Från video till data: 3D AI-spårning för NHP-beteende

Beteendemässiga slutpunkter har stor vikt vid utveckling av läkemedel som inte-human primater (NHP), särskilt när en terapeutisk effekt inte visar sig i biokemiska eller strukturella avläsningar. Rörelse, hållning, gång, spontan aktivitet, repor, ansiktsreaktioner: förändringar i någon av dessa kan vara funktionella bevis på sjukdomsprogression eller behandlingssvar.

Problemet är att NHP-beteendet är kontinuerligt och mycket flerdimensionellt. Konventionell bedömning bygger på manuell observation, videogranskning eller fördefinierade poängsystem. De fungerar, men de äter tid och bär på variabilitet mellan-observatörer, vilket biter hårdast när du försöker kvantifiera subtila eller långsamma-förändringar.

Datorseende och AI erbjuder en annan väg: förvandla vanlig multi-video till strukturerad tre-beteendedata. Istället för att behandla video som en skiva som någon måste sitta igenom, omvandlar markörlös spårning rörelse till kvantitativa kinematiska och etologiska slutpunkter.

Så frågan för NHP:s översättningsarbete är inte om AI kan "spåra ett djur". Det handlar om huruvida video-härledda mätningar blir vetenskapligt meningsfulla slutpunkter för att karakterisera sjukdom och utvärdera farmakologi.

Markörlös 3D-beteendeanalys parar synkroniserad multi-videoinsamling med datorseende och djup-inlärning-baserad positionsuppskattning.

Inga reflekterande markörer, inga sensorer fästa på djuret. Systemet identifierar anatomiska nyckelpunkter direkt från videoramarna, och flera kameravyer fyller i varandras blinda fläckar, vilket underlättar ocklusions- och perspektivproblemen som plågar 2D-analys med enkel-visning. Utifrån det kan du rekonstruera djurets hållning och rörelse i tre dimensioner. Prisys NHP beteendeanalys arbetsflöde spårar mer än 21 anatomiska nyckelpunkter, tillräckligt för att karakterisera hela-kroppsrörelser och ledrelaterade-kinematik kvantitativt.

Rörledningen löper:Fler-visa video → 3D poserekonstruktion → beteendesegmentering → parameterextraktion → farmakologisk slutpunkt

En sak som är värd att vara tydlig med: ställningsuppskattning är inte slutpunkten. Dess värde är att omvandla tusentals eller miljoner individuella rörelseobservationer till beteendeegenskaper som du faktiskt kan tolka.

När du väl har 3D-poseringsdata öppnas ett helt lager av parametrar.

Kinematik först: position, hastighet, rörelsebana, hållning, gångegenskaper, extremitetskoordination, ledrelaterade-rörelsemönster. Sedan beteende: rörelsesekvenser segmenteras i igenkännbara beteendetillstånd och analyseras över definierade observationsfönster. Prisys plattformsdokumentation beskriver automatiserad nedbrytning av beteendesekvenser med tidsmässig precision ner till en skala av sekunder, vilket för dig förbi isolerade beteendepoäng mot kontinuerliga beteendeprofiler.

Istället för att skriva ner att ett djur "visade ökad aktivitet" kan du slå fast när aktiviteten steg, hur länge den höll i sig, vilka rörelsemönster som drev förändringen och om tidpunkten stämmer överens med doseringen. Det är en mycket finare-bild av fenotyp och behandlingssvar.

Den uppenbara fördelen med spårning utan markör: du samlar in beteendedata utan att fästa något på djuret.

Markör-baserad rörelsefångst ger dig detaljerad rörelseinformation, men att fästa markörer eller sensorer innebär extra hantering och hårdvaran kan störa själva rörelsen du försöker mäta. Markörlös kringgår det, vilket betyder mest när spontant beteende i sig är slutpunkten av intresse. Prisys tekniska ramverk kombinerar markörlös spårning med synkroniserad multi-insamling av fler vyer och djup-inlärning-baserad analys, automatiserad nyckel-punktsspårning och beteendeanalys samtidigt som ocklusions- och perspektivgränser trimmas.

Markörlös betyder inte validering-fri. AI-härledda beteendeendpoints behöver fortfarande modellspecifik validering-, och sammanfattningen av webbseminariet gjorde detta direkt: algoritmiska utdata bör kontrolleras mot lämpliga-referenser som granskats av människor och läsas i samband med djurmodellen, studiedesignen och forskningsfrågan. Det går dubbelt när beteendeklassificering fungerar som en farmakodynamisk slutpunkt snarare än utforskande observation.

Den translationella vinsten kommer när du knyter rörelsedata till en specifik biologisk eller farmakologisk fråga.

I en effektstudie är "rörelse" inte slutpunkten. Slutpunkten är huruvida behandlingen minskar ett patologiskt beteende, återställer motorisk funktion eller förändrar sjukdomsprogressionens bana.

Tre applikationsområden från Prisys–Bayone NHP BehaviorAtlas webbseminarium visar hur det ser ut.

Scratching är nära ett perfekt fall för objektiv kvantifiering.

Pruritusstudier behöver repningsfrekvens, varaktighet, tidsfördelning och rörelseegenskaper. Manuell poängsättning fungerar men blir straffbar när observationer upprepas över timmar eller dagar. 3D-spårning kännetecknar repning som en strukturerad rörelsesekvens snarare än ett antal synliga händelser, och bana, hållning och rumsliga relationer hjälper till att skilja repning från grooming eller rutinmässiga lemrörelser.

Hos Prisys går denna analys in i NHP pruritusstudier, inklusiveIL-31-inducerad cynomolgus makakmodell, som producerar mätbart repbeteende och inflammatoriska svar för att utvärdera anti-klåda och relaterade terapeutiska strategier. Beteendemätningarna sitter vid sidan av kliniska observationer, inflammatoriska biomarkörer och patologiska bedömningar som komplementära farmakodynamiska effektmått.

Motoriska fenotyper är den andra naturliga passformen.

I NHP-modeller avParkinsons sjukdom, stroke och andra neurologiska störningar, de funktionella förändringarna visar sig i gång, hållning, spontan aktivitet, användning av extremiteter, koordination eller rörelsehastighet. En enda observationspoäng kämpar för att fånga allt detta. 3D-spårning representerar rörelse som en tids-beroende datauppsättning, så att du kan jämföra beteendeegenskaper longitudinellt före och efter sjukdomsinduktion eller behandling. Gångsymmetri, rörelsehastighet, hållningsövergångar och extremitetskoordination utvärderas tillsammans istället för som isolerade toner.

Det är viktigast i effektstudier där funktionell återhämtning utvecklas gradvis snarare än att komma fram som ett rent ja/nej.

Fenotypning behöver inte stanna vid hela-kroppsrörelser.

Webinariet behandlade 3D-ansiktsmodellering och uttrycksanalys som ett sätt att fånga subtila svar associerade med smärta eller obehag, kvantifiera förändringar i ansiktsgeometri och rörelse istället för att luta sig mot subjektiv visuell tolkning. Detta är fortfarande en applikation som håller på att växa fram. Läs den tillsammans med etablerade kliniska observationer, fysiologiska mätningar och andra studieresultat och lägg i annoteringen, den modellspecifika-karakteriseringen och valideringen innan ansiktsdrag fungerar som ett formellt farmakodynamiskt slutmått.

Konventionella bedömningar prover beteende vid fasta tidpunkter, och det är en verklig begränsning. En behandlingsrelaterad- beteendeförändring som sker mellan observationsfönstren förblir oupptäckt. Kontinuerlig eller upprepad automatiserad övervakning fyller i en tätare tidsregistrering.

Det spelar roll inom farmakologi, där tidpunkten för en beteendeeffekt ofta är kopplad till läkemedelsexponering:Läkemedelsadministration → exponering → farmakodynamisk respons → beteendeförändring

Samla beteendemätningar tillsammans med PK/PD-data och du kan fråga om beteendet förändrats inom det förväntade farmakologiska fönstret och om storleken på svaret följer med exponeringen. Den beteendemässiga slutpunkten blir en komponent i en bredare translationell datauppsättning istället för en isolerad observation.

Beteendeanalys förtjänar sin behållning när den löper vid sidan av de andra modaliteterna.

På Prisys viker fenotypning in i bredare NHP-studier med sjukdomsmodeller, PK/PD-bedömning, in vivo-avbildning, patologi och biomarköranalys. Det är inte till för att ersätta etablerade slutpunkter. Den lägger till ett funktionellt lager som kopplar molekylär och fysiologisk förändring till observerbar fenotyp.

Arbetsflödet:Beteende → PK/PD → bildbehandling → patologi → biomarkörer

Varje del besvarar en annan fråga. Beteende ger funktion, PK/PD ger exponering och farmakologisk respons, avbildning ger longitudinell anatomisk eller funktionell information, patologi ger effekter på vävnads-nivå, biomarkörer ger underliggande mekanism. Kombinationen räknas mest när en behandling producerar subtil funktionell förändring som ingen enskild molekylär eller strukturell slutpunkt helt återspeglar.

Det större skiftet här: video slutar vara ett observationsrekord och blir en kvantitativ datakälla.

Timmar av bilder innehåller timmar av beteendeinformation, men att dra ut den för hand är långsam och inkonsekvent. Markörlös 3D-spårning förvandlar samma film till strukturerade datauppsättningar som innehåller poser, rörelser, beteendesekvenser och tidsmönster. Det är grunden för digital beteendefenotypning i NHP-forskning.

En varning. Digital fenotypning är inte en automatiseringsövning. Vetenskapen håller bara om de extraherade parametrarna är biologiskt relevanta, reproducerbara och validerade för den aktuella frågan. I praktiken innebär det att man väljer beteendeändpunkter innan analysen börjar, definierar referensbeteenden, upprättar valideringsprocedurer och tolkar AI-härledda mätningar tillsammans med konventionell farmakologi och sjukdomsslutpunkter.

Eftersom preklinisk forskning lutar hårdare mot kvantitativa, longitudinella slutpunkter, kommer beteendeanalyser att ligga närmare farmakologi, avbildning och biomarkörstrategier. Markörlös 3D-spårning, automatiserad beteendeklassificering och multimodala translationella datauppsättningar låter dig läsa behandlingssvar på flera nivåer, från läkemedelsexponering och biologisk aktivitet till funktionell fenotyp.

För CNS, smärta, klåda och andra indikationer där beteende är en central del av sjukdomsfenotypen, ger detta funktionella utfall en mer objektiv mätstav.

Den verkliga möjligheten är inte att samla in mer beteendedata. Det genererar bättre-definierade beteendemässiga slutpunkter som kopplar till farmakologiska mekanismer och translationella frågor.

Den här artikeln bygger på Prisys och Bayone-webinariet, "NHP BehaviorAtlas: High-Fidelity 3D NHP Behavioral Tracking for Drug Development", som omfattade 3D-spårning med flera-vyer, uppskattning av position utan markör, beteendekinematik, automatiserad beteendeklassificering och analys av ansiktsuttryck i NHP.

För en mer fullständig diskussion är båda sidorna värda att läsa:

• Ursprungligt webbseminarium:NHP BehaviorAtlas webbseminarium|3D NHP beteendespårning för läkemedelsutveckling
• Sammanfattning av webbseminariet:Sammanfattning av webbseminariet: Att främja translationell NHP-forskning genom digital beteendefenotypning

Sammanfattningen går djupare på smärta, klåda, neurologiska sjukdomsmodeller, ansiktsuttrycksanalys och integrationen av beteendemässiga endpoints med PK/PD, bildbehandling, patologi och biomarkörer.

För forskare som planerar NHP-effektivitet eller translationella studier: frågan är inte om AI kan generera mer beteendedata. Det är huruvida dessa data omvandlas till validerade, biologiskt meningsfulla slutpunkter som skärper hur du läser behandlingssvar.

Kontakta Prisys Biotech