Para Eric Yttri, profesor asistente de ciencias biológicas y facultad del Instituto de Neurociencias de la Universidad Carnegie Mellon, la mejor manera de comprender el cerebro es observar cómo los organismos interactúan con el mundo.
“El comportamiento impulsa todo lo que hacemos”, dijo Yttri.
Como neurocientífico del comportamiento, Yttri estudia lo que sucede en el cerebro cuando los animales caminan, comen, olfatean o realizan alguna acción. Este tipo de investigación podría ayudar a responder preguntas sobre enfermedades o trastornos neurológicos como la enfermedad de Parkinson o el accidente cerebrovascular. Pero identificar y predecir el comportamiento de los animales es extremadamente difícil.
Ahora, un nuevo algoritmo de aprendizaje automático no supervisado desarrollado por Yttri y Alex Hsu, un Ph.D. en ciencias biológicas. candidato en su laboratorio, hace que estudiar el comportamiento sea mucho más fácil y preciso. Los investigadores han publicado un artículo sobre la nueva herramienta, B-SOiD (Segmentación conductual de campo abierto en DeepLabCut), en Nature Communications. El algoritmo B-SOiD es capaz de descubrir tipos de movimientos, como se muestra en la nube de puntos aquí, y luego generalizar entre sujetos, detectando los mismos movimientos en ambos individuos.
Anteriormente, el método estándar para capturar el comportamiento de los animales era rastrear acciones muy simples, como si un ratón entrenado presionaba una palanca o si un animal estaba comiendo comida o no. Alternativamente, el experimentador podría pasar horas y horas identificando comportamientos manualmente, generalmente cuadro por cuadro en un video, un proceso propenso al error humano y al sesgo.
Hsu se dio cuenta de que podía dejar que un algoritmo de aprendizaje sin supervisión hiciera el trabajo que consumía mucho tiempo. B-SOiD descubre comportamientos identificando patrones en la posición del cuerpo de un animal. El algoritmo funciona con software de visión por computadora y puede decirles a los investigadores qué comportamiento ocurre en cada fotograma de un video.
“Utiliza una ecuación para determinar consistentemente cuándo comienza un comportamiento”, explicó Hsu. “Una vez que se alcanza ese umbral, el comportamiento se identifica en todo momento. Un experimentador humano puede alternar entre dos marcos o varias categorías, tratar de decidir dónde comienza el comportamiento y fatigarse con el tiempo”.
Yttri dijo que B-SOiD proporciona una gran mejora y abre varias vías para nuevas investigaciones.
“Elimina el sesgo del usuario y, lo que es más importante, elimina el costo de tiempo y el arduo trabajo”, dijo. “Podemos procesar con precisión horas de datos en cuestión de minutos”.
Además, B-SOiD es muy fácil de usar y está abiertamente disponible para cualquier investigador. El laboratorio de Yttri y sus colaboradores han utilizado el nuevo algoritmo en la investigación en muchas áreas importantes, incluida la investigación para comprender mejor el dolor crónico, el trastorno obsesivo compulsivo y más. Los colaboradores incluso han comenzado a utilizar B-SOiD para estudiar el movimiento humano en la enfermedad de Parkinson.
“Estamos empezando a ver si un médico puede usar esto como parte de una prueba objetiva para mostrar hasta dónde ha progresado la enfermedad de un paciente. La esperanza es que un paciente en cualquier parte del mundo sea diagnosticado con una métrica estandarizada”, Yttri dijo.
Este es un gran avance en la forma en que los científicos pueden estudiar el comportamiento natural y cómo cambia en lugar de las medidas demasiado simplistas o subjetivas que predominan en la neurociencia y la etología.
Fuente: Medical Xpress.
