Para Eric Yttri, profesor asistente de ciencias biol\u00f3gicas y facultad del Instituto de Neurociencias de la Universidad Carnegie Mellon, la mejor manera de comprender el cerebro es observar c\u00f3mo los organismos interact\u00faan con el mundo.<\/p>\n\n\n\n
“El comportamiento impulsa todo lo que hacemos”, dijo Yttri.<\/p>\n\n\n\n
Como neurocient\u00edfico del comportamiento, Yttri estudia lo que sucede en el cerebro cuando los animales caminan, comen, olfatean o realizan alguna acci\u00f3n. Este tipo de investigaci\u00f3n podr\u00eda ayudar a responder preguntas sobre enfermedades o trastornos neurol\u00f3gicos como la enfermedad de Parkinson o el accidente cerebrovascular. Pero identificar y predecir el comportamiento de los animales es extremadamente dif\u00edcil.<\/p>\n\n\n\n
Ahora, un nuevo algoritmo de aprendizaje autom\u00e1tico no supervisado desarrollado por Yttri y Alex Hsu, un Ph.D. en ciencias biol\u00f3gicas. candidato en su laboratorio, hace que estudiar el comportamiento sea mucho m\u00e1s f\u00e1cil y preciso. Los investigadores han publicado un art\u00edculo sobre la nueva herramienta, B-SOiD (Segmentaci\u00f3n 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 aqu\u00ed, y luego generalizar entre sujetos, detectando los mismos movimientos en ambos individuos.<\/p>\n\n\n\n
Anteriormente, el m\u00e9todo est\u00e1ndar para capturar el comportamiento de los animales era rastrear acciones muy simples, como si un rat\u00f3n entrenado presionaba una palanca o si un animal estaba comiendo comida o no. Alternativamente, el experimentador podr\u00eda pasar horas y horas identificando comportamientos manualmente, generalmente cuadro por cuadro en un video, un proceso propenso al error humano y al sesgo.<\/p>\n\n\n\n
Hsu se dio cuenta de que pod\u00eda dejar que un algoritmo de aprendizaje sin supervisi\u00f3n hiciera el trabajo que consum\u00eda mucho tiempo. B-SOiD descubre comportamientos identificando patrones en la posici\u00f3n del cuerpo de un animal. El algoritmo funciona con software de visi\u00f3n por computadora y puede decirles a los investigadores qu\u00e9 comportamiento ocurre en cada fotograma de un video.<\/p>\n\n\n\n
“Utiliza una ecuaci\u00f3n para determinar consistentemente cu\u00e1ndo comienza un comportamiento”, explic\u00f3 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 categor\u00edas, tratar de decidir d\u00f3nde comienza el comportamiento y fatigarse con el tiempo”.<\/p>\n\n\n\n
Yttri dijo que B-SOiD proporciona una gran mejora y abre varias v\u00edas para nuevas investigaciones.<\/p>\n\n\n\n
“Elimina el sesgo del usuario y, lo que es m\u00e1s importante, elimina el costo de tiempo y el arduo trabajo”, dijo. “Podemos procesar con precisi\u00f3n horas de datos en cuesti\u00f3n de minutos”.<\/p>\n\n\n\n
Adem\u00e1s, B-SOiD es muy f\u00e1cil de usar y est\u00e1 abiertamente disponible para cualquier investigador. El laboratorio de Yttri y sus colaboradores han utilizado el nuevo algoritmo en la investigaci\u00f3n en muchas \u00e1reas importantes, incluida la investigaci\u00f3n para comprender mejor el dolor cr\u00f3nico, el trastorno obsesivo compulsivo y m\u00e1s. Los colaboradores incluso han comenzado a utilizar B-SOiD para estudiar el movimiento humano en la enfermedad de Parkinson.<\/p>\n\n\n\n
“Estamos empezando a ver si un m\u00e9dico puede usar esto como parte de una prueba objetiva para mostrar hasta d\u00f3nde ha progresado la enfermedad de un paciente. La esperanza es que un paciente en cualquier parte del mundo sea diagnosticado con una m\u00e9trica estandarizada”, Yttri dijo.<\/p>\n\n\n\n
Este es un gran avance en la forma en que los cient\u00edficos pueden estudiar el comportamiento natural y c\u00f3mo cambia en lugar de las medidas demasiado simplistas o subjetivas que predominan en la neurociencia y la etolog\u00eda.<\/p>\n\n\n\n