(資料圖片僅供參考)
通過使用最先進的技術(shù)分析患有癲癇癥的小鼠的行為模式，研究人員可能能夠更好地研究這種疾病并確定潛在的治療方法。研究人員使用人工智能技術(shù)來確定小鼠的行為“指紋”，這些指紋是人眼看不到的。這種自動化的行為表型分析只需要一個小時的視頻錄制，并且不需要研究人員等待罕見的癲癇發(fā)作事件。該研究發(fā)表在《神經(jīng)元》雜志上。
科學家們發(fā)現(xiàn)，這種機器學習輔助的 3D視頻分析優(yōu)于傳統(tǒng)方法，在傳統(tǒng)方法中，分析依靠人類觀察來標記動物模型在癲癇發(fā)作期間的行為跡象。這個勞動密集型過程需要在數(shù)天或數(shù)周內(nèi)對小鼠進行持續(xù)視頻監(jiān)控，同時用腦電圖 (EEG) 記錄它們的腦電波活動。
由斯坦福大學研究人員領(lǐng)導(dǎo)的團隊研究了患有獲得性癲癇和遺傳性癲癇的小鼠。他們發(fā)現(xiàn)，與訓練有素的人類觀察者相比，機器分析能夠更好地區(qū)分癲癇小鼠和非癲癇小鼠。人工智能程序還在癲癇發(fā)展的不同階段識別出不同的行為表型。
值得注意的是，研究人員能夠使用人工智能程序來區(qū)分老鼠在服用三種抗癲癇藥物中的一種后的不同行為模式。這表明該工具可用于快速、自動化的抗癲癇藥物測試。最終，在癲癇動物研究中使用自動化表型分析可以徹底改變研究的方式，加快發(fā)現(xiàn)速度并降低成本。
研究中使用的機器學習技術(shù)稱為 MoSeq for Motion Sequencing，可定位、跟蹤和量化視頻每一幀中自由移動的老鼠的行為。該信息用于訓練無監(jiān)督機器學習模型，以識別重復(fù)的行為主題(稱為“音節(jié)”——例如，向右轉(zhuǎn)或向左搖頭)。MoSeq 預(yù)測音節(jié)出現(xiàn)的順序(或“語法”)，從而可以快速客觀地描述小鼠行為。
關(guān)鍵詞：
研究人員
人工智能
機器學習
行為模式
