행동 종점은 -비인간 영장류(NHP) 약물 개발에서 실제 중요성을 지닙니다. 특히 치료 효과가 생화학적 또는 구조적 판독 결과에 나타나지 않는 경우 더욱 그렇습니다. 운동, 자세, 보행, 자발적인 활동, 긁기, 얼굴 반응: 이들 중 하나의 변화는 질병 진행 또는 치료 반응의 기능적 증거가 될 수 있습니다.
문제는 NHP 행동이 연속적이고 매우 다차원적이라는 것입니다. 기존 평가는 수동 관찰, 비디오 검토 또는 사전 정의된 채점 시스템에 의존합니다. 효과는 있지만 시간이 많이 걸리고-관찰자 간 가변성이 발생합니다. 이는 미묘하거나 느리게 진행되는-변화를 정량화하려고 할 때 가장 문제가 됩니다.
컴퓨터 비전과 AI는 또 다른 경로를 제공합니다. 즉, 일반적인 다중{0}}영상을 구조화된 3차원{1}} 행동 데이터로 전환하는 것입니다. 영상을 누군가가 봐야 하는 기록으로 취급하는 대신, 마커 없는 추적은 움직임을 정량적 운동학적 및 행동학적 종점으로 변환합니다.
따라서 NHP 번역 작업에 대한 질문은 AI가 "동물을 추적"할 수 있는지 여부가 아닙니다. 이는 비디오-에서 파생된 측정이 질병을 특성화하고 약리학을 평가하는 데 과학적으로 의미 있는 종점이 될 수 있는지 여부입니다.
비디오에서 3D 포즈까지: 마커리스 추적 작동 방식
마커리스 3D 행동 분석은 동기화된 다중{1}}뷰 비디오 획득과 컴퓨터 비전 및 딥{2}}학습- 기반 자세 추정을 결합합니다.
반사 마커가 없고 동물에 센서가 부착되어 있지 않습니다. 시스템은 비디오 프레임에서 직접 해부학적 핵심 지점을 식별하고 여러 카메라 뷰가 서로의 사각지대를 채워 단일-뷰 2D 분석을 괴롭히는 폐색 및 원근 문제를 완화합니다. 이를 통해 동물의 자세와 움직임을 3차원으로 재구성할 수 있습니다. Prisys의 NHP 행동 분석 워크플로는 전신-운동과 관절-관련 운동학을 정량적으로 특성화하는 데 충분한 21개 이상의 해부학적 핵심 지점을 추적합니다.
파이프라인은 다음과 같이 실행됩니다.다중-뷰 비디오 → 3D 자세 재구성 → 행동 분할 → 매개변수 추출 → 약리학적 종말점
한 가지 분명히 짚고 넘어가야 할 점은 포즈 추정이 종점이 아니라는 점입니다. 그 가치는 수천 또는 수백만 개의 개별 움직임 관찰을 실제로 해석할 수 있는 행동 특징으로 바꾸는 데 있습니다.
NHP 운동에서 무엇을 정량화할 수 있나요?
3D 포즈 데이터가 있으면 전체 매개변수 레이어가 열립니다.
운동학 우선: 위치, 속도, 움직임 궤적, 자세, 보행 특성, 사지 협응, 관절{0}}관련 움직임 패턴. 그런 다음 행동: 움직임 시퀀스가 인식 가능한 행동 상태로 분할되고 정의된 관찰 창을 통해 분석됩니다. Prisys의 플랫폼 문서에서는 초 단위까지의 시간적 정밀도로 행동 시퀀스의 자동 분해에 대해 설명합니다. 이를 통해 격리된 행동 점수를 지나 지속적인 행동 프로필로 이동할 수 있습니다.
동물의 "활동 증가"를 기록하는 대신 활동이 언제 증가했는지, 얼마나 오래 지속되었는지, 어떤 움직임 패턴이 변화를 주도했는지, 타이밍이 투여량과 일치하는지 여부를 정확히 파악할 수 있습니다. 이는 표현형과 치료 반응에 대한-세밀한 그림입니다.
NHP 연구에서 마커리스 분석이 중요한 이유
마커 없는 추적의 확실한 이점은 동물에 아무것도 부착하지 않고 행동 데이터를 수집한다는 것입니다.
마커- 기반 모션 캡처는 자세한 움직임 정보를 제공하지만 마커나 센서를 부착하면 추가 처리가 필요하며 하드웨어가 측정하려는 움직임 자체를 방해할 수 있습니다. 마커리스는 이를 회피하는데, 이는 자발적인 행동 자체가 관심의 종점일 때 가장 중요합니다. Prisys의 기술 프레임워크는 마커 없는 추적과 동기화된 다중 뷰 획득 및 심층-학습- 기반 분석을 결합하여 핵심-주요 지점 추적 및 행동 분석을 자동화하는 동시에 폐색 및 관점 제한을 줄입니다.
마커가 없다고 해서 검증-이 필요 없다는 의미는 아닙니다. AI-에서 파생된 행동 종점에는 여전히 모델-별 검증이 필요하며 웹 세미나 요약에서 이 점을 직접적으로 밝혔습니다. 알고리즘 출력은 사람이 검토한 적절한 참조 자료와 비교하여 확인하고 동물 모델, 연구 설계 및 연구 질문의 맥락에서 읽어야 합니다. 탐색적 관찰이 아닌 행동 분류가 약력학적 종점 역할을 할 때 이는 두 배가 됩니다.
이동에서 약리학적 종점까지
이동 데이터를 특정 생물학적 또는 약리학적 질문과 연결할 때 번역적 보상이 제공됩니다.
효능 연구에서 "움직임"은 끝점이 아닙니다. 종점은 치료가 병리학적 행동을 감소시키거나, 운동 기능을 회복시키거나, 질병 진행의 궤적을 변화시키는지 여부입니다.
Prisys–Bayone NHP BehaviorAtlas 웹 세미나의 세 가지 응용 분야가 어떤 모습인지 보여줍니다.
스크래치는 객관적인 수량화를 위한 완벽한 사례에 가깝습니다.
소양증 연구에는 긁는 빈도, 기간, 시간 분포 및 움직임 특성이 필요합니다. 수동 채점은 효과가 있지만 관찰이 몇 시간 또는 며칠에 걸쳐 반복되면 처벌을 받게 됩니다.{1}}D 추적은 긁힘을 눈에 보이는 이벤트의 개수가 아닌 구조화된 움직임 순서로 특성화하고 궤적, 자세 및 공간 관계는 긁힘을 그루밍 또는 일상적인 사지 움직임과 구분하는 데 도움이 됩니다.
Prisys에서 이 분석은 다음을 포함하여 NHP 소양증 연구에 적용됩니다.IL-31 유발 시노몰구스 원숭이 모델이는 항소양제 및 관련 치료 전략을 평가하기 위해 측정 가능한 긁는 행동과 염증 반응을 생성합니다. 행동 측정은 임상 관찰, 염증성 바이오마커, 병리학적 평가와 함께 보완적인 약력학적 평가변수로 사용됩니다.
신경 및 운동 기능
모터 표현형은 또 다른 자연스러운 적합성입니다.
NHP 모델에서는파킨슨병, 뇌졸중 및 기타 신경 장애가 있는 경우 보행, 자세, 자발적인 활동, 사지 사용, 협응 또는 운동 속도에 기능적 변화가 나타납니다. 단일 관찰 점수는 . 3D 추적이 시간 의존적 데이터 세트로 움직임을 나타내는- 모든 것을 포착하는 데 어려움을 겪습니다. 따라서 질병 유발 또는 치료 전후의 행동 특징을 종적으로 비교할 수 있습니다. 보행 대칭, 이동 속도, 자세 전환 및 사지 조정은 개별 메모 대신 함께 평가됩니다.
이는 완전한 예/아니요로 도착하기보다는 기능 회복이 점진적으로 구축되는 효능 연구에서 가장 중요합니다.
얼굴 표정 및 통증-관련 반응
표현형 분석은 몸 전체를 움직일 때-멈추지 않아도 됩니다.
웨비나에서는 통증이나 불편함과 관련된 미묘한 반응을 포착하는 방법으로 3D 얼굴 모델링 및 표정 분석을 다루었으며, 주관적인 시각적 해석에 의존하는 대신 얼굴 형상 및 움직임의 변화를 정량화했습니다. 이것은 여전히 새로운 응용 프로그램입니다. 확립된 임상 관찰, 생리학적 측정 및 기타 연구 종점과 함께 이를 읽고, 안면 특징이 공식적인 약력학적 종점 역할을 하기 전에 주석, 모델{3}}특정 특성화 및 검증을 추가하세요.
지속적인 행동 데이터가 연구 해석을 향상시키는 이유
기존 평가는 고정된 시점의 동작을 샘플링하는데 이는 실질적인 제한 사항입니다. 관찰 기간 사이에 발생하는 치료-관련 행동 변화는 감지되지 않습니다. 지속적이거나 반복되는 자동 모니터링은 더 조밀한 시간 기록을 채웁니다.
이는 행동 효과의 시기가 종종 약물 노출과 연관되는 약리학에서 중요합니다.약물투여 → 노출 → 약력학적 반응 → 행동변화
PK/PD 데이터와 함께 행동 측정값을 수집하면 예상되는 약리학적 범위 내에서 행동이 변경되었는지 여부와 노출에 따라 반응 크기가 추적되는지 여부를 질문할 수 있습니다. 행동 종점은 고립된 관찰이 아닌 더 광범위한 번역 데이터 세트의 한 구성 요소가 됩니다.
NHP 중개 연구와 행동 표현형 통합
행동 분석은 다른 양식과 함께 실행될 때 유지됩니다.
Prisys에서 표현형 분석은 질병 모델, PK/PD 평가, 생체 내 이미징, 병리학 및 바이오마커 분석을 통해 더 광범위한 NHP 연구로 확장됩니다. 설정된 엔드포인트를 대체할 수는 없습니다. 이는 분자 및 생리학적 변화를 관찰 가능한 표현형에 연결하는 기능적 레이어를 추가합니다.
작업 흐름:행동 → PK/PD → 영상화 → 병리학 → 바이오마커
각 작품은 다른 질문에 답합니다. 행동은 기능을 제공하고, PK/PD는 노출 및 약리학적 반응을 제공하고, 영상은 종단적 해부학적 또는 기능적 정보를 제공하고, 병리학은 조직{1}}수준의 효과를 제공하고, 바이오마커는 기본 메커니즘을 제공합니다. 단일 분자 또는 구조적 종말점이 완전히 반영되지 않는 미묘한 기능적 변화를 치료가 생성할 때 조합이 가장 중요합니다.
비디오 녹화에서 디지털 행동 표현형 분석까지
여기서 더 큰 변화는 비디오가 관찰 기록이 아니라 정량적 데이터 소스가 된다는 것입니다.
몇 시간 분량의 영상에는 몇 시간의 행동 정보가 담겨 있지만, 이를 손으로 꺼내는 것은 느리고 일관성이 없습니다. 마커리스 3D 추적은 동일한 영상을 포즈, 움직임, 행동 시퀀스 및 시간적 패턴을 포함하는 구조화된 데이터 세트로 변환합니다. 이것이 NHP 연구의 디지털 행동 표현형 분석의 기초입니다.
한 가지 주의 사항. 디지털 표현형 분석은 자동화 작업이 아닙니다. 과학은 추출된 매개변수가 생물학적으로 관련성이 있고 재현 가능하며 당면한 문제에 대해 검증된 경우에만 유지됩니다. 실제로 이는 분석이 시작되기 전에 행동 종점을 선택하고, 참조 행동을 정의하고, 검증 절차를 수립하고, 기존 약리학 및 질병 종점과 함께 AI{3}}에서 파생된 측정값을 해석하는 것을 의미합니다.
이것이 미래 NHP 약물 개발에 의미하는 것
전임상 연구가 정량적, 종단적 종말점에 더 많이 의존함에 따라 행동 분석은 약리학, 영상 및 바이오마커 전략에 더 가까워질 것입니다. 마커리스 3D 추적, 자동화된 행동 분류 및 다중 모드 변환 데이터 세트를 사용하면 약물 노출 및 생물학적 활동에서 기능적 표현형에 이르기까지 여러 수준에서 치료 반응을 읽을 수 있습니다.
행동이 질병 표현형의 핵심 부분인 CNS, 통증, 소양증 및 기타 징후의 경우 이는 기능적 결과를 보다 객관적인 측정 기준으로 제공합니다.
진정한 기회는 더 많은 행동 데이터를 수집하는 것이 아닙니다. 이는 약리학적 메커니즘과 번역 질문에 연결되는 더 잘 정의된{1}}행동 종점을 생성합니다.
NHP BehaviorAtlas 웹 세미나 다시 방문
이 기사는 Prisys 및 Bayone 웹 세미나인 "NHP BehaviorAtlas: 신약 개발을 위한 고충실도 3D NHP 행동 추적"을 기반으로 합니다. 이 웹 세미나에서는 NHP 연구에서 다중-뷰 3D 추적, 마커 없는 자세 추정, 행동 운동학, 자동화된 행동 분류 및 표정 분석을 다루었습니다.
더 자세한 논의를 위해서는 두 페이지 모두 읽어 볼 가치가 있습니다.
요약에서는 통증, 소양증, 신경 질환 모델, 얼굴 표정 분석, PK/PD, 영상, 병리학 및 바이오마커와 행동 종점의 통합에 대해 더 자세히 설명합니다.
NHP 효능 또는 중개 연구를 계획하는 연구자의 경우 AI가 더 많은 행동 데이터를 생성할 수 있는지 여부가 문제가 아닙니다. 이는 해당 데이터가 치료 반응을 읽는 방법을 향상시키는 검증되고 생물학적으로 의미 있는 종점으로 변환되는지 여부입니다.
