ساخت پلتفرم پایش هوشمند قفس موش ها با استفاده از سیستم ویدئویی و تحلیل مبتنی برا هوش مصنوعی
آزمایشگاه جکسون با بهره‌گیری از نظارت پیوسته ویدئویی و تحلیل های مبتنی بر هوش مصنوعی، امکان دستیابی به اطلاعات دقیق تر و نتایج جدیدتر را در مدت زمان کوتاه تری نسبت به روش های سنتی مشاهده موردی فراهم کرده است.
نظارت سنتی در تحقیقات حیوانی
برای بیش از ۶۰ سال، حیوانات مورد استفاده در تحقیقات به روش‌های سنتی تحت نظارت قرار گرفته‌اند. در این روش‌ها، داده های رفتاری و فیزیولوژیکی تنها در بازه های زمانی مشخص ثبت می‌شوند و اغلب با ارزیابی‌های ذهنی همراه هستند. این موضوع باعث ایجاد چالش‌هایی در تکرارپذیری (Reproducibility) و ترجمه‌پذیری (Translatability) نتایج می‌شود.
دکتر مایکل الیس، مدیر ارشد تحقیق و توسعه در Jackson Labs، می‌گوید:
“برای درک بهتر زیست‌شناسی و توسعه داروهای مؤثر، باید مشکلات مربوط به تکرارپذیری و ترجمه‌پذیری را برطرف کنیم.”
راهکار نوین: پایش مداوم با کمک هوش مصنوعی
پایش مداوم حیوانات در قفس‌های آزمایشگاهی، روشی مناسب برای رفع این چالش‌ها است. اما بررسی دستی ویدئوها، فرایندی وقت گیر و خسته کننده است. با استفاده از هوش مصنوعی (AI)، می‌توان جزئیات مهم رفتار حیوانات را به صورت فردی یا گروهی شناسایی و تحلیل کرد. این روش به پژوهشگران اجازه می‌دهد که تنها روی اطلاعات کلیدی تمرکز کنند.
سیستم Envision™(پایش هوشمند قفس موش ها) که توسط آزمایشگاه جکسون توسعه یافته است، یک راهکار مبتنی بر فضای ابری(دسترسی بربستر اینترنت) و مجهز به بینایی کامپیوتری(شاخه‌ای از هوش مصنوعی) است. این سیستم رفتارها و اندازه‌گیری های فیزیولوژیکی را به صورت مداوم بررسی کرده و شرایطی نظیر سطح غذا و آب را که بر رفاه حیوانات تأثیر می‌گذارند، پایش می‌کند.
همکاری جکسون با Allentown
آزمایشگاه جکسون اخیراً با شرکت Allentown، ارائه دهنده راهکارهای تحقیقاتی حیوانات، همکاری کرده است. نتیجه این همکاری، راه‌اندازی یک سیستم نظارتی کاملاً یکپارچه مبتنی بر هوش مصنوعی برای قفس‌های موش‌ها است. ترکیب Envision™(پایش هوشمند قفس موش ها) با سیستم Discovery™ IVC rack شرکت Allentown به پژوهشگران کمک می‌کند که داده های رفتاری و فیزیولوژیکی دقیقتری را برای پیشبرد توسعه داروها جمع آوری کنند.
امکانات نظارت هوشمند با سیستم Envision(پایش هوشمند قفس موش ها)
پلتفرم Envision از مدل های معتبر هوش مصنوعی استفاده می‌کند که برای شناسایی و تحلیل فعالیت ها و رفتارهای خاص (مانند تشنج، نرخ تنفس، مسافت طی‌شده و سطح فعالیت) آموزش دیده‌اند. این ویژگی پژوهشگران را از بررسی دستی ساعت ها ویدئو بی‌نیاز کرده و امکان دسترسی به داده‌های استاندارد شده و مداوم را فراهم می‌کند. این امر باعث بهبود بازتولیدپذیری مطالعات و کاهش استفاده از منابع می‌شود.
ویژگی‌های منحصربه‌فرد Envision
- شناسایی فردی موش‌ها: این سیستم رفتار و فیزیولوژی هر موش را به صورت جداگانه ثبت می‌کند.
- هشدارهای رفاهی: نظارت بر سطح غذا و آب و ارسال هشدار در مواقع کمبود.
- دسترسی ابری: امکان مشاهده داده‌ها از هر مکان و در هر زمان با اتصال به اینترنت.
- کاهش استرس: نیازی به حضور فیزیکی پژوهشگران در محل نگهداری حیوانات نیست.
شناسایی زود هنگام تغییرات
یکی از مشکلات رایج در تحقیقات حیوانی این است که بیشتر آزمایش‌ها در طول روز انجام می‌شوند، در حالی که موش‌ها موجوداتی شب زیست هستند. این امر باعث استرس بیشتر در حیوانات و کاهش کیفیت داده‌های جمع‌آوری شده می‌شود.
دکتر الیس توضیح می‌دهد:
“تصور کنید نیمه شب از خواب بیدار شوید، توسط یک غول از خانه‌تان بیرون کشیده شوید و روی شما آزمایش انجام شود! با استفاده از Envision، تنها نظارت می‌کنیم و این فرایند استرسی برای موش‌ها ایجاد نمی‌کند.”
به عنوان مثال، در مطالعه‌ای روی موش‌های اصلاح شده ژنتیکی با علائمی مشابه بیماری ALS، تغییرات رفتاری از هفته هفتم مشاهده شد، اما این تغییرات تنها در پایان چرخه تاریکی (۳ ساعت پیش از خواب موش‌ها) قابل تشخیص بودند. با استفاده از روش‌های سنتی، این تغییرات تا هفته چهاردهم شناسایی نمی‌شد. تشخیص زودهنگام این تغییرات می‌تواند زمان و هزینه توسعه دارو را به شدت کاهش دهد.
مدیریت داده‌های حجیم
مدل‌های بینایی کامپیوتری برای عملکرد صحیح به حجم زیادی از داده‌های باکیفیت نیاز دارند. پلتفرم Envision به پژوهشگران این امکان را می‌دهد که ویژگی‌های رفتاری و فیزیولوژیکی موردنظر خود را سفارشی سازی کنند.
دکتر الیس می‌گوید:
“Envision مانند یک سیستم عامل است و ما برنامه‌هایی برای نظارت بر تنفس، تشنج و فعالیت ساخته‌ایم. پژوهشگران می‌توانند این برنامه‌ها را بر اساس نیازهای خود تنظیم کنند.”
علاوه بر این، نظارت پیوسته امکان بازگشت به داده‌های گذشته و بررسی جزئیات دیگر را فراهم می‌کند. این قابلیت می‌تواند نیاز به انجام مطالعات اضافی روی موش‌ها را کاهش دهد و داده‌های بیشتری را از همان موش‌های اولیه در اختیار پژوهشگران قرار دهد.
آینده نظارت بر حیوانات آزمایشگاهی
پلتفرم Envision برای رفع نیازهای پژوهشگران پیش‌بالینی طراحی شده است. این ابزار از پژوهشگران دانشگاهی تا زیست شناسان و داروسازان صنعت داروسازی را شامل می‌شود.
این فناوری پتانسیل تغییر چشمگیر در روش‌های فعلی تحقیقات حیوانی را دارد و باعث می‌شود این فرآیندها کمتر تهاجمی و مؤثرتر برای حیوانات و پژوهشگران باشد. به گفته دکتر الیس:
“ما تنها بخش کوچکی از ظرفیت این ابزار را شناسایی کرده‌ایم و در تلاشیم تا قابلیت‌های دیجیتال بیشتری را برای اندازه‌گیری‌های رفتاری و فیزیولوژیکی توسعه دهیم.”
نتیجه‌گیری
استفاده از هوش مصنوعی در نظارت بر حیوانات آزمایشگاهی، نه‌تنها داده‌های ارزشمندتری را ارائه می‌دهد، بلکه استرس کمتری به حیوانات وارد می‌کند و تحقیقات را به سمت کارایی بیشتر و هزینه‌های کمتر هدایت می‌کند.
