È stato sviluppato un software di intelligenza artificiale per analizzare rapidamente il comportamento degli animali in modo che i comportamenti possano essere collegati in modo più preciso all'attività dei singoli circuiti cerebrali e dei neuroni, riferiscono i ricercatori di Seattle.
"Il programma promette non solo di accelerare la ricerca sulla neurobiologia del comportamento, ma anche di consentire il confronto e la riconciliazione dei risultati che non sono d'accordo a causa delle differenze nel modo in cui i singoli laboratori osservano, analizzano e classificano i comportamenti", ha affermato Sam Golden, assistente professore di struttura biologica presso la Scuola di Medicina dell'Università di Washington.
"L'approccio consente ai laboratori di sviluppare procedure comportamentali come preferiscono e rende possibile tracciare confronti generali tra i risultati di studi che utilizzano diversi approcci comportamentali", ha affermato.
Un articolo che descrive il programma è apparso sulla rivista Nature Neuroscience . Golden e Simon Nilsson, un ricercatore post-dottorato nel laboratorio Golden, sono gli autori senior dell'articolo. La prima autrice è Nastacia Goodwin, una studentessa laureata del laboratorio.
Lo studio dell'attività neurale alla base del comportamento animale ha portato a importanti progressi nella comprensione e nel trattamento di disturbi umani come la dipendenza, l'ansia e la depressione.
Gran parte di questo lavoro si basa su osservazioni scrupolosamente registrate da singoli ricercatori che osservano gli animali in laboratorio e annotano le loro risposte fisiche a diverse situazioni, quindi correlano tale comportamento con i cambiamenti nell'attività cerebrale.
Ad esempio, per studiare la neurobiologia dell’aggressività, i ricercatori potrebbero posizionare due topi in uno spazio chiuso e registrare i segni di aggressività. Questi in genere includono osservazioni della vicinanza fisica degli animali tra loro, della loro postura e di manifestazioni fisiche come contrazione rapida o tintinnio della coda.
Annotare e classificare tali comportamenti è un compito impegnativo e prolungato. Può essere difficile riconoscere e raccontare con precisione dettagli importanti, ha detto Golden. "Il comportamento sociale è molto complicato, avviene molto velocemente e spesso è ricco di sfumature, quindi molti dei suoi componenti possono andare persi quando un individuo lo osserva."
Per automatizzare questo processo, i ricercatori hanno sviluppato sistemi basati sull'intelligenza artificiale per tracciare i componenti del comportamento di un animale e classificare automaticamente il comportamento, ad esempio, come aggressivo o sottomesso.
Poiché questi programmi possono anche registrare i dettagli più rapidamente di un essere umano, è molto più probabile che un'azione possa essere strettamente correlata all'attività neurale, che in genere avviene in millisecondi.
Uno di questi programmi, sviluppato da Nilsson e Goodwin, si chiama SimBA, che sta per Simple Behavioral Analysis. Il programma open source presenta un'interfaccia grafica facile da usare e non richiede particolari competenze informatiche per essere utilizzato. È stato ampiamente adottato dagli scienziati comportamentali.
"Anche se abbiamo creato SimBA per un laboratorio di roditori, abbiamo immediatamente iniziato a ricevere e-mail da tutti i tipi di laboratori:laboratori di vespe, laboratori di tarme, laboratori di pesci zebra", ha affermato Goodwin.
Ma man mano che sempre più laboratori utilizzavano questi programmi, i ricercatori hanno scoperto che esperimenti simili producevano risultati molto diversi.
"È diventato evidente che il modo in cui un laboratorio o una persona definisce il comportamento è piuttosto soggettivo, anche quando si tenta di replicare procedure ben note", ha affermato Golden.
Inoltre, tenere conto di queste differenze è stato difficile perché spesso non è chiaro come i sistemi di intelligenza artificiale arrivino ai risultati, poiché i loro calcoli avvengono in quella che viene spesso definita "una scatola nera".
Nella speranza di spiegare queste differenze, Goodwin e Nilsson hanno incorporato in SimBA un approccio di spiegabilità basato sull'apprendimento automatico che produce quello che viene chiamato punteggio SHAP (Shapely Additive exPlanations).
In sostanza, ciò che fa questo approccio di spiegabilità è determinare in che modo la rimozione di una caratteristica utilizzata per classificare un comportamento, ad esempio il tintinnio della coda, cambia la probabilità di una previsione accurata da parte del computer.
Rimuovendo caratteristiche diverse da migliaia di combinazioni diverse, SHAP può determinare quanta forza predittiva è fornita da ogni singola caratteristica utilizzata nell'algoritmo che classifica il comportamento. La combinazione di questi valori SHAP definisce quindi quantitativamente il comportamento, rimuovendo la soggettività nelle descrizioni comportamentali.
"Ora possiamo confrontare i rispettivi protocolli comportamentali (di diversi laboratori) utilizzando SimBA e vedere se stiamo osservando, oggettivamente, lo stesso comportamento o un comportamento diverso", ha affermato Golden.
"Questo approccio consente ai laboratori di progettare gli esperimenti come preferiscono, ma poiché ora è possibile confrontare direttamente i risultati comportamentali di laboratori che utilizzano definizioni comportamentali diverse, è possibile trarre conclusioni più chiare tra i loro risultati. In precedenza, i dati neurali incoerenti avrebbero potuto essere attribuiti a molti confonde e ora possiamo escludere in modo netto le differenze comportamentali mentre ci impegniamo per la riproducibilità e l'interpretabilità tra laboratori", ha affermato Golden..
Ulteriori informazioni: Nastacia L. Goodwin et al, Simple Behavioral Analysis (SimBA) come piattaforma per l'apprendimento automatico spiegabile nelle neuroscienze comportamentali, Nature Neuroscience (2024). DOI:10.1038/s41593-024-01649-9
Informazioni sul giornale: Neuroscienze naturali
Fornito dalla School of Medicine dell'Università di Washington
