ビデオからデータへ: NHP の行動を追跡する 3D AI

行動エンドポイントは、非ヒト霊長類（NHP）の医薬品開発において、特に治療効果が生化学的または構造的測定結果に現れない場合に、実際の重要性を持ちます。{0}運動、姿勢、歩行、自発的活動、ひっかき、顔の反応：これらの変化は、病気の進行や治療反応の機能的な証拠となりえます。

問題は、NHP の動作が継続的であり、非常に多次元であることです。従来の評価は、手動による観察、ビデオレビュー、または事前に定義されたスコアリングシステムに基づいています。これらは機能しますが、時間がかかり、観察者間の変動が伴うため、微妙な変化やゆっくりと進行する変化を定量化しようとする場合に最も大きな問題となります。-

コンピュータ ビジョンと AI は、通常のマルチビュー動画を構造化された 3 次元行動データに変換するという別の手段を提供します。-ビデオを誰かがじっくり見なければならない記録として扱うのではなく、マーカーレス トラッキングは動きを定量的な運動学的および行動学的エンドポイントに変換します。

したがって、NHP の翻訳作業における問題は、AI が「動物を追跡」できるかどうかではありません。重要なのは、ビデオから得られた測定値が、疾患の特徴付けや薬理の評価において科学的に意味のあるエンドポイントとなるかどうかです。-

マーカーレス 3D 行動分析は、マルチビューのビデオ取得とコンピュータ ビジョンおよび深層学習-ベースの姿勢推定を同期させます。-

反射マーカーや動物に取り付けられるセンサーはありません。このシステムは、ビデオ フレームから解剖学的キー ポイントを直接特定し、複数のカメラ ビューが互いの死角を埋めることで、単一ビューの 2D 解析を悩ませるオクルージョンと遠近感の問題を軽減します。-そこから、動物の姿勢や動きを 3 次元で再構築できます。 Prisys の NHP 行動分析ワークフローは、全身の動きと関節関連の運動学を定量的に特徴付けるのに十分な 21 以上の解剖学的キーポイントを追跡します。-

パイプラインは次のように実行されます。マルチビュービデオ → 3D ポーズ再構築 → 行動セグメンテーション → パラメータ抽出 → 薬理学的エンドポイント

明確にしておきたい点が 1 つあります。姿勢推定はエンドポイントではありません。その価値は、何千、何百万もの個々の動きの観察を、実際に解釈できる行動の特徴に変えることにあります。

3D ポーズ データを取得すると、パラメーターのレイヤー全体が開きます。

まず運動学: 位置、速度、運動軌跡、姿勢、歩行特性、四肢の調整、関節に関連する運動パターン。{0}}次に、動作: 動作シーケンスが認識可能な動作状態に分割され、定義された観察ウィンドウで分析されます。 Prisys のプラットフォームのドキュメントには、秒単位の時間精度での行動シーケンスの自動分解が説明されており、これにより、孤立した行動スコアを超えて、連続的な行動プロファイルに到達することができます。

動物が「活動性の増加を示した」と書き留める代わりに、活動性がいつ上昇したか、その期間がどのくらい続いたか、どのような行動パターンが変化を引き起こしたか、そのタイミングが投与と一致したかどうかを特定することができます。これは、表現型と治療反応をより詳細に把握したものです。-

マーカーレス追跡の明白な利点は、動物に何も付けずに行動データを収集できることです。

マーカー-ベースのモーション キャプチャでは詳細な動きの情報が得られますが、マーカーやセンサーを取り付けると余分な処理が必要になり、測定しようとしている動き自体がハードウェアによって妨げられる可能性があります。マーカーレスはそれを回避しますが、自発的な行動自体が関心の終点である場合に最も重要です。 Prisys の技術フレームワークは、マーカーレス トラッキングと同期マルチビュー取得および深層学習{{4}ベースの分析を組み合わせたもので、オクルージョンとパースペクティブの制限をトリミングしながら、キー{6}}ポイントのトラッキングと動作分析を自動化します。-

マーカーレスは検証が不要であることを意味するものではありません。{0} AI-由来の行動エンドポイントには依然としてモデル固有の検証が必要であり、ウェビナーの要約ではこの点が直接述べられています。アルゴリズムの出力は、人間がレビューした適切な参考文献と照合して、動物モデル、研究デザイン、研究課題の文脈で読み取る必要があります。-探索的観察ではなく、行動分類が薬力学的エンドポイントとして機能する場合、その量は 2 倍になります。

移動データを特定の生物学的または薬理学的問題に結び付けると、トランスレーショナル ペイオフが得られます。

有効性研究では、「動き」がエンドポイントではありません。エンドポイントは、治療によって病理学的行動が軽減されるか、運動機能が回復するか、または病気の進行の軌道が変化するかどうかです。

Prisys–Bayone NHP BehaviorAtlas ウェビナーの 3 つのアプリケーション領域では、それがどのようなものかを示しています。

スクラッチングは、客観的な定量化に最適なケースに近いです。

そう痒症の研究には、掻破の頻度、継続時間、時間的分布、および運動の特徴が必要です。手動スコアリングは機能しますが、観察が数時間または数日にわたって繰り返される場合は問題が発生します。. 3D トラッキングは、目に見える出来事の数ではなく、構造化された一連の動作としてひっかきを特徴づけます。また、軌跡、姿勢、空間的関係は、ひっかきを毛づくろいや日常的な手足の動きから区別するのに役立ちます。

Prisys では、この分析を NHP 掻痒症の研究に取り入れています。IL-31誘発カニクイザルモデルこれにより、かゆみ止めおよび関連する治療戦略を評価するための測定可能な引っ掻き行動と炎症反応が生成されます。{0}行動測定は、補完的な薬力学エンドポイントとして、臨床観察、炎症性バイオマーカー、病理学的評価と並行して行われます。

運動表現型はもう 1 つの自然な適合です。

NHP モデルでは、パーキンソン病、脳卒中、その他の神経疾患では、機能的変化が歩行、姿勢、自発活動、四肢の使い方、調整、または運動速度に現れます。単一の観察スコアでは、そのすべてを捕捉するのは困難です。. 3D トラッキングは時間依存のデータセットとして動きを表現します。-これにより、疾患の誘発または治療の前後で行動の特徴を長期的に比較できます。歩行の対称性、動作速度、姿勢の遷移、四肢の調整は、個別のノートとしてではなく、一緒に評価されます。

これは、機能の回復が明確な「はい/いいえ」として得られるのではなく、段階的に構築される有効性研究において最も重要です。

表現型解析は体全体の動きにとどまる必要はありません。-

このウェビナーでは、主観的な視覚的解釈に頼るのではなく、痛みや不快感に関連する微妙な反応を捉え、顔の形状や動きの変化を定量化する方法として、3D 顔モデリングと表情分析について取り上げました。これはまだ新興のアプリケーションです。確立された臨床観察、生理学的測定、その他の研究エンドポイントと並行して読み、顔の特徴が正式な薬力学エンドポイントとして機能する前に、注釈、モデル固有の特性評価、検証を加えてください。{3}}

従来の評価では、固定時点での行動をサンプリングしますが、これが大きな限界です。観察期間の間に発生する治療に関連した行動の変化は検出されません。-継続的または反復的な自動モニタリングにより、より高密度の時間記録が作成されます。

これは薬理学において重要です。薬理学では、行動への影響のタイミングが薬物曝露と結びついていることがよくあります。薬物投与 → 曝露 → 薬力学反応 → 行動変化

PK/PD データとともに行動測定値を収集すると、予想される薬理学的範囲内で行動が変化したかどうか、および反応の大きさが曝露に伴って変化するかどうかを調べることができます。行動エンドポイントは、個別の観察ではなく、より広範なトランスレーショナル データセットの 1 つのコンポーネントになります。

行動分析は、他のモダリティと並行して実行することでその価値を維持します。

Prisys では、表現型解析を、疾患モデル、PK/PD 評価、生体内イメージング、病理学、バイオマーカー分析を含む広範な NHP 研究に組み込んでいます。確立されたエンドポイントを置き換えるために存在するものではありません。これは、分子的および生理学的変化を観察可能な表現型に結び付ける機能層を追加します。

ワークフロー:行動 → PK/PD → 画像処理 → 病理学 → バイオマーカー

各作品は異なる質問に答えます。行動は機能を与え、PK/PD は曝露と薬理学的反応を与え、画像処理は縦断的な解剖学的または機能情報を与え、病理は組織レベルの影響を与え、バイオマーカーは基礎的なメカニズムを与えます。-単一の分子または構造のエンドポイントが完全には反映されない微妙な機能変化が治療によって生じる場合、その組み合わせが最も重要になります。

ここでのより大きな変化は、ビデオが観察記録であることをやめ、定量的なデータソースになることです。

何時間もの映像には何時間もの行動情報が含まれていますが、それを手作業で取り出すのは時間がかかり、一貫性がありません。マーカーレス 3D トラッキングは、同じ映像をポーズ、動き、行動シーケンス、時間的パターンを含む構造化データセットに変換します。これが、NHP 研究におけるデジタル行動表現型解析の基礎です。

一つ注意。デジタル表現型解析は自動化の作業ではありません。科学は、抽出されたパラメータが生物学的に関連しており、再現可能であり、当面の疑問に対して検証された場合にのみ成立します。実際には、これは、分析を開始する前に行動のエンドポイントを選択し、参照行動を定義し、検証手順を確立し、従来の薬理学や疾患のエンドポイントと並んで AI 由来の測定値を解釈することを意味します。{3}}

前臨床研究が定量的かつ長期的なエンドポイントに重点を置くようになるにつれて、行動分析は薬理学、イメージング、およびバイオマーカー戦略に近づくことになるでしょう。マーカーレス 3D トラッキング、自動行動分類、マルチモーダルトランスレーショナル データセットにより、薬物曝露や生物活性から機能的表現型に至るまで、いくつかのレベルで治療反応を読み取ることができます。

CNS、痛み、そう痒症、および行動が疾患表現型の中核部分であるその他の症状の場合、これにより機能的な結果がより客観的な測定基準となります。

本当のチャンスは、より多くの行動データを収集することではありません。これにより、薬理学的メカニズムやトランスレーショナルな質問につながる、より適切に定義された行動エンドポイントが生成されます。-

この記事は、Prisys と Bayone のウェビナー「NHP BehaviorAtlas: 医薬品開発のための高忠実度 3D NHP 行動追跡」に基づいています。このセミナーでは、NHP 研究におけるマルチビュー 3D トラッキング、マーカーレス姿勢推定、行動運動学、自動行動分類、顔の表情分析について説明しています。-

より詳細な議論については、両方のページを読む価値があります。

• オリジナルのウェビナー:NHP BehaviorAtlas ウェビナー |医薬品開発のための 3D NHP 行動追跡
• ウェビナーの要約:ウェビナーの要約: デジタル行動表現型解析によるトランスレーショナル NHP 研究の推進

この要約では、痛み、そう痒症、神経疾患モデル、表情分析、行動エンドポイントと PK/PD、画像化、病​​理学、バイオマーカーとの統合についてさらに詳しく説明しています。

NHP の有効性やトランスレーショナル研究を計画している研究者にとって、問題は AI がより多くの行動データを生成できるかどうかではありません。重要なのは、そのデータが検証済みの生物学的に意味のあるエンドポイントに変換されるかどうかであり、それによって治療反応を読み取る方法が明確になります。

プリシス・バイオテックに連絡する