L'évaluation comportementale est l'un des paramètres fonctionnels les plus informatifs de la recherche sur les primates non humains (NHP). Dans le développement de médicaments en neurosciences et dans le domaine du système nerveux central (SNC), les changements de mouvement, de posture, de locomotion et de comportement spontané fournissent souvent des indicateurs plus précoces et plus cliniquement pertinents de la progression de la maladie ou de la réponse thérapeutique que les mesures biochimiques conventionnelles seules.
Alors que les études translationnelles se concentrent de plus en plus sur les troubles neurologiques, les maladies à médiation immunitaire, la douleur chronique et les thérapies géniques, les chercheurs ont besoin de paramètres comportementaux suffisamment objectifs, reproductibles et sensibles pour détecter des changements fonctionnels subtils. Toutefois, les méthodes traditionnelles de notation basées sur l'observation-s'appuient souvent sur des évaluations manuelles ou sur des systèmes de suivi-basés sur des marqueurs qui introduisent de la variabilité, limitent le débit et peuvent modifier le comportement naturel des animaux.
Les progrès récents en matière de vision par ordinateur et d'intelligence artificielle ont permis une analyse comportementale tridimensionnelle-sans marqueur, permettant aux chercheurs de quantifier des phénotypes comportementaux complexes avec une précision sans précédent tout en minimisant les interférences expérimentales.
Pourquoi l'évaluation comportementale traditionnelle est devenue un facteur limitant
L’évaluation comportementale constitue depuis longtemps un critère d’évaluation essentiel en pharmacologie préclinique. Néanmoins, les approches conventionnelles se heurtent à plusieurs-limites bien connues.
La notation manuelle est intrinsèquement subjective et varie souvent selon les observateurs. Les systèmes de capture de mouvement basés sur des marqueurs- nécessitent des marqueurs réfléchissants ou des capteurs portables qui peuvent interférer avec les mouvements naturels ou induire des réponses au stress. L'analyse vidéo bidimensionnelle-est également confrontée à l'occlusion du corps, à la distorsion de la perspective et à l'incapacité de reconstruire avec précision les mouvements se produisant en dehors d'une seule vue de caméra.
Ces limitations deviennent particulièrement importantes chez les primates non-humains, dont les répertoires comportementaux sont considérablement plus sophistiqués que ceux des modèles de rongeurs. Le contrôle de la motricité fine, les transitions posturales, le comportement de toilettage, l'interaction sociale, le grattage, l'escalade et les mouvements coordonnés des membres se produisent fréquemment simultanément et ne peuvent être entièrement caractérisés à l'aide des méthodes conventionnelles.
Alors que les attentes réglementaires mettent de plus en plus l’accent sur les paramètres pharmacodynamiques quantitatifs et reproductibles, les technologies d’analyse comportementale plus avancées deviennent un élément important de la recherche translationnelle.
Analyse comportementale 3D sans marqueur : une nouvelle génération de phénotypage fonctionnel
L'analyse comportementale sans marqueur combine l'acquisition synchronisée de plusieurs-caméras avec une estimation de pose basée sur l'apprentissage profond-pour reconstruire les mouvements squelettiques tridimensionnels-sans attacher de marqueurs physiques à l'animal.
Au lieu de s'appuyer sur des capteurs externes, les algorithmes d'IA identifient les repères anatomiques directement à partir des images vidéo et estiment en continu la posture du corps tout au long de la période d'enregistrement. Plusieurs vues de caméra synchronisées réduisent l'occlusion tout en permettant une reconstruction spatiale des mouvements du corps au niveau millimétrique.
Cette approche offre plusieurs avantages scientifiques.
Comme aucun marqueur physique n'est attaché, les animaux peuvent se déplacer naturellement avec un minimum d'interférences expérimentales, réduisant ainsi les artefacts comportementaux liés au stress-. L'analyse automatisée supprime également une grande partie du biais de l'observateur associé à la notation manuelle tout en permettant la génération de données standardisées entre les études et les laboratoires.
Au-delà des simples mesures locomotrices, les systèmes basés sur l'IA-peuvent extraire des paramètres cinématiques, des trajectoires de mouvement, des angles d'articulation, des transitions de posture et des séquences comportementales difficiles, voire impossibles, à quantifier manuellement. Ces ensembles de données multidimensionnelles fournissent une représentation plus riche de la fonction neurologique et de la réponse au traitement.
Applications dans le développement translationnel de médicaments
Le phénotypage comportemental quantitatif devient de plus en plus précieux tout au long du processus de développement de médicaments.
Dans la recherche en neurosciences, l'analyse 3D sans marqueur prend en charge la caractérisation objective des phénotypes de maladies dans des modèles de maladie de Parkinson, d'ischémie cérébrale, d'épilepsie, de maladie de Huntington, de lésions de la moelle épinière et d'autres troubles neurologiques. Une surveillance continue permet aux chercheurs d'évaluer les modifications subtiles de la démarche, de la posture, de la coordination, des tremblements et de l'activité spontanée au fil du temps.
Les paramètres comportementaux fournissent également d’importantes preuves pharmacodynamiques lors des études d’efficacité. En comparant le comportement de base avec les mesures longitudinales post-traitement, les chercheurs peuvent quantifier l'amélioration fonctionnelle, identifier les relations dose-réponse et mieux comprendre les mécanismes thérapeutiques.
La technologie est également applicable en dehors des indications traditionnelles du SNC. Les troubles impliquant une douleur chronique, un prurit, une inflammation ou un dysfonctionnement neuromusculaire produisent fréquemment des signatures comportementales caractéristiques qui peuvent désormais être mesurées objectivement à l'aide d'une analyse automatisée.
Étant donné que les primates non humains - partagent une neuroanatomie et une fonction motrice hautement conservées avec les humains, ces ensembles de données comportementales quantitatives peuvent offrir une plus grande pertinence translationnelle que les mesures comparables obtenues dans des modèles de rongeurs.
Analyse comportementale sans marqueur chez Prisys Biotech
Pour prendre en charge des paramètres comportementaux de plus en plus sophistiqués dans les études sur les primates non humains, Prisys Biotech a établi unAnalyse comportementale 3D sans marqueur basée sur l'IA-workflow au sein de sa plateforme de recherche translationnelle. La solution est déployéeen collaboration avec Bayone, intégrant la vision par ordinateur avancée et l'analyse comportementale basée sur l'IA-dans les études de pharmacologie préclinique, tout en permettant à Prisys de se concentrer sur l'exécution des études, la modélisation des maladies, l'intégration des données et l'interprétation translationnelle.
Le flux de travail intègre une acquisition vidéo multi-vues synchronisée{{0}, une reconstruction de pose en trois dimensions{{1}, une reconnaissance comportementale automatisée et des rapports comportementaux quantitatifs. Plus de vingt points clés anatomiques peuvent être suivis simultanément, permettant une analyse détaillée des trajectoires de mouvement, de la posture, de la locomotion, de l'escalade, de la position debout, de la suspension, de la toilette, du grattage et d'autres comportements spontanés. Ces capacités sont cohérentes avec le cadre technique décrit pour la plateforme d'analyse comportementale des NHP basée sur l'IA.
Il est important de noter que Prisys applique cette capacité commefait partie d'études de pharmacologie intégrées plutôt que comme logiciel autonome, combinant l'analyse comportementale avec des modèles de maladie, l'évaluation PK/PD, l'imagerie clinique, la pathologie, l'évaluation des biomarqueurs et l'interprétation statistique.
Exemple d'application : Quantification automatisée du prurit PSN
Un exemple de ce flux de travail collaboratif est l'évaluation automatisée du comportement de grattage pathologique dans les études sur le prurit des primates non humains.
Grâce au suivi multi-vues, à l'estimation de pose tridimensionnelle-et à la reconnaissance comportementale basée sur le flux optique-, les épisodes de grattage peuvent être détectés automatiquement et quantifiés avec une grande cohérence. Plutôt que de s'appuyer uniquement sur l'observation manuelle, les chercheurs obtiennent des mesures standardisées de la fréquence, de la durée et de la dynamique comportementale du grattage, fournissant ainsi des paramètres pharmacodynamiques objectifs pour évaluer les thérapies antiprurigineuses.
Ce flux de travail comportemental complète celui de PrisysModèle de prurit de primate non humain induit par l'IL-31, qui prend en charge l'évaluation translationnelle de nouveaux traitements anti-prurigineux et neuroimmunitaires.
Regarder vers l'avenir
L’intelligence artificielle transforme le phénotypage comportemental de l’observation subjective en biomarqueurs numériques quantitatifs. Alors que le développement de médicaments met de plus en plus l’accent sur les résultats fonctionnels, la surveillance longitudinale et la prévisibilité translationnelle, l’analyse comportementale tridimensionnelle sans marqueur-devrait devenir un élément de plus en plus important de la recherche préclinique en neurosciences.
Lorsqu'il est intégré à des modèles avancés de maladies des primates non humains, à une imagerie de qualité clinique, à une analyse PK/PD et à des biomarqueurs moléculaires, le phénotypage comportemental assisté par l'IA permet une compréhension plus complète de l'efficacité thérapeutique tout en améliorant la valeur translationnelle des études précliniques.
Chez Prisys Biotech, cette capacité est intégrée dans des programmes de recherche translationnelle multidisciplinaires grâce à une collaboration avec des partenaires technologiques spécialisés, permettant aux sponsors d'accéder à des paramètres comportementaux quantitatifs et standardisés dans le cadre d'études pharmacologiques intégrées sur les primates non humains.
FAQ
Q : Qu'est-ce que l'analyse comportementale sans marqueur ?
R : L'analyse comportementale sans marqueur utilise la vision par ordinateur et des algorithmes d'IA pour suivre les mouvements des animaux sans attacher de marqueurs physiques ni de capteurs portables, permettant ainsi d'enregistrer objectivement le comportement naturel.
Q : Pourquoi l'analyse comportementale 3D est-elle supérieure au suivi vidéo conventionnel ?
R : La reconstruction tridimensionnelle -minimise l'occlusion, améliore la précision spatiale et permet une analyse quantitative de la posture, des mouvements articulaires, de la locomotion et des séquences comportementales complexes qui ne peuvent pas être mesurées de manière fiable à partir d'une seule caméra.
Q : Quels domaines pathologiques bénéficient le plus du phénotypage comportemental basé sur l'IA ?
R : Les applications incluent la maladie de Parkinson, l'épilepsie, les accidents vasculaires cérébraux, la maladie de Huntington, les lésions de la moelle épinière, la douleur chronique, le prurit et d'autres troubles neurologiques ou neuromusculaires pour lesquels les paramètres comportementaux fonctionnels sont critiques.
Q : Comment Prisys utilise-t-il cette technologie ?
R : Prisys intègre l'analyse comportementale sans marqueur basée sur l'IA dans-études pharmacologiques sur les primates non humains grâce à une collaboration avec Bayone, combinant l'analyse comportementale avec des modèles de maladie, des analyses PK/PD, d'imagerie, de pathologie et de biomarqueurs pour soutenir le développement translationnel de médicaments.
