AI工具可以加快小鼠癫痫药物的筛查

机器学习方法自动化行为分析，在癫痫动物模型中优于人类评估。

通过使用最先进的技术来分析癫痫小鼠的行为模式，研究人员可能能够更好地研究这种疾病并确定潜在的治疗方法。

由美国国立卫生研究院资助的研究人员使用人工智能技术来确定人眼不明显的小鼠行为“指纹”。

这种自动行为表型只需要一个小时的视频记录，并且不需要研究人员等待罕见的癫痫发作事件。该研究由NIH下属的国家神经疾病和中风研究所(NINDS)支持，发表在Neuron上。

科学家们发现，这种机器学习辅助的3D视频分析优于传统方法，在传统方法中，分析依赖于人类观察来标记癫痫发作期间动物模型中癫痫的行为迹象。

劳动密集型过程需要在多天或数周内对小鼠进行持续的视频监测，同时用脑电图(EEG)记录它们的脑电波活动。由斯坦福大学研究人员领导的研究小组研究了患有获得性和遗传性癫痫的小鼠。

他们发现，机器分析比训练有素的人类观察者能够更好地区分癫痫和非癫痫小鼠。人工智能程序还确定了癫痫发展不同阶段的不同行为表型。

值得注意的是，研究人员能够在给予三种抗癫痫药物之一后，使用AI程序来区分小鼠的不同行为模式。这表明该工具可用于快速、自动化的抗癫痫药物测试。最终，使用自动表型进行癫痫动物研究可能会彻底改变研究的方式，加快发现速度并降低成本。

该研究中使用的机器学习技术称为用于运动排序的MoSeq(链接是外部的)，用于定位，跟踪和量化视频每一帧中自由移动的鼠标的行为。

该信息用于训练无监督机器学习模型，以识别重复的行为主题(称为“音节” - 例如，右转或向左头)。MoSeq预测音节出现的顺序(或“语法”)，从而可以快速客观地表征鼠标行为。