Beteende är en funktionell slutpunkt i preklinisk forskning, särskilt inom neurovetenskap, smärtforskning och neurodegenerativ sjukdom. Rörelse, hållning, extremitetskoordination, spontan aktivitet och specifika beteendemönster förändras med sjukdomsprogression och med läkemedelsexponering.
Utveckling av läkemedel i centrala nervsystemet (CNS).beror på dessa funktionella avläsningar. Beteendebedömning hos icke-mänskliga primater (NHP) är ändå svårt att köra bra. Traditionell praxis bygger på direkt observation, manuell videogranskning och erfarenhetsbaserad poängsättning. Dessa metoder förblir ryggraden i många studiedesigner, och de är långsamma, benägna att variera mellan observatörer och för grova för subtila eller kortvariga händelser.
Framsteg inom artificiell intelligens (AI) och datorseende har öppnat en annan väg. Synkroniserad videoinsamling med flera vyer, markörlös 3D-ställningsuppskattning och automatiserad beteendeanalys extraherar nu rörelse och hållning från naturligt förekommande djurbeteende.
För NHP-studier lägger AI-driven 3D-beteendefenotypning till en funktionell avläsning till konventionell klinisk observation, farmakokinetisk/farmakodynamisk (PK/PD) mätning, avbildning och andra farmakologiska slutpunkter.
Snabbt svar: Vad är AI-driven 3D-beteendefenotypning?
AI-driven 3D-beteendefenotypning använder synkroniserad video med flera kameror och AI-baserad ställningsuppskattning för att rekonstruera djurrörelser i tredimensionellt utrymme. Den kvantifierar rörelsekinematik, extremitetskoordination, hållning, gång och utvalda beteendemönster utan att fästa fysiska spårningsmarkörer på djuret. I NHP-forskning lägger tillvägagångssättet objektiva, longitudinella funktionella effektmått till preklinisk läkemedelsutvärdering.
Varför konventionell beteendebedömning har begränsningar
Beteendeobservation har länge använts för att utvärdera neurologisk funktion, sjukdomsfenotyper och läkemedelssvar i djurstudier. Begränsningarna visas när detaljerade och upprepade mätningar krävs.
Manuell beteendepoäng beror på fördefinierade observationskriterier och på erfarenheten från utbildade forskare eller veterinärer. Skillnader i observationsfrekvens, poängtolkning och individuell bedömning introducerar variabilitet mellan observatörer och över studietidpunkter.
Temporell upplösning är den andra begränsningen. En observation som tas med fördefinierade intervall missar korta eller intermittenta händelser, så en kort repningsepisod, en övergående abnormitet i lemrörelser eller en liten förändring i spontan aktivitet passerar mellan observationsfönstren.
Tvådimensionell videoanalys spelar in mer men löser mindre. Den brukar rapportera enkla parametrar som totalt rörelseavstånd och övergripande aktivitetsnivå, och den separerar inte individuella lembanor, tredimensionell hållningsförändring eller rörelser som involverar flera kroppsdelar samtidigt.
Markörbaserad motion capture ger rikare kinematisk information, på bekostnad av hårdvara på djuret. Reflekterande markörer eller spårningsanordningar ger hantering, och i vissa experimentella miljöer stör de naturliga rörelser eller övervakning under veckor.
Dessa begränsningar uppmuntrade utvecklingen avmarkörlös 3D beteendeanalys, som parar videoobservation med AI-assisterad rörelserekonstruktion.
Hur AI-driven markörlös 3D-beteendeanalys fungerar
3D-beteendefenotypning kombinerar multi-view-videoinsamling, datorseende, djupinlärningsbaserad ställningsuppskattning och beteendedataanalys. Markörlösa system identifierar anatomiska landmärken direkt från videobilder istället för att förlita sig på reflekterande markörer fästa på djuret.
1. Synkroniserad Multi-View Video Acquisition
Inspelning kommer först, med flera kameror placerade runt en definierad inspelningsmiljö. I NHP-förvärvskonfigurationen som presenteras i vårtekniskt webbseminariumfyra synkroniserade kameror sitter runt inspelningshöljet och fångar överlappande vyer av ett fritt rörligt djur.
Överlappning är poängen. En enda kamera kan inte se varje rörelse från alla håll och kroppsdelar försvinner när djuret vänder sig, klättrar, interagerar med föremål eller ändrar hållning. Synkroniserad inspelning låter bilder från olika vinklar analyseras tillsammans och ger den rumsliga information som tredimensionell rekonstruktion behöver.
Kamerapositioner, belysning, inspelningsmiljön och observationsproceduren följer av de avsedda beteendeeffekterna och studiemålen.
2. Markörlös 3D-positionsuppskattning
AI-baserade datorseendemodeller identifierar sedan anatomiska landmärken i de inspelade bilderna och använder dem för att uppskatta kroppskonfiguration och återskapa en tredimensionell skelettrepresentation. Hållningsförändringar och rörelsen av enskilda anatomiska regioner spåras över tiden utan markörer på djuret.
Jämfört med enkel aktivitetsövervakning beskriver 3D-ställningsuppskattning hur ett djur rör sig: lembanor, hållningsövergångar och samordnade rörelser mellan kroppsdelar.
Rekonstruktionskvalitet beror på kamerakalibrering, synkronisering, synligheten av anatomiska landmärken och omfattningen av ocklusion.
3. Kvantitativ beteendeanalys
Tredimensionella rörelsedata omvandlas till kvantitativa beteendeparametrar över fyra nivåer.
Rörelsekinematik
Rörelsekinematik beskriver rörelsens dynamik. Hastighet, acceleration och rörelsebana kännetecknar spontan aktivitet och förändringar i rörelsemönster, och skiljer baslinjen från förhållanden efter behandling.
Extremitetsposition och gångspårning
Lempositioner som spåras över tiden kännetecknar rörelse, koordination och motorisk abnormitet. I neurologiska sjukdomsmodeller visar denna nivå förändring i vänster-höger extremitetskoordination, rörelsesymmetri, gångegenskaper och finmotorik.
Tredimensionell ställningsuppskattning
Poseskattning i rumsliga koordinater beskriver kroppshållning och ledrörelser, vilket har betydelse för beteenden som tillryggalagd sträcka eller tvådimensionell video inte kan karakterisera.
Automatiserad beteendesegmentering
Beteendesegmentering identifierar och klassificerar specifika beteendetillstånd eller händelser från videohärledda rörelser. Beroende på den analytiska modellen och dess valideringsstatus, som täcker förflyttning, trimning, repning, klättring, ställningsövergångar eller repetitiva rörelsemönster. Automatiserad segmentering minskar den manuella videogranskning som stora datamängder och longitudinella studier annars skulle kräva.
De fyra nivåerna är komplementära, inte utbytbara: rätt kombination följer av den vetenskapliga frågan, målbeteendet och modellens valideringsstatus.
Tillämpningar inom NHP Preclinical Research
Kvantitativ beteendefenotypning gäller över terapeutiska områden där funktionsförändringar indikerar sjukdom eller behandlingssvar.
CNS och neurodegenerativ sjukdomsforskning
I neurologiska sjukdomsmodeller visar sig motorisk förändring som minskad rörelse, onormal gång, försämrad koordination eller förändrad spontan aktivitet.Parkinsons sjukdomoch andra neurodegenerativa tillstånd förändrar motorisk kontroll progressivt, och spårning av bilaterala handrörelser, lembanor och rörelsemönster lägger till kvantitativa slutpunkter för dessa abnormiteter. Upprepade mätningar över studien visar sedan om den motoriska prestandan förändras med behandlingen.
Smärta och klåda forskning
Smärta och klåda ger igenkännbara beteendereaktioner: repor, ändrade rörelsemönster, förändrad spontan aktivitet. INHP pruritus studier, automatiserad repningsanalys mäter repningsfrekvens, varaktighet och tidsfördelning, och tredimensionella rörelsedata kan hjälpa till att skilja repning från grooming eller rutinmässiga kroppsrörelser som använder liknande lemrörelser.
Dessa mätningar kompletterar klinisk observation och andra farmakodynamiska effektmått i utvärderingen av anti-klåda eller antiinflammatoriska kandidater.
Bedömning av gång och motorisk funktion
Gånganalys är en direkt tillämpning. Rekonstruerade lembanor och kroppshållning under rörelse visar förändringar i rörelsesymmetri, koordination och gångegenskaper. Eftersom inga markörer är fästa, registreras rörelse under naturalistiska förhållanden utformade för studien. Upprepad motorisk funktionsbedömning i neurologiska sjukdomsmodeller, och i studier av funktionell återhämtning, är där detta är viktigast.
Longitudinell beteendefenotypning
Beteendeförändring är inte alltid en isolerad händelse. I vissa modeller utvecklas förändrad spontan aktivitet, utforskning, repetitiva rörelser eller beteendetillståndsfördelning gradvis. Longitudinell videoinsamling med automatiserad analys jämför beteendemönster över studieperioder och behandlingsförhållanden, inklusive hur rörelsen fördelar sig, hur aktivitetsmönster förändras och hur repetitivt beteende förändras över tiden.
Tolkning måste ta hänsyn till registreringsförhållanden, baslinjeaktivitet, djuranpassning och andra källor till beteendevariabilitet.
Implementering av AI-driven beteendeanalys i Prisys NHP-studier
På Prisys Biotech är AI-driven 3D-beteendefenotypning införlivad i farmakologiska studier av icke-mänskliga primater som en ytterligare funktionsbedömning.
Vårt primära fokus är design och genomförande av NHP in vivo-forskning: djurförberedelse, studiespecifik beteendebedömningsplanering, inspelningsprotokolldesign, videoinsamling och integration av beteendemätningar med andra farmakologiska endpoints. För den AI-assisterade analysen i sig samordnar Prisys specialiserad datorseende och 3D-beteendeanalysteknik enligt kraven i varje forskningsprogram.
Arbetsflödet kopplar samman studiedesign med multi-view videoinspelning, tredimensionell rörelserekonstruktion och kvantitativ beteendeanalys, så beteendemätningar läses i samband med djurmodellen, behandlingsförhållandena och studiemålen.
Beteendeavläsningar rapporteras inte isolerat. Deras vetenskapliga värde beror på hur nära de valda mätningarna matchar sjukdomsfenotypen och den farmakologiska frågan. Där så är lämpligt, sitter beteendemässiga endpoints vid sidan av PK/PD-data,klinisk avbildning, fysiologiska mätningar och patologisk bedömning för att stödja en mer fullständig utvärdering av läkemedelssvar i NHP-modeller.
Metodologiska överväganden: Validering och studiedesign
AI-driven beteendeanalys öppnar nya mätalternativ, men dess utdata är inte automatiskt validerade farmakodynamiska slutpunkter.
Beteendespecifik validering
En AI-modell utvärderas mot definierade referenskommentarer, inklusive mänskligt granskade videosegment där sådana finns. Validering riktar sig mot de beteenden som är relevanta för studien, eftersom hög övergripande pose-tracking-prestanda inte etablerar korrekt igenkänning av varje beteendekategori. Att upptäcka generella lemrörelser är inte detsamma som att skilja repning från grooming, och varje målbeteende behöver en operationell definition och sin egen klassificeringsprestandadata.
Inspelningskonfiguration
Kameraarrangemang, synkronisering, belysning, inspelningsmiljö och djurpositionering påverkar alla videokvaliteten. En modell som konfigurerats under en inspelningsinställning antas inte fungera identiskt under olika förhållanden: ändringar i kamerageometri, djuregenskaper eller inspelningsmiljö kräver ytterligare kalibrering och validering.
Ocklusion och datakvalitet
Tilltäppning uppstår när djurets egen kropp, burstrukturer eller andra föremål döljer kroppsdelar, vilket minskar tillförlitligheten för ställningsuppskattning i individuella ramar. Datakvalitetsbedömning omfattar därför spårningsförtroende, saknade landmärken och andelen användbar inspelningstid.
Beteendemässig slutpunktsdefinition
Målbeteendeändpunkten definieras innan studien börjar: vad som räknas som en beteendehändelse, hur händelser räknas, vilka observationsperioder som är relevanta och hur de resulterande mätningarna kommer att tolkas. Komplexa beteenden och sjukdomsspecifika fenotyper måste lösas i förväg, eftersom automatiserad klassificering av dessa beteenden kräver ytterligare modellkonfiguration och validering.
AI-härledda mätningar är mest användbara i translationsarbete när de är vetenskapligt definierade, reproducerbara och tolkade tillsammans med andra relevanta endpoints.
Rollen av kvantitativ beteendefenotypning i translationell läkemedelsutveckling
AI-driven 3D beteendefenotypning lägger till en metod för att studera funktionell förändring hos icke-mänskliga primater. Synkroniserad videoinsamling, uppskattning av position utan markör och automatiserad beteendeanalys flyttar avläsningen förbi enkla aktivitetsräkningar mot rörelse, hållning, koordination och valda beteendemönster.
För CNS, smärta och andra terapeutiska områden där funktionellt resultat har betydelse, kompletterar dessa mätningar etablerade farmakologiska och fysiologiska effektmått.
På Prisys är kvantitativ beteendebedömning en del av ett bredare NHP translationellt forskningsarbetsflöde. Det som bär den vetenskapliga tyngden är kopplingen mellan ett noggrant utformat in vivo-experiment och en beteendemätning som är biologiskt meningsfull och korrekt validerad.
Senare artiklar i den här serien täcker specifika tillämpningar, inklusive automatiserad repa igenkänning, bilateral motorisk koordination, markörlös gånganalys, longitudinell beteendebedömning och integrering av beteendedata med andra farmakologiska endpoints.
Utforska applikationsserien
Den här artikeln anger den metodologiska grunden. Följande artiklar undersöker hur tillvägagångssättet tillämpas på specifika NHP-forskningsfrågor:
- Automatiserad igenkänning av repbeteende i Cynomolgus Macaques. Kvantifiera klådarelaterade beteendeeffekter med 3D-ställningsuppskattning och rörelseanalys.
- Bilateral Motor Coordination Assessment i NHP-modeller. Utvärdera vänster-höger rörelsebanor och funktionella motoriska abnormiteter.
- Markörlös 3D-gångsanalys hos icke-mänskliga primater. Karakteriserande rörelse, lembanor och rörelsekoordination.
- Longitudinell beteendefenotypning och stereotyp beteendeanalys. Övervakning av förändringar i aktivitetsmönster och repetitivt beteende över studieförhållanden.
- Integrering av AI-beteendeanalys med NHP Pharmacology. Koppling av beteendemässiga endpoints med PK/PD, bildbehandling, fysiologisk övervakning och andra translationella mätningar.
Kvantitativ beteendefenotypning stöder utformningen av mer informativa prekliniska NHP-studier.
Om Prisys Biotech
Prisys Biotech är specialiserat på sjukdomsmodeller för icke-mänskliga primater, preklinisk farmakologi och translationell forskning. Dess kapacitet täcker in vivo-effektutvärdering, beteendebedömning, klinisk avbildning och integrerade farmakologiska studier för läkemedels- och bioteknikföretag. För forskningssamarbete eller NHP studiedesignförfrågningar, kontaktabd@prisysbiotech.com.
Relaterad läsning
Prisys bidrar till naturens neurovetenskapliga studie om psykedelisk farmakologi och beteendesvar
