No video līdz datiem: 3D AI izsekošana NHP uzvedībai

Uzvedības galapunktiem ir patiesa nozīme ne{0}}cilvēku primātu (NHP) zāļu izstrādē, īpaši, ja terapeitiskais efekts neparādās bioķīmiskajos vai strukturālajos rādījumos. Kustības, poza, gaita, spontānas aktivitātes, skrāpējumi, sejas reakcijas: izmaiņas jebkurā no tām var liecināt par slimības progresēšanu vai ārstēšanas reakciju.

Problēma ir tā, ka NHP uzvedība ir nepārtraukta un ļoti daudzdimensionāla. Tradicionālais novērtējums balstās uz manuālu novērošanu, video apskatu vai iepriekš noteiktām vērtēšanas sistēmām. Tie darbojas, taču tie patērē laiku un ir starp-novērotāju mainīgumu, kas ir vissmagāk, mēģinot kvantitatīvi noteikt smalkas vai lēni{3}}attīstošās izmaiņas.

Datorredze un mākslīgais intelekts piedāvā citu ceļu: pārvērst parasto vairāku{0}}skatījumu video strukturētos trīs{1}}dimensiju uzvedības datos. Tā vietā, lai videoklipu uzskatītu par ierakstu, kas kādam ir jāiztur, izsekošana bez marķieriem pārvērš kustību kvantitatīvos kinemātiskos un etoloģiskos galapunktos.

Tātad jautājums par NHP tulkošanas darbu nav par to, vai AI var "izsekot dzīvniekam". Tas ir tas, vai video{1}}atvasinātie mērījumi kļūst par zinātniski nozīmīgiem galapunktiem slimības raksturošanai un farmakoloģijas novērtēšanai.

3D uzvedības analīze bez marķieriem apvieno sinhronizētu vairāku-skatījumu video iegūšanu ar datorredzi un padziļinātu-mācību-pamatotu pozas aprēķinu.

Nav atstarojošu marķieru, nav dzīvniekam piestiprinātu sensoru. Sistēma identificē anatomiskos galvenos punktus tieši no video kadriem, un vairāki kameru skati aizpilda viens otra aklās zonas, atvieglojot oklūzijas un perspektīvas problēmas, kas nomoka viena -skata 2D analīzi. No tā jūs varat rekonstruēt dzīvnieka stāju un kustību trīs dimensijās. Prisys NHP uzvedības analīzes darbplūsma izseko vairāk nekā 21 anatomisku galveno punktu, kas ir pietiekami, lai kvantitatīvi raksturotu visa ķermeņa kustību un locītavu{7}}saistīto kinemātiku.

Cauruļvads iet:Vairāku{0}}videoklipu skatīšanās → 3D pozu rekonstrukcija → uzvedības segmentācija → parametru iegūšana → farmakoloģiskais galapunkts

Viena lieta ir skaidra: pozas novērtējums nav galapunkts. Tās vērtība ir pārvērst tūkstošiem vai miljoniem atsevišķu kustību novērojumu uzvedības pazīmēs, kuras jūs faktiski varat interpretēt.

Kad jums ir 3D pozas dati, tiek atvērts vesels parametru slānis.

Vispirms kinemātika: pozīcija, ātrums, kustību trajektorija, poza, gaitas īpašības, ekstremitāšu koordinācija, ar locītavām{0}}saistīti kustību modeļi. Pēc tam uzvedība: kustību secības tiek segmentētas atpazīstamos uzvedības stāvokļos un analizētas noteiktos novērošanas logos. Prisys platformas dokumentācijā ir aprakstīta automatizēta uzvedības secību sadalīšana ar laika precizitāti līdz pat sekunžu skalai, kas novirza jūs tālāk par izolētiem uzvedības rādītājiem uz nepārtrauktiem uzvedības profiliem.

Tā vietā, lai pierakstītu, ka dzīvnieks “uzrādīja paaugstinātu aktivitāti”, varat norādīt, kad aktivitāte pieauga, cik ilgi tā saglabājās, kuri kustību modeļi izraisīja izmaiņas un vai laiks atbilst dozēšanai. Tas ir daudz smalkāks-attēls par fenotipu un ārstēšanas reakciju.

Acīmredzamā bezmarķieru izsekošanas priekšrocība: jūs apkopojat uzvedības datus, neko nepievienojot dzīvniekam.

Uz marķieriem{0}} balstīta kustības uztveršana sniedz detalizētu informāciju par kustību, taču marķieru vai sensoru pievienošana nozīmē papildu apstrādi, un aparatūra var traucēt kustību, kuru mēģināt izmērīt. Bez atzīmes apiet to, kas ir vissvarīgākais, ja spontāna uzvedība pati par sevi ir interešu galapunkts. Prisys tehniskais ietvars apvieno izsekošanu bez iezīmēm ar sinhronizētu vairāku-skatu iegūšanu un padziļinātu-uz mācībām- balstītu analīzi, automatizējot galveno-punktu izsekošanu un uzvedības analīzi, vienlaikus samazinot oklūzijas un perspektīvas robežas.

Bez atzīmes nenozīmē, ka nav-verificēta. AI-atvasinātajiem uzvedības galapunktiem joprojām ir nepieciešama modeļa-specifiska validācija, un tīmekļsemināra kopsavilkumā tas tika tieši norādīts: algoritmu rezultāti ir jāsalīdzina ar piemērotām cilvēku-pārskatītajām atsaucēm un jālasa saistībā ar dzīvnieku modeli, pētījuma plānu un pētījuma jautājumu. Tas dubultojas, ja uzvedības klasifikācija kalpo kā farmakodinamisks beigu punkts, nevis pētniecisks novērojums.

Translācijas atdeve rodas, kad kustības datus piesaistāt konkrētam bioloģiskam vai farmakoloģiskam jautājumam.

Efektivitātes pētījumā "kustība" nav galapunkts. Rezultāts ir tas, vai ārstēšana samazina patoloģisku uzvedību, atjauno motorisko funkciju vai maina slimības progresēšanas trajektoriju.

Trīs lietojumprogrammu jomas no Prisys–Bayone NHP BehaviorAtlas tīmekļa semināra parāda, kā tas izskatās.

Skrāpēšana ir tuvu ideālam gadījumam objektīvai kvantitatīvai noteikšanai.

Niezes pētījumiem ir nepieciešams skrāpējumu biežums, ilgums, laika sadalījums un kustību īpašības. Manuāla punktu noteikšana darbojas, taču tiek sodīta, ja novērojumi atkārtojas stundu vai dienu laikā. 3D izsekošana raksturo skrāpējumu kā strukturētu kustību secību, nevis redzamu notikumu skaitu, un trajektorija, poza un telpiskās attiecības palīdz nošķirt skrāpējumu no kopšanas vai ikdienas ekstremitāšu kustībām.

Prisys šī analīze iekļaujas NHP niezes pētījumos, tostarpIL-31 izraisīts cynomolgus makaka modelis, kas rada izmērāmu skrāpējumu un iekaisuma reakcijas, lai novērtētu pret-niezes un ar to saistītās terapeitiskās stratēģijas. Uzvedības mērījumi ir blakus klīniskiem novērojumiem, iekaisuma biomarķieriem un patoloģiskiem novērtējumiem kā papildu farmakodinamiskie galapunkti.

Motora fenotipi ir arī citi dabiski piemēroti varianti.

NHP modeļosParkinsona slimība, insults un citi neiroloģiski traucējumi, funkcionālās izmaiņas izpaužas kā gaita, poza, spontāna darbība, ekstremitāšu izmantošana, koordinācija vai kustību ātrums. Vienam novērošanas rezultātam ir grūti uztvert visu šo . 3D izsekošana attēlo kustību kā laika-atkarīgu datu kopu, lai jūs varētu salīdzināt uzvedības pazīmes gareniski pirms un pēc slimības ierosināšanas vai ārstēšanas. Gaitas simetrija, kustības ātrums, pozas pārejas un ekstremitāšu koordinācija tiek novērtēta kopā, nevis kā atsevišķas notis.

Tam ir vislielākā nozīme efektivitātes pētījumos, kur funkcionālā atveseļošanās notiek pakāpeniski, nevis tiek saņemta kā tīrs jā/nē.

Fenotipēšanai nav jāapstājas pie visa ķermeņa kustībām.

Tīmekļseminārs aptvēra 3D sejas modelēšanu un izteiksmes analīzi kā veidu, kā uztvert smalkas reakcijas, kas saistītas ar sāpēm vai diskomfortu, kvantificējot sejas ģeometrijas un kustību izmaiņas, nevis balstoties uz subjektīvu vizuālo interpretāciju. Šī joprojām ir jauna lietojumprogramma. Izlasiet to kopā ar noteiktiem klīniskiem novērojumiem, fizioloģiskiem mērījumiem un citiem pētījuma galapunktiem un ievietojiet anotāciju, modeļa -specifisko raksturojumu un apstiprinājumu, pirms sejas vaibsti tiek izmantoti kā oficiāls farmakodinamiskais galapunkts.

Parastais novērtējums nosaka uzvedību noteiktos laika punktos, un tas ir reāls ierobežojums. Ar ārstēšanu-saistītas uzvedības izmaiņas, kas notiek starp novērojumu logiem, netiek atklātas. Nepārtraukta vai atkārtota automatizēta uzraudzība aizpilda blīvāku laika ierakstu.

Tam ir nozīme farmakoloģijā, kur uzvedības ietekmes laiks bieži ir saistīts ar zāļu iedarbību:Zāļu ievadīšana → iedarbība → farmakodinamiskā reakcija → uzvedības izmaiņas

Apkopojiet uzvedības mērījumus kopā ar FK/PD datiem un varat jautāt, vai uzvedība ir mainījusies paredzamajā farmakoloģiskajā logā un vai reakcijas lielums seko līdzi iedarbībai. Uzvedības beigu punkts kļūst par vienu plašākas translācijas datu kopas sastāvdaļu, nevis izolētu novērojumu.

Uzvedības analīze gūst panākumus, ja tā darbojas kopā ar citām metodēm.

Prisys fenotipēšana izpaužas plašākos NHP pētījumos ar slimību modeļiem, PK/PD novērtējumu, in vivo attēlveidošanu, patoloģiju un biomarķieru analīzi. Tas nav paredzēts, lai aizstātu izveidotos galapunktus. Tas pievieno funkcionālu slāni, kas savieno molekulārās un fizioloģiskās izmaiņas ar novērojamo fenotipu.

Darbplūsma:Uzvedība → PK/PD → attēlveidošana → patoloģija → biomarķieri

Katrs gabals atbild uz citu jautājumu. Uzvedība nodrošina funkciju, FK/PD nodrošina iedarbību un farmakoloģisko reakciju, attēlveidošana sniedz garenvirziena anatomisku vai funkcionālu informāciju, patoloģija nodrošina audu -līmeņa efektus, biomarķieri sniedz pamatā esošo mehānismu. Kombinācijai ir vislielākā nozīme, ja ārstēšana rada smalkas funkcionālas izmaiņas, kuras pilnībā neatspoguļo neviens molekulārs vai strukturāls galapunkts.

Šeit ir lielākas pārmaiņas: video pārstāj būt novērojumu ieraksts un kļūst par kvantitatīvu datu avotu.

Stundām nofilmētais materiāls satur vairākas stundas informāciju par uzvedību, taču tās izvilkšana ar roku ir lēna un nekonsekventa. 3D izsekošana bez marķieriem pārvērš tos pašus kadrus strukturētās datu kopās, kas satur pozas, kustības, uzvedības secības un laika modeļus. Tas ir digitālās uzvedības fenotipēšanas pamats NHP pētījumos.

Viena piesardzība. Digitālā fenotipēšana nav automatizācijas uzdevums. Zinātne darbojas tikai tad, ja iegūtie parametri ir bioloģiski nozīmīgi, reproducējami un apstiprināti konkrētajam jautājumam. Praksē tas nozīmē uzvedības beigu punktu atlasi pirms analīzes sākšanas, atsauces uzvedības definēšanu, validācijas procedūru izveidi un mākslīgā intelekta -atvasināto mērījumu interpretāciju līdzās tradicionālajiem farmakoloģijas un slimību galapunktiem.

Tā kā preklīniskie pētījumi vairāk balstās uz kvantitatīviem garengriezuma galapunktiem, uzvedības analīze būs tuvāk farmakoloģijai, attēlveidošanai un biomarķieru stratēģijām. 3D izsekošana bez marķieriem, automatizēta uzvedības klasifikācija un multimodālas translācijas datu kopas ļauj nolasīt ārstēšanas reakciju vairākos līmeņos, sākot no zāļu iedarbības un bioloģiskās aktivitātes līdz funkcionālajam fenotipam.

CNS, sāpju, niezes un citu indikāciju gadījumā, ja uzvedība ir galvenā slimības fenotipa daļa, tas nodrošina funkcionālo rezultātu objektīvāku mērīšanas stieni.

Reālā iespēja nav vākt vairāk uzvedības datu. Tas rada labāk -definētus uzvedības galapunktus, kas ir saistīti ar farmakoloģiskiem mehānismiem un tulkošanas jautājumiem.

Šis raksts ir balstīts uz Prisys un Bayone tīmekļsemināru "NHP BehaviorAtlas: High{0}}Fidelity 3D NHP Behavioral Tracking for Drug Development", kas aptvēra vairāku-skatu 3D izsekošanu, pozas novērtēšanu bez marķieriem, uzvedības kinemātiku, automatizētu uzvedības klasifikāciju un sejas izteiksmes pētījumu analīzi NHP.

Lai diskusija būtu pilnīgāka, ir vērts izlasīt abas lapas:

• Oriģinālais vebinārs:NHP BehaviorAtlas tīmekļa seminārs|3D NHP uzvedības izsekošana zāļu attīstībai
• Vebināra kopsavilkums:Tīmekļsemināra kopsavilkums: NHP tulkošanas izpētes veicināšana, izmantojot digitālās uzvedības fenotipēšanu

Atgādinājums attiecas uz sāpēm, niezi, neiroloģisko slimību modeļiem, sejas izteiksmes analīzi un uzvedības beigu punktu integrāciju ar PK/PD, attēlveidošanu, patoloģiju un biomarķieriem.

Pētniekiem, kas plāno NHP efektivitāti vai translācijas pētījumus: jautājums nav par to, vai AI var radīt vairāk uzvedības datu. Tas, vai šie dati tiek pārvērsti apstiprinātos, bioloģiski nozīmīgos galapunktos, uzlabo ārstēšanas reakciju.

Sazinieties ar Prisys Biotech