Système d'analyse comportementale 3D NHP sans marqueur piloté par l'IA |-|Prisys Biotech

Les primates non humains (PNH) sont des modèles indispensables pour étudier les fonctions cérébrales supérieures et les troubles neurologiques en raison de leurs similitudes neuroanatomiques et cognitives avec les humains. Cependant, capturer et quantifier leur comportement naturel de manière non-invasive reste un défi important.

Lesystème d'analyse comportementale NHP de nouvelle-générationpar Prisys Biotech intègre les technologies de vision par ordinateur, d’apprentissage profond et de reconstruction 3D. Cette convergence permet une analyse automatisée, granulaire et multidimensionnelle du comportement animal, marquant une transition de la description qualitative à une analyse quantitative précise dans la recherche préclinique.

Notre système repose sur trois piliers technologiques conçus pour maximiser l’intégrité des données et le bien-être des animaux.

1. Conception sans marqueur : donner la priorité au comportement naturel et au bien-être

• Principe technologique :Le système élimine le besoin de marqueurs réfléchissants ou de capteurs portables. En utilisant des flux vidéo haute-résolution, des algorithmes avancés d'apprentissage en profondeur détectent et suivent les points clés anatomiques directement à partir des images brutes en-temps réel.
• Valeur scientifique :En supprimant les marqueurs physiques, nous éliminons l’inconfort potentiel, l’inhibition comportementale ou le risque de détachement des marqueurs. Cela garantit que les animaux restent dans leur état naturel, améliorant considérablement la validité écologique des données et adhérant aux normes les plus élevées en matière d'éthique et de bien-être animal.

2. Suivi 3D synchronisé multi- : au-delà du plan 2D

• Principe technologique :Nous déployons plusieurs caméras synchronisées à -frame rate-élevée pour capturer le comportement sous des angles distincts. Les algorithmes de géométrie et de reconstruction multi-vues fusionnent ces entrées 2D pour générer-des structures squelettiques 3D et des trajectoires spatiales en temps réel.
• Valeur scientifique :Les chercheurs accèdent à une reconstruction spatiale complète des comportements. Au-delà de simples cartes thermiques 2D, le système quantifie des paramètres cinématiques complexes tels que les angles des articulations (par exemple, flexion du genou), les trajectoires des membres et la dynamique posturale. Cette profondeur de données est essentielle pour analyser les anomalies de la démarche, la coordination motrice et la motricité fine avec une précision inaccessible par les méthodes traditionnelles.

3. Reconnaissance basée sur le Deep Learning : de la cinématique à la sémantique

• Principe technologique :Formés sur de vastes ensembles de données de vidéos comportementales annotées, nos réseaux neuronaux profonds vont au-delà du suivi squelettique pour classer automatiquement des événements comportementaux discrets (par exemple, marcher, grimper, saisir, se toiletter). Le système enregistre la séquence temporelle, la fréquence et la durée de ces événements.
• Valeur scientifique :Cela transforme les données cinématiques brutes en informations comportementales biologiquement significatives. Il permet la génération automatique d'« éthogrammes » et l'analyse de modèles de comportement temporels. Les algorithmes d'IA évolutifs du système garantissent une amélioration continue de la précision de la reconnaissance, permettant la détection de changements phénotypiques subtils résultant de la progression de la maladie ou d'une intervention pharmacologique.

Ce système est actuellement déployé pour évaluer l’efficacité dans divers contextes neuroscientifiques et modèles de maladies :

• Troubles du mouvement (Maladie de Parkinson, SCI):La quantification précise des paramètres de démarche (longueur de foulée, cadence, symétrie), de l'amplitude des tremblements, de la bradykinésie et de la stabilité posturale fournit des critères biologiques objectifs pour évaluer les agents neuroprotecteurs ou les thérapies cellulaires.
• Recherche sur la douleur et analgésie:Identification objective des comportements spontanés liés à la douleur-liés à la douleur-tels que le curling, la garde,-l'évitement de la mise en charge et le-grattage spécifique au site-, combinée à une analyse de mouvement 3D pour évaluer l'impact de la douleur sur l'activité générale et la mobilité.

Modèles neuropsychiatriques :

• Anxiété/Peur :Analyse de l'exploration dans les tests-sur le terrain ouvert, de la durée de gel et des comportements-d'évaluation des risques.
• Motivation/Anhédonie :Quantification des comportements d'approche vers les récompenses (nourriture, interaction sociale), la dépense d'effort et la vitesse de réaction.
• Maladies auto-immunes (par ex.Polyarthrite rhumatoïde):Au-delà de l'inflammation articulaire, le système établit un « éthogramme du comportement de la maladie », analysant les fonctions motrices compensatoires et les changements de comportement provoqués par la douleur, offrant ainsi une nouvelle dimension pour évaluer les-améliorations de la qualité de vie.

L'architecture flexible de la plateforme prend en charge des applications qui s'étendent bien au-delà des modèles standards actuels :

• Neurosciences sociales :Suivi de la distance, de l'orientation et des modèles d'interaction entre-sujets dans des configurations multi-animaux pour étudier les mécanismes neuronaux de la hiérarchie sociale, de l'agressivité et du comportement pro-social.
• Sommeil et rythmes circadiens :l'analyse fine-de l'architecture du sommeil et de l'éveil, essentielle à l'étude des perturbations circadiennes et des problèmes de sommeil dans les maladies neurodégénératives.
• Contrôle moteur fin :Le suivi de haute-précision des mouvements des doigts et de la manipulation d'objets offre des informations pour les études sur le contrôle moteur cortical, la recherche sur l'interface cerveau-ordinateur (BCI) et les stratégies de rééducation.
• Fusion de données multi-modale :Les horodatages de haute-précision du système permettent une synchronisation au niveau de la milliseconde-avec l'EEG, l'EMG, la neuroimagerie et les enregistrements neuronaux in vivo. Cette fonctionnalité facilite l'analyse en boucle fermée{{3}, reliant directement les résultats comportementaux à l'activité des circuits neuronaux sous-jacents.

LeSystème d'analyse comportementale 3D sans marqueur basé sur l'IA-par Prisys Biotech représente une avancée méthodologique en neurosciences. En libérant les chercheurs de la notation subjective et à forte intensité de travail-, il fournit des ensembles de données objectifs et de grande dimension-. Grâce à l'intégration transparente du suivi sans marqueur et de l'apprentissage profond, ce système comble le fossé entre le comportement complexe des PSN et les mécanismes neuronaux, accélérant ainsi la traduction des découvertes scientifiques fondamentales en thérapies cliniques efficaces.