรมไว้หลายชั่วโมง แต่การดึงออกมาด้วยมือนั้นช้าและไม่สอดคล้องกัน การติดตาม 3 มิติแบบไร้เครื่องหมายจะเปลี่ยนภาพเดียวกันให้เป็นชุดข้อมูลที่มีโครงสร้างซึ่งประกอบด้วยท่าทาง การเคลื่อนไหว ลำดับพฤติกรรม และรูปแบบเวลา นั่นคือรากฐานของฟีโนไทป์พฤติกรรมดิจิทัลในการวิจัยของ NHP

ข้อควรระวังประการหนึ่ง ฟีโนไทป์ดิจิทัลไม่ใช่การออกกำลังกายแบบอัตโนมัติ วิทยาศาสตร์จะคงไว้ซึ่งพารามิเตอร์ที่แยกออกมานั้นมีความเกี่ยวข้องทางชีวภาพ สามารถทำซ้ำได้ และได้รับการตรวจสอบความถูกต้องสำหรับคำถามที่มีอยู่แล้วเท่านั้น ในทางปฏิบัติ นั่นหมายถึงการเลือกจุดสิ้นสุดด้านพฤติกรรมก่อนที่การวิเคราะห์จะเริ่มขึ้น การกำหนดพฤติกรรมอ้างอิง การสร้างขั้นตอนการตรวจสอบ และการตีความการวัดที่ได้รับจาก AI- ควบคู่ไปกับเภสัชวิทยาทั่วไปและจุดสิ้นสุดของโรค

เนื่องจากการวิจัยพรีคลินิกเน้นที่จุดสิ้นสุดเชิงปริมาณและระยะยาวมากขึ้น การวิเคราะห์พฤติกรรมจึงมีความใกล้เคียงกับกลยุทธ์ทางเภสัชวิทยา การสร้างภาพ และตัวบ่งชี้ทางชีวภาพมากขึ้น การติดตามแบบ 3 มิติแบบไม่มีเครื่องหมาย การจำแนกพฤติกรรมอัตโนมัติ และชุดข้อมูลการแปลแบบหลายรูปแบบ ช่วยให้คุณอ่านการตอบสนองต่อการรักษาได้หลายระดับ ตั้งแต่การสัมผัสยาและกิจกรรมทางชีวภาพ ไปจนถึงฟีโนไทป์เชิงฟังก์ชัน

สำหรับระบบประสาทส่วนกลาง ความเจ็บปวด อาการคัน และสิ่งบ่งชี้อื่นๆ ที่พฤติกรรมเป็นส่วนสำคัญของฟีโนไทป์ของโรค สิ่งนี้ทำให้ผลลัพธ์ด้านการทำงานเป็นแนวทางในการวัดที่ตรงเป้าหมายมากขึ้น

โอกาสที่แท้จริงไม่ได้รวบรวมข้อมูลพฤติกรรมเพิ่มเติม กำลังสร้างจุดสิ้นสุดด้านพฤติกรรมที่ดีขึ้น-ซึ่งเชื่อมโยงกับกลไกทางเภสัชวิทยาและคำถามในการแปล

บทความนี้ต่อยอดจากการสัมมนาผ่านเว็บของ Prisys และ Bayone "NHP BehaviorAtlas: High-Fidelity 3D NHP Behavioral Tracking for Drug Development" ซึ่งครอบคลุมถึงการติดตาม 3D หลาย-มุมมอง การประมาณท่าทางแบบไม่มีเครื่องหมาย จลนศาสตร์ของพฤติกรรม การจำแนกพฤติกรรมอัตโนมัติ และการวิเคราะห์การแสดงออกทางสีหน้าในการวิจัยของ NHP

เพื่อการอภิปรายที่สมบูรณ์ยิ่งขึ้น ทั้งสองหน้าควรค่าแก่การอ่าน:

• การสัมมนาผ่านเว็บต้นฉบับ:การสัมมนาผ่านเว็บพฤติกรรม NHP Atlas|การติดตามพฤติกรรม 3D NHP สำหรับการพัฒนายา
• สรุปการสัมมนาผ่านเว็บ:สรุปการสัมมนาผ่านเว็บ: การพัฒนาการวิจัย NHP แบบแปลผ่านฟีโนไทป์พฤติกรรมดิจิทัล

สรุปเจาะลึกยิ่งขึ้นเกี่ยวกับความเจ็บปวด อาการคัน แบบจำลองโรคทางระบบประสาท การวิเคราะห์การแสดงออกทางสีหน้า และการบูรณาการจุดสิ้นสุดด้านพฤติกรรมกับ PK/PD การถ่ายภาพ พยาธิวิทยา และตัวชี้วัดทางชีวภาพ

สำหรับนักวิจัยที่วางแผนประสิทธิภาพของ NHP หรือการศึกษาเชิงแปล คำถามไม่ใช่ว่า AI จะสามารถสร้างข้อมูลพฤติกรรมได้มากขึ้นหรือไม่ ข้อมูลนั้นจะถูกแปลงเป็นจุดสิ้นสุดที่มีความหมายทางชีวภาพที่ผ่านการตรวจสอบแล้วหรือไม่ ซึ่งจะทำให้วิธีการอ่านการตอบสนองต่อการรักษาของคุณชัดเจนยิ่งขึ้น

ติดต่อพริซิส ไบโอเทค