Искусственный интеллект разрешает конфликты, мешающие исследованиям поведения животных

Важные новости

Искусственный интеллект разрешает конфликты, мешающие животным исследование поведения

Исследователи-нейробиологи Сэм Голден и Настейша Гудвин рассматривают изображения мозга, полученные с помощью световой флуоресцентной микроскопии, выявляющие активность отдельных нейронов во время различного поведения. Они находятся в исследовательской лаборатории кафедры биологической структуры Медицинской школы Вашингтонского университета в Сиэтле. Фото: Майкл Маккарти/UW Medicine

Программное обеспечение искусственного интеллекта было разработано для быстрого анализа поведения животных, чтобы его можно было более точно связать с активностью отдельных цепей мозга и нейронов, сообщают исследователи из Сиэтла.

«Программа обещает не только ускорить исследования. в нейробиологию поведения, но также и для того, чтобы обеспечить возможность сравнения и согласования результатов, которые расходятся из-за различий в том, как отдельные лаборатории наблюдают, анализируют и классифицируют поведение», — сказал Сэм Голден, доцент кафедры биологической структуры Медицинской школы Вашингтонского университета. /п> <р>«Этот подход позволяет лабораториям разрабатывать поведенческие процедуры так, как они хотят, и дает возможность проводить общие сравнения между результатами исследований, в которых используются различные поведенческие подходы», — сказал он.

Документ, описывающий программу, опубликован в журнал Nature Neuroscience. Голден и Саймон Нильссон, научный сотрудник лаборатории Голден, являются старшими авторами статьи. Первый автор — Настейша Гудвин, аспирантка лаборатории.

Изучение нейронной активности, лежащей в основе поведения животных, привело к значительному прогрессу в понимании и лечении таких расстройств человека, как зависимость, тревога и депрессия.

Большая часть этой работы основана на наблюдениях, тщательно записанных отдельными исследователями. которые наблюдают за животными в лаборатории и отмечают их физические реакции на различные ситуации, а затем соотносят это поведение с изменениями активности мозга.

Например, чтобы изучить нейробиологию агрессии, исследователи могут поместить двух мышей в закрытое пространство и записать признаки агрессии. Обычно они включают в себя наблюдения за физической близостью животных друг к другу, их позой и физическими проявлениями, такими как быстрое подергивание или дребезжание хвоста.

Аннотирование и классификация такого поведения — это трудоемкая и длительная работа. задача. По словам Голдена, может быть сложно точно распознать и записать важные детали. «Социальное поведение очень сложное, происходит очень быстро и часто имеет нюансы, поэтому многие его компоненты могут быть потеряны, когда человек наблюдает за ним».

Чтобы автоматизировать этот процесс, исследователи разработали системы на базе искусственного интеллекта, которые отслеживают компоненты поведения животного и автоматически классифицируют поведение, например, как агрессивное или покорное.

Поскольку эти программы также могут записывать детали быстрее, чем у человека гораздо более вероятно, что действие может быть тесно коррелировано с нейронной активностью, которая обычно происходит за миллисекунды.

Искусственный интеллект разрешает конфликты, препятствующие исследованиям поведения животных

Видеокадр двух мышей, поведение которых анализируется SimBA. Точки обозначают части тела, отслеживаемые программой. Фото: Настейша Гудви

Одна из таких программ, разработанная Нильссоном и Гудвином, называется SimBA (простой поведенческий анализ). Программа с открытым исходным кодом имеет простой в использовании графический интерфейс и не требует специальных навыков работы с компьютером. Он получил широкое распространение среди учёных-бихевиористов.

«Хотя мы создали SimBA для лаборатории на грызунах, мы сразу же начали получать электронные письма из самых разных лабораторий: лабораторий по осам, моли, данио», — сказал Гудвин.

Но по мере того, как все больше лабораторий использовали эти программы, исследователи обнаружили, что аналогичные эксперименты давали совершенно разные результаты.

«Стало очевидным, что то, как любая одна лаборатория или любой отдельный человек определяет поведение, довольно субъективно, даже при попытке воспроизвести известные процедуры», — сказал Голден.

Более того, объяснить эти различия было сложно, потому что часто было неясно, как системы ИИ приходят к своим результатам, а их расчеты происходили в так называемом «черном ящике».

Надеясь объяснить эти различия, Гудвин и Нильссон внедрил в SimBA подход к объяснению на основе машинного обучения, который дает так называемый показатель Shapely Additive ExPlanations (SHAP).

По сути, этот подход к объяснению определяет, как удаление одного признака, используемого для классификации поведения, например, тряски хвостом, меняет вероятность точного предсказания компьютера.

Путем удаления разных признаков из тысяч различных комбинаций SHAP может определить, насколько прогностическая сила обеспечивается любой отдельной функцией, используемой в алгоритме, классифицирующем поведение. Комбинация этих значений SHAP затем количественно определяет поведение, устраняя субъективность в поведенческих описаниях.

«Теперь мы можем сравнивать соответствующие поведенческие протоколы (разных лабораторий) с помощью SimBA и видеть, рассматриваем ли мы объективно одно и то же или разное поведение», — сказал Голден.

«Этот подход позволяет лабораториям проектировать эксперименты, как им нравится, но поскольку теперь вы можете напрямую сравнивать результаты поведенческих исследований, полученные в лабораториях, использующих разные определения поведения, вы можете сделать более четкие выводы из их результатов. Раньше противоречивые нейронные данные можно было отнести ко многим путаницам, а теперь мы можем это сделать четко. исключить поведенческие различия, поскольку мы стремимся к межлабораторной воспроизводимости и интерпретируемости», — сказал Голден.

Дополнительная информация: Настейша Л. Гудвин и др., Простой поведенческий анализ (SimBA) как платформа для объяснимого машинного обучения в поведенческой нейробиологии, Nature Neuroscience (2024). DOI: 10.1038/s41593-024-01649-9

Информация журнала: Природная неврология

Предоставлено Медицинской школой Вашингтонского университета

Новости сегодня

Последние новости