Понашање је једно од најинформативнијих функционалних очитавања у транслационом истраживању. Било да се процењују неуролошки поремећаји, хронични бол, пруритус, аутоимуне болести или генске терапије, промене понашања често дају најраније доказе о терапијској ефикасности. Међутим, генерисање поузданих података о понашању у студијама не-нељудских примата (НХП) традиционално зависи од-интензивне видео прегледа и субјективног посматрања људи, стварајући изазове у доследности, скалабилности и регулаторној поновљивости.
У Присис Биотецх-у трансформишемо овај процес кроз АИ-платформу за фенотипизацију понашања која комбинује 3Д компјутерски вид са више-камера, снимање покрета без маркера, класификацију понашања и развој дигиталних биомаркера. Уместо да једноставно бележи понашање животиња, платформа претвара сложена кретања у квантитативне, објективне и следљиве скупове података који се могу интегрисати у савремени претклинички развој лекова.
Зашто конвенционална процена понашања више није довољна
Крајње тачке понашања остају суштинске у бројним терапијским областима јер директно одражавају функционалне исходе који се не могу увек ухватити само молекуларним биомаркерима или сликањем. У студијама које су укључивале Паркинсонову болест, Алцхајмерову болест, мождани удар, хронични бол, атопијски дерматитис или неуропсихијатријске поремећаје, суптилна побољшања понашања често представљају значајан доказ фармаколошке активности.
Упркос њиховој важности, конвенционалне процене понашања представљају неколико ограничења. Дугорочне-истраживања НХП-а често генеришу стотине сати видео записа који захтевају ручни преглед од стране искусних посматрача. Различити евалуатори могу применити незнатно различите критеријуме за бодовање, док умор и субјективно тумачење неизбежно уносе варијабилност. Што је још важније, ручно бодовање пружа само сажета запажања, а не континуиране информације о понашању на нивоу оквира{4}}, што отежава снимање суптилних ефеката третмана или успостављање потпуно следљивих скупова података за регулаторне поднеске.
Како се претклинички развој лекова све више ослања на објективне и поновљиве доказе, анализа понашања уз помоћ вештачке интелигенције{0}} се појавила као моћно решење за превазилажење ових изазова.
Изградња платформе за дигиталну фенотипизацију за не{0}}примате
У Присису, нашНХП платформа за анализу понашањапревазилази уобичајени софтвер за видео анализу. Представља свеобухватан екосистем дигиталне фенотипизације дизајниран посебно за транслациона истраживања.
Платформа интегрише синхронизовану слику са више-камера, тродимензионалну процену положаја без маркера, препознавање понашања вођено АИ-, конструкцију базе података о понашању и транслациону аналитику у јединствен ток посла. Овај приступ омогућава истраживачима да континуирано прате спонтана понашања док аутоматски генеришу стандардизоване квантитативне крајње тачке за појединачне животиње и читаве студије.
Временом, платформа такође подржава развој{0}}база података о понашању специфичних за болест, омогућавајући истраживачима да упореде нормалне основне вредности понашања са прогресијом болести и терапијским одговорима. Уместо да анализира изоловане експерименте, систем континуирано акумулира дигитална својства понашања која побољшавају будући развој модела и транслациона истраживања.
3Д снимање покрета без маркера омогућава посматрање природног понашања
Традиционални системи за снимање покрета обично захтевају рефлектујуће маркере причвршћене за субјект, што је приступ који је непрактичан за дугорочна-истраживања на не-приматима и може да омета природно кретање.
Присис уместо тога користи синхронизовани компјутерски вид са више{0}}приказа да би реконструисао тродимензионалне скелетне покрете-без физичких маркера. АИ аутоматски идентификује анатомске оријентире, укључујући главу, удове, труп и зглобове, омогућавајући прецизну реконструкцију држања тела и кретања унутар стандардног окружења становања.
Пошто више синхронизованих камера истовремено посматра животињу, систем значајно смањује проблеме са оклузијом који се обично срећу код конвенционалних дводимензионалних видео снимака-. Животиње се стога могу континуирано надгледати без ограничења, анестезије или сметњи у понашању.
Од праћења покрета до дигиталних бихејвиоралних биомаркера
Снимање покрета представља само први корак. Права вредност АИ лежи у трансформацији података о кретању у биолошки значајне крајње тачке понашања.
Наша платформа за анализу понашања аутоматски класификује широк спектар понашања, укључујући кретање, пењање, дотеривање, гребање, одмарање, промене положаја, покрете руку и карактеристике хода. Уместо да једноставно броји догађаје у понашању, систем мери учесталост понашања, трајање, просторне путање, кинематику зглоба, брзину кретања, убрзање и координацију удова.
Ови квантитативни параметри обезбеђују високо осетљиве дигиталне биомаркере способне да открију суптилне фармакодинамичке одговоре који могу да претходе видљивим клиничким побољшањима. Таква објективна мерења су посебно вредна код неуролошких болести где мале функционалне промене често представљају рану терапијску корист.
АИ побољшава објективност и скалабилност
Једна од највећих предности анализе понашања засноване на вештачкој интелигенцији-је могућност замене субјективног посматрања стандардизованом компјутерском евалуацијом.
Уместо да се ослања на ручни преглед видео записа, платформа аутоматски обрађује континуиране снимке и примењује идентичне аналитичке критеријуме на сваку животињу у оквиру студије. Ово елиминише -варијабилност међу посматрачима и омогућава праћење понашања кадрова-по{3}} током целог експерименталног периода.
Сваки догађај понашања остаје повезан са оригиналним видео записом, стварајући потпуно следљив аналитички радни ток који подржава осигурање квалитета, верификацију података и регулаторну документацију. Како произвођачи лекова све више траже поновљиве дигиталне крајње тачке, овај ниво транспарентности представља значајну предност у односу на конвенционално оцењивање понашања.
Проширивање анализе понашања изван кретања целог{0}}тела
Фенотипизација понашања се протеже изван саме локомоције. Изрази лица често представљају важне показатеље бола, нелагодности и неуролошког статуса.
Да би задовољио ову потребу, Присис такође развија напредни тродимензионални оквир за анализу израза лица- заснован на3Д скала гримасе која није{0}}људски примат (3ДГС). Интеграцијом сликања лица са више{1}}приказа са екстракцијом карактеристика заснованом на вештачкој интелигенцији-, ова технологија омогућава објективну квантификацију суптилних покрета мишића лица које је тешко доследно проценити коришћењем конвенционалног визуелног оцењивања.
Добијени дигитални биомаркери бола имају широку примену у развоју аналгетичких лекова, постоперативној процени бола, моделима инфламаторних болести и праћењу добробити животиња.
Примене у више терапијских области
Пошто се крајње тачке понашања широко користе током развоја лекова, фенотипизација понашања заснована на вештачкој интелигенцији{0}} подржава бројне истраживачке програме изван неуронауке.
У студијама централног нервног система, дигитална бихевиорална анализа пружа објективну процену опоравка мотора, абнормалности хода, држања, спознаје и функционалног побољшања. Истраживање бола има користи од квантитативне процене спонтаног покрета, понашања избегавања и индикатора бола у лицу. Дерматолошки и имунолошки програми могу пратити понашање чешања као осетљиву фармакодинамичку крајњу тачку захронични сврабиатопијски дерматитис. Генске терапије, ћелијске терапије и биолошки лекови на сличан начин имају користи од континуираног дугорочног-праћења функционалног опоравка који допуњује молекуларне и биомаркере за снимање.
Будућност науке о транслационом понашању
Претклинички развој лекова се брзо креће ка интегрисаној дигиталној фенотипизацији, где се подаци о понашању анализирају заједно са неуроимаџингом, електрофизиологијом, фармакокинетиком, фармакодинамиком и молекуларним биомаркерима.
У Присис Биотецх-у верујемо да ће анализа понашања која покреће АИ{0}} постати суштинска компонента транслационог истраживања, а не опционо аналитичко средство. Комбиновањем напредне компјутерске визије са нашим утврђеним моделима болести не-примата, могућностима клиничког снимања, бежичним ЕЕГ технологијама и транслационом експертизом у неуронауци, циљ нам је да произвођачима лекова обезбедимо објективне, поновљиве и клинички релевантне функционалне крајње тачке које побољшавају поверење у претклиничко{3}}доношење одлука.
Закључак
Поуздана процена понашања и даље је од суштинског значаја за разумевање терапеутске ефикасности у студијама не{0}}у приматима. Међутим, савремени развој лекова захтева више од субјективних запажања-захтева квантитативне, поновљиве и регулаторно{3}}спремне доказе.
Кроз АИ-3Д снимање покрета без маркера, дигиталну фенотипизацију, аутоматску класификацију понашања и квантитативни развој биомаркера, Присис Биотецх помаже да се истраживање понашања трансформише из ручног посматрања у стандардизовану дигиталну науку. Како усвајање АИ наставља да се убрзава у претклиничким истраживањима, дигитална анализа понашања ће играти све важнију улогу у побољшању предвидљивости транслације и подржавању развоја сигурнијих и ефикаснијих терапија.
