Le comportement est un critère fonctionnel dans la recherche préclinique, en particulier dans les neurosciences, la recherche sur la douleur et les maladies neurodégénératives. La locomotion, la posture, la coordination des membres, l’activité spontanée et les schémas comportementaux spécifiques évoluent tous avec la progression de la maladie et l’exposition aux médicaments.
Développement de médicaments pour le système nerveux central (SNC)dépend de ces lectures fonctionnelles. L’évaluation comportementale chez les primates non humains (PNH) est néanmoins difficile à mener à bien. La pratique traditionnelle repose sur l’observation directe, l’examen vidéo manuel et la notation basée sur l’expérience. Ces méthodes restent l'épine dorsale de nombreux modèles d'étude, et elles sont lentes, sujettes à la variabilité inter-observateur et trop grossières pour des événements subtils ou de courte durée.
Les progrès de l’intelligence artificielle (IA) et de la vision par ordinateur ont ouvert une voie différente. L'acquisition vidéo multi-vues synchronisée, l'estimation de pose 3D sans marqueur et l'analyse comportementale automatisée extraient désormais le mouvement et la posture du comportement animal naturel.
Pour les études NHP, le phénotypage comportemental 3D alimenté par l'IA ajoute une lecture fonctionnelle à l'observation clinique conventionnelle, à la mesure pharmacocinétique/pharmacodynamique (PK/PD), à l'imagerie et à d'autres paramètres pharmacologiques.
Réponse rapide : qu'est-ce que le phénotypage comportemental 3D alimenté par l'IA ?
Le phénotypage comportemental 3D alimenté par l'IA utilise une vidéo multi-caméras synchronisée et une estimation de pose basée sur l'IA pour reconstruire le mouvement des animaux dans un espace tridimensionnel. Il quantifie la cinématique du mouvement, la coordination des membres, la posture, la démarche et les modèles de comportement sélectionnés sans attacher de marqueurs de suivi physiques à l'animal. Dans la recherche sur les PSN, l’approche ajoute des critères d’évaluation fonctionnels longitudinaux objectifs à l’évaluation préclinique des médicaments.
Pourquoi l'évaluation comportementale conventionnelle a des limites
L'observation comportementale est utilisée depuis longtemps pour évaluer la fonction neurologique, les phénotypes de maladies et la réponse aux médicaments dans les études animales. Les limites apparaissent lorsque des mesures détaillées et répétées sont nécessaires.
La notation comportementale manuelle dépend de critères d'observation prédéfinis et de l'expérience de chercheurs ou de vétérinaires formés. Les différences dans la fréquence d'observation, l'interprétation des scores et le jugement individuel introduisent une variabilité entre les observateurs et entre les moments de l'étude.
La résolution temporelle est la deuxième contrainte. Une observation effectuée à des intervalles prédéfinis manque des événements brefs ou intermittents, donc un bref épisode de grattage, une anomalie passagère du mouvement des membres ou un petit changement dans l'activité spontanée passe entre les fenêtres d'observation.
L'analyse vidéo bidimensionnelle enregistre davantage mais résout moins. Il a tendance à rapporter des paramètres simples tels que la distance totale de mouvement et le niveau d'activité global, et il ne sépare pas les trajectoires individuelles des membres, les changements de posture tridimensionnels ou les mouvements impliquant plusieurs parties du corps à la fois.
La capture de mouvement basée sur des marqueurs contient des informations cinématiques plus riches, au détriment du matériel présent sur l'animal. Les marqueurs réfléchissants ou les dispositifs de suivi ajoutent de la manipulation et, dans certains contextes expérimentaux, ils interfèrent avec le mouvement naturel ou avec la surveillance sur plusieurs semaines.
Ces limites ont encouragé le développement deanalyse comportementale 3D sans marqueur, qui associe l'observation vidéo à la reconstruction des mouvements assistée par l'IA.
Comment fonctionne l'analyse comportementale 3D sans marqueur basée sur l'IA
Le phénotypage comportemental 3D combine l'acquisition vidéo multi-vues, la vision par ordinateur, l'estimation de pose basée sur l'apprentissage profond et l'analyse de données comportementales. Les systèmes sans marqueur identifient les repères anatomiques directement à partir d’images vidéo au lieu de s’appuyer sur des marqueurs réfléchissants fixés sur l’animal.
1. Acquisition vidéo multi-vues synchronisée
L'enregistrement vient en premier, avec plusieurs caméras positionnées autour d'un environnement d'enregistrement défini. Dans la configuration d'acquisition NHP présentée dans notrewebinaire technique, quatre caméras synchronisées sont placées autour de l'enceinte d'enregistrement et capturent des vues superposées d'un animal en mouvement libre.
Le chevauchement est le point. Une seule caméra ne peut pas voir tous les mouvements dans toutes les directions, et des parties du corps disparaissent lorsque l'animal se tourne, grimpe, interagit avec des objets ou change de posture. L'enregistrement synchronisé permet d'analyser ensemble des images sous différents angles et fournit les informations spatiales dont la reconstruction tridimensionnelle a besoin.
Les positions des caméras, l'éclairage, l'environnement d'enregistrement et la procédure d'observation découlent des paramètres comportementaux prévus et des objectifs de l'étude.
2. Estimation de pose 3D sans marqueur
Les modèles de vision par ordinateur basés sur l'IA identifient ensuite les repères anatomiques dans les images enregistrées et les utilisent pour estimer la configuration du corps et reconstruire une représentation squelettique tridimensionnelle. Le changement de posture et le mouvement des régions anatomiques individuelles sont suivis au fil du temps sans marqueurs sur l'animal.
Par rapport à la simple surveillance de l'activité, l'estimation de pose 3D décrit la façon dont un animal se déplace : trajectoires des membres, transitions de posture et mouvements coordonnés entre les parties du corps.
La qualité de la reconstruction dépend de l'étalonnage de la caméra, de la synchronisation, de la visibilité des repères anatomiques et de l'étendue de l'occlusion.
3. Analyse comportementale quantitative
Les données de mouvement tridimensionnelles sont converties en paramètres comportementaux quantitatifs sur quatre niveaux.
Cinématique du mouvement
La cinématique du mouvement décrit la dynamique du mouvement. La vitesse, l'accélération et la trajectoire du mouvement caractérisent l'activité spontanée et les changements dans le schéma locomoteur, et séparent la ligne de base des conditions post-traitement.
Position des membres et suivi de la démarche
Les positions des membres suivies au fil du temps caractérisent la locomotion, la coordination et les anomalies motrices. Dans les modèles de maladies neurologiques, ce niveau montre des changements dans la coordination des membres gauche-droit, la symétrie des mouvements, les caractéristiques de la démarche et les performances motrices fines.
Estimation de pose tridimensionnelle
L'estimation de la pose en coordonnées spatiales décrit la posture du corps et les mouvements des articulations, ce qui est important pour les comportements que la distance parcourue ou la vidéo bidimensionnelle ne peuvent pas caractériser.
Segmentation comportementale automatisée
La segmentation comportementale identifie et classe les états ou événements comportementaux spécifiques issus de mouvements dérivés de la vidéo. Selon le modèle analytique et son statut de validation, cela couvre la locomotion, le toilettage, le grattage, l'escalade, les transitions de posture ou les schémas de mouvements répétitifs. La segmentation automatisée supprime l'examen vidéo manuel qui nécessiterait autrement de grands ensembles de données et des études longitudinales.
Les quatre niveaux sont complémentaires et non interchangeables : la bonne combinaison découle de la question scientifique, du comportement cible et de l'état de validation du modèle.
Applications dans la recherche préclinique sur les PSN
Le phénotypage comportemental quantitatif s'applique à tous les domaines thérapeutiques où un changement fonctionnel indique une réponse à une maladie ou à un traitement.
Recherche sur le SNC et les maladies neurodégénératives
Dans les modèles de maladies neurologiques, les changements moteurs se manifestent par une réduction des mouvements, une démarche anormale, une coordination altérée ou une activité spontanée altérée.La maladie de Parkinsonet d'autres conditions neurodégénératives modifient progressivement le contrôle moteur, et le suivi des mouvements bilatéraux de la main, de la trajectoire des membres et du schéma locomoteur ajoute des paramètres quantitatifs pour ces anomalies. Des mesures répétées au cours de l'étude montrent ensuite si les performances motrices changent avec le traitement.
Recherche sur la douleur et le prurit
La douleur et le prurit produisent des réponses comportementales reconnaissables : grattage, modification des schémas de mouvement, altération de l'activité spontanée. DansÉtudes sur le prurit des PSN, l'analyse automatisée des grattages mesure la fréquence, la durée et la répartition temporelle des grattages, et les données de mouvement tridimensionnelles peuvent aider à séparer les grattages du toilettage ou des mouvements corporels de routine utilisant des mouvements similaires des membres.
Ces mesures complètent l'observation clinique et d'autres paramètres pharmacodynamiques dans l'évaluation des candidats antiprurigineux ou anti-inflammatoires.
Évaluation de la démarche et de la fonction motrice
L'analyse de la marche est une application directe. Les trajectoires reconstruites des membres et la posture du corps pendant la locomotion montrent des changements dans la symétrie des mouvements, la coordination et les caractéristiques de la démarche. Puisqu’aucun marqueur n’est fixé, les mouvements sont enregistrés dans des conditions naturalistes conçues pour l’étude. L’évaluation répétée de la fonction motrice dans les modèles de maladies neurologiques et dans les études sur la récupération fonctionnelle est là où cela compte le plus.
Phénotypage comportemental longitudinal
Le changement de comportement n’est pas toujours un événement isolé. Dans certains modèles, une activité spontanée altérée, une exploration, un mouvement répétitif ou une répartition des états comportementaux se développent progressivement. L'acquisition vidéo longitudinale avec analyse automatisée compare les modèles de comportement entre les périodes d'étude et les conditions de traitement, y compris la manière dont les mouvements se répartissent, l'évolution des modèles d'activité et l'évolution des comportements répétitifs au fil du temps.
L'interprétation doit tenir compte des conditions d'enregistrement, de l'activité de base, de l'adaptation des animaux et d'autres sources de variabilité comportementale.
Mise en œuvre de l'analyse comportementale basée sur l'IA dans les études Prisys NHP
Chez Prisys Biotech, le phénotypage comportemental 3D basé sur l'IA est intégré aux études pharmacologiques sur les primates non humains en tant qu'évaluation fonctionnelle supplémentaire.
Notre objectif principal est la conception et l'exécution de recherches in vivo sur les PSN : préparation des animaux, planification de l'évaluation comportementale spécifique à l'étude, conception de protocoles d'enregistrement, acquisition vidéo et intégration de mesures comportementales avec d'autres paramètres pharmacologiques. Pour l’analyse assistée par l’IA elle-même, Prisys coordonne les technologies spécialisées de vision par ordinateur et d’analyse comportementale 3D en fonction des exigences de chaque programme de recherche.
Le flux de travail relie la conception de l'étude à l'enregistrement vidéo multi-vues, à la reconstruction de mouvements en trois dimensions et à l'analyse comportementale quantitative, de sorte que les mesures comportementales sont lues dans le contexte du modèle animal, des conditions de traitement et des objectifs de l'étude.
Les lectures comportementales ne sont pas rapportées de manière isolée. Leur valeur scientifique dépend de l’adéquation des mesures sélectionnées au phénotype de la maladie et à la question pharmacologique. Le cas échéant, les paramètres comportementaux côtoient les données PK/PD,imagerie clinique, des mesures physiologiques et une évaluation pathologique pour soutenir une évaluation plus complète de la réponse aux médicaments dans les modèles PSN.
Considérations méthodologiques : validation et conception de l'étude
L'analyse comportementale basée sur l'IA ouvre de nouvelles options de mesure, mais ses résultats ne sont pas des paramètres pharmacodynamiques automatiquement validés.
Validation spécifique au comportement
Un modèle d'IA est évalué par rapport à des annotations de référence définies, y compris des segments vidéo examinés par des humains, le cas échéant. La validation cible les comportements pertinents pour l’étude, car des performances globales élevées en matière de suivi des poses ne permettent pas d’établir une reconnaissance précise de chaque catégorie comportementale. Détecter les mouvements généraux des membres n’est pas la même chose que distinguer le grattage du toilettage, et chaque comportement cible nécessite une définition opérationnelle et ses propres données de performance de classification.
Configuration de l'enregistrement
La disposition des caméras, la synchronisation, l'éclairage, l'environnement d'enregistrement et le positionnement des animaux affectent tous la qualité de la vidéo. Un modèle configuré dans une configuration d'enregistrement n'est pas censé fonctionner de manière identique dans différentes conditions : les changements dans la géométrie de la caméra, les caractéristiques des animaux ou l'environnement d'enregistrement nécessitent un étalonnage et une validation supplémentaires.
Occlusion et qualité des données
L'occlusion se produit lorsque le corps de l'animal, les structures de la cage ou d'autres objets cachent des parties du corps, ce qui réduit la fiabilité de l'estimation de la pose dans les images individuelles. L'évaluation de la qualité des données couvre donc la fiabilité du suivi, les repères manquants et la proportion de temps d'enregistrement utilisable.
Définition du point final comportemental
Le critère comportemental cible est défini avant le début de l’étude : ce qui compte comme un événement comportemental, comment les événements sont comptés, quelles périodes d’observation sont pertinentes et comment les mesures qui en résultent seront interprétées. Les comportements complexes et les phénotypes spécifiques à une maladie doivent être réglés à l'avance, car la classification automatisée de ces comportements nécessite une configuration et une validation supplémentaires du modèle.
Les mesures dérivées de l’IA sont plus utiles dans le travail translationnel lorsqu’elles sont scientifiquement définies, reproductibles et interprétées avec d’autres paramètres pertinents.
Le rôle du phénotypage comportemental quantitatif dans le développement translationnel de médicaments
Le phénotypage comportemental 3D alimenté par l'IA ajoute une méthode pour étudier les changements fonctionnels chez les primates non humains. L'acquisition vidéo synchronisée, l'estimation de pose sans marqueur et l'analyse comportementale automatisée font passer la lecture du simple compte d'activité vers le mouvement, la posture, la coordination et les modèles de comportement sélectionnés.
Pour le SNC, la douleur et d’autres domaines thérapeutiques où le résultat fonctionnel est important, ces mesures complètent les paramètres pharmacologiques et physiologiques établis.
Chez Prisys, l'évaluation comportementale quantitative fait partie d'un flux de travail plus large de recherche translationnelle sur les PSN. Ce qui a du poids scientifique, c'est le lien entre une expérience in vivo soigneusement conçue et une mesure comportementale biologiquement significative et correctement validée.
Les articles ultérieurs de cette série couvrent des applications spécifiques, notamment la reconnaissance automatisée des grattages, la coordination motrice bilatérale, l'analyse de la démarche sans marqueur, l'évaluation comportementale longitudinale et l'intégration de données comportementales avec d'autres paramètres pharmacologiques.
Explorez la série d'applications
Cet article pose les fondements méthodologiques. Les articles suivants examinent comment l’approche s’applique à des questions de recherche spécifiques sur les PSN :
- Reconnaissance automatisée du comportement de grattage chez les macaques Cynomolgus. Quantification des paramètres comportementaux liés au prurit avec une estimation de pose 3D et une analyse de mouvement.
- Évaluation bilatérale de la coordination motrice dans les modèles PSN. Évaluation des trajectoires de mouvement gauche-droite et des anomalies motrices fonctionnelles.
- Analyse de la démarche 3D sans marqueur chez les primates non humains. Caractériser la locomotion, les trajectoires des membres et la coordination des mouvements.
- Phénotypage comportemental longitudinal et analyse du comportement stéréotypé. Surveiller les changements dans les modèles d’activité et les comportements répétitifs dans les conditions d’étude.
- Intégration de l'analyse comportementale de l'IA à la pharmacologie des PSN. Connecter les paramètres comportementaux avec la pharmacocinétique/PD, l'imagerie, la surveillance physiologique et d'autres mesures translationnelles.
Le phénotypage comportemental quantitatif soutient la conception d’études précliniques plus informatives sur les PSN.
À propos de Prisys Biotech
Prisys Biotech se spécialise dans les modèles de maladies des primates non humains, la pharmacologie préclinique et la recherche translationnelle. Ses capacités couvrent l'évaluation de l'efficacité in vivo, l'évaluation comportementale, l'imagerie clinique et les études pharmacologiques intégrées pour les sociétés pharmaceutiques et biotechnologiques. Pour toute demande de collaboration en matière de recherche ou de conception d’étude sur les PSN, contactezbd@prisysbiotech.com.
