Les paramètres comportementaux ont un poids réel dans le développement de médicaments pour les primates non humains (NHP), en particulier lorsqu'un effet thérapeutique n'apparaît pas dans les résultats biochimiques ou structurels. Locomotion, posture, démarche, activité spontanée, grattage, réponses faciales : les modifications de l'un d'entre eux peuvent être une preuve fonctionnelle de la progression de la maladie ou de la réponse au traitement.
Le problème est que le comportement des PSN est continu et hautement multidimensionnel. L'évaluation conventionnelle s'appuie sur l'observation manuelle, l'examen vidéo ou des systèmes de notation prédéfinis. Ceux-ci fonctionnent, mais ils prennent du temps et comportent une variabilité inter-inter-observateur, ce qui est plus dur lorsque vous essayez de quantifier des changements subtils ou lents-à développement.
La vision par ordinateur et l'IA offrent une autre voie : transformer une vidéo multi--ordinaire en données comportementales tridimensionnelles-structurées. Au lieu de traiter la vidéo comme un enregistrement devant lequel quelqu'un doit s'asseoir, le suivi sans marqueur convertit le mouvement en points finaux quantitatifs, cinématiques et éthologiques.
La question du travail translationnel sur les PSN n’est donc pas de savoir si l’IA peut « suivre un animal ». Il s'agit de savoir si les mesures-dérivées de la vidéo deviennent des critères d'évaluation scientifiquement significatifs pour caractériser la maladie et évaluer la pharmacologie.
De la vidéo à la pose 3D : comment fonctionne le suivi sans marqueur
L'analyse comportementale 3D sans marqueur associe l'acquisition vidéo multi--synchronisée à la vision par ordinateur et à l'estimation de pose basée sur l'-apprentissage-en profondeur.
Pas de marqueurs réfléchissants, pas de capteurs fixés sur l'animal. Le système identifie les points clés anatomiques directement à partir des images vidéo, et plusieurs vues de caméra comblent les angles morts les unes des autres, atténuant ainsi les problèmes d'occlusion et de perspective qui affectent l'analyse 2D à vue unique. À partir de là, vous pouvez reconstruire la posture et les mouvements de l'animal en trois dimensions. Le flux de travail d'analyse comportementale des PSN de Prisys suit plus de 21 points clés anatomiques, suffisamment pour caractériser quantitativement les mouvements du corps entier et les cinématiques liées aux articulations.
Le pipeline exécute :Vidéo multi-vues → reconstruction de pose 3D → segmentation comportementale → extraction de paramètres → point final pharmacologique
Une chose mérite d'être claire : l'estimation de la pose n'est pas le point final. Sa valeur réside dans la transformation de milliers ou de millions d’observations de mouvements individuels en caractéristiques comportementales que vous pouvez réellement interpréter.
Que peut-on quantifier à partir du mouvement des PSN ?
Une fois que vous disposez des données de pose 3D, toute une couche de paramètres s’ouvre.
La cinématique d'abord : position, vitesse, trajectoire du mouvement, posture, caractéristiques de la démarche, coordination des membres, schémas de mouvement liés aux articulations-. Ensuite, le comportement : les séquences de mouvements sont segmentées en états comportementaux reconnaissables et analysées sur des fenêtres d'observation définies. La documentation de la plateforme Prisys décrit la décomposition automatisée des séquences comportementales avec une précision temporelle jusqu'à l'échelle de la seconde, ce qui vous fait passer des scores comportementaux isolés vers des profils comportementaux continus.
Au lieu d’écrire qu’un animal « a montré une activité accrue », vous pouvez déterminer quand l’activité a augmenté, combien de temps elle a duré, quels schémas de mouvement ont conduit au changement et si le moment correspond au dosage. Il s'agit d'une image beaucoup plus fine-du phénotype et de la réponse au traitement.
Pourquoi l'analyse sans marqueur est importante dans les études sur les PSN
L’avantage évident du suivi sans marqueur : vous collectez des données comportementales sans rien attacher à l’animal.
La capture de mouvement basée sur des marqueurs-vous fournit des informations détaillées sur les mouvements, mais l'installation de marqueurs ou de capteurs nécessite une manipulation supplémentaire et le matériel peut interférer avec le mouvement même que vous essayez de mesurer. Markerless évite cela, ce qui compte le plus lorsque le comportement spontané est lui-même le point final d’intérêt. Le cadre technique de Prisys combine un suivi sans marqueur avec une acquisition multi-synchronisée et une analyse basée sur l'-apprentissage profond-, automatisant le suivi des points clés-et l'analyse comportementale tout en réduisant les limites d'occlusion et de perspective.
Sans marqueur ne signifie pas sans validation-sans validation. Les paramètres comportementaux dérivés de l'IA-ont encore besoin d'une validation spécifique au modèle-, et le récapitulatif du webinaire a souligné ce point directement : les résultats algorithmiques doivent être vérifiés par rapport à des références appropriées examinées par des humains-et lus dans le contexte du modèle animal, de la conception de l'étude et de la question de recherche. Cela est encore plus vrai lorsque la classification comportementale sert de critère d’évaluation pharmacodynamique plutôt que d’observation exploratoire.
Du mouvement aux paramètres pharmacologiques
Le gain translationnel survient lorsque vous associez les données de mouvement à une question biologique ou pharmacologique spécifique.
Dans une étude d’efficacité, le « mouvement » n’est pas le critère d’évaluation. Le critère d'évaluation est de savoir si le traitement réduit un comportement pathologique, rétablit la fonction motrice ou modifie la trajectoire de progression de la maladie.
Trois domaines d'application du webinaire Prisys-Bayone NHP BehaviorAtlas montrent à quoi cela ressemble.
Le grattage est proche d’un cas parfait de quantification objective.
Les études sur le prurit nécessitent la fréquence, la durée, la distribution temporelle et les caractéristiques de mouvement du grattage. La notation manuelle fonctionne mais devient pénible lorsque les observations se répètent sur des heures ou des jours.. 3Le suivi D caractérise le grattage comme une séquence de mouvements structurée plutôt que comme un décompte d'événements visibles, et la trajectoire, la posture et les relations spatiales aident à séparer le grattage du toilettage ou des mouvements de routine des membres.
Chez Prisys, cette analyse s'inscrit dans les études sur le prurit des PSN, y compris leModèle de macaque cynomolgus induit par l'IL-31, qui produit un comportement de grattage et des réponses inflammatoires mesurables pour évaluer les stratégies thérapeutiques anti-prurigineuses et associées. Les mesures comportementales côtoient les observations cliniques, les biomarqueurs inflammatoires et les évaluations pathologiques en tant que paramètres pharmacodynamiques complémentaires.
Fonction neurologique et motrice
Les phénotypes moteurs constituent l’autre ajustement naturel.
Dans les modèles PSN deLa maladie de Parkinson, d'accident vasculaire cérébral et d'autres troubles neurologiques, les changements fonctionnels se manifestent dans la démarche, la posture, l'activité spontanée, l'utilisation des membres, la coordination ou la vitesse de mouvement. Un seul score d'observation a du mal à capturer tout ce. 3Le suivi D représente le mouvement en tant que-ensemble de données dépendant du temps, ce qui vous permet de comparer les caractéristiques comportementales de manière longitudinale avant et après l'induction ou le traitement d'une maladie. La symétrie de la démarche, la vitesse des mouvements, les transitions de posture et la coordination des membres sont évaluées ensemble plutôt que sous forme de notes isolées.
C’est ce qui compte le plus dans les études d’efficacité où la récupération fonctionnelle se construit progressivement plutôt que d’arriver sous la forme d’un oui/non clair.
Expression faciale et douleur-Réponses associées
Le phénotypage ne doit pas nécessairement s'arrêter aux mouvements du corps entier.
Le webinaire portait sur la modélisation faciale 3D et l'analyse des expressions comme moyen de détecter les réponses subtiles associées à la douleur ou à l'inconfort, en quantifiant les changements dans la géométrie et les mouvements du visage au lieu de s'appuyer sur une interprétation visuelle subjective. Il s’agit encore d’une application émergente. Lisez-le avec les observations cliniques établies, les mesures physiologiques et d'autres paramètres de l'étude, et insérez l'annotation, la caractérisation spécifique au modèle -et la validation avant que les traits du visage ne servent de point final pharmacodynamique formel.
Pourquoi les données comportementales continues améliorent l'interprétation des études
L’évaluation conventionnelle échantillonne le comportement à des moments précis, ce qui constitue une réelle limitation. Un changement de comportement-lié au traitement qui se produit entre les fenêtres d'observation n'est pas détecté. Une surveillance automatisée continue ou répétée remplit un enregistrement temporel plus dense.
Cela est important en pharmacologie, où le moment d’un effet comportemental est souvent lié à l’exposition au médicament :Administration du médicament → exposition → réponse pharmacodynamique → changement de comportement
Collectez des mesures comportementales parallèlement aux données PK/PD et vous pouvez demander si le comportement a changé dans la fenêtre pharmacologique attendue et si l'ampleur de la réponse suit l'exposition. Le point final comportemental devient un composant d’un ensemble de données translationnelles plus large au lieu d’une observation isolée.
Intégration du phénotypage comportemental à la recherche translationnelle sur les PSN
L’analyse comportementale gagne sa place lorsqu’elle s’associe aux autres modalités.
Chez Prisys, le phénotypage s'intègre dans des études plus larges sur les PSN avec des modèles de maladie, une évaluation PK/PD, une imagerie in vivo, une pathologie et une analyse de biomarqueurs. Il n'est pas là pour remplacer les points finaux établis. Il ajoute une couche fonctionnelle qui relie les changements moléculaires et physiologiques au phénotype observable.
Le flux de travail :Comportement → PK/PD → imagerie → pathologie → biomarqueurs
Chaque pièce répond à une question différente. Le comportement donne la fonction, la PK/PD donne l'exposition et la réponse pharmacologique, l'imagerie donne des informations anatomiques ou fonctionnelles longitudinales, la pathologie donne des effets au niveau des tissus-, les biomarqueurs donnent le mécanisme sous-jacent. La combinaison compte le plus lorsqu’un traitement produit un changement fonctionnel subtil qu’aucun paramètre moléculaire ou structurel ne reflète pleinement.
De l’enregistrement vidéo au phénotypage comportemental numérique
Le changement le plus important ici : la vidéo cesse d’être un enregistrement d’observation et devient une source de données quantitatives.
Des heures de séquences contiennent des heures d’informations comportementales, mais les extraire à la main est lent et incohérent. Le suivi 3D sans marqueur transforme les mêmes images en ensembles de données structurés contenant des poses, des mouvements, des séquences comportementales et des modèles temporels. C'est le fondement du phénotypage comportemental numérique dans la recherche sur les PSN.
Une mise en garde. Le phénotypage numérique n'est pas un exercice d'automatisation. La science ne tient la route que si les paramètres extraits sont biologiquement pertinents, reproductibles et validés pour la question posée. En pratique, cela signifie sélectionner des paramètres comportementaux avant le début de l'analyse, définir des comportements de référence, établir des procédures de validation et interpréter les mesures dérivées de l'IA-aux côtés des paramètres conventionnels de pharmacologie et de maladie.
Ce que cela signifie pour le développement futur de médicaments PSN
Alors que la recherche préclinique s’appuie davantage sur des critères d’évaluation quantitatifs et longitudinaux, l’analyse comportementale se rapprochera des stratégies de pharmacologie, d’imagerie et de biomarqueurs. Le suivi 3D sans marqueur, la classification comportementale automatisée et les ensembles de données translationnelles multimodales vous permettent de lire la réponse au traitement à plusieurs niveaux, depuis l'exposition aux médicaments et l'activité biologique jusqu'au phénotype fonctionnel.
Pour le SNC, la douleur, le prurit et d’autres indications où le comportement est un élément essentiel du phénotype de la maladie, cela donne aux résultats fonctionnels un outil de mesure plus objectif.
La véritable opportunité ne consiste pas à collecter davantage de données comportementales. Cela génère des paramètres comportementaux mieux définis-qui sont liés aux mécanismes pharmacologiques et aux questions translationnelles.
Revisitez le webinaire NHP BehaviourAtlas
Cet article s'appuie sur le webinaire Prisys et Bayone, "NHP BehaviorAtlas : Suivi comportemental NHP 3D haute fidélité pour le développement de médicaments", qui couvrait le suivi 3D multi-vues, l'estimation de pose sans marqueur, la cinématique comportementale, la classification automatisée du comportement et l'analyse des expressions faciales dans la recherche sur les PSN.
Pour une discussion plus complète, les deux pages valent la peine d’être lues :
- Webinaire original :Webinaire NHP BehaviourAtlas|Suivi comportemental des PSN 3D pour le développement de médicaments
- Récapitulatif du webinaire :Récapitulatif du webinaire : Faire progresser la recherche translationnelle sur les PSN grâce au phénotypage comportemental numérique
Le récapitulatif approfondit la douleur, le prurit, les modèles de maladies neurologiques, l'analyse des expressions faciales et l'intégration des paramètres comportementaux avec la PK/PD, l'imagerie, la pathologie et les biomarqueurs.
Pour les chercheurs planifiant l’efficacité des PSN ou des études translationnelles : la question n’est pas de savoir si l’IA peut générer davantage de données comportementales. Il s'agit de savoir si ces données se transforment en paramètres validés et biologiquement significatifs qui permettent d'affiner la façon dont vous lisez la réponse au traitement.
