(资料图片仅供参考)
通过使用最先进的技术分析患有癫痫症的小鼠的行为模式，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。研究人员使用人工智能技术来确定小鼠的行为“指纹”，这些指纹是人眼看不到的。这种自动化的行为表型分析只需要一个小时的视频录制，并且不需要研究人员等待罕见的癫痫发作事件。该研究发表在《神经元》杂志上。
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，分析依靠人类观察来标记动物模型在癫痫发作期间的行为迹象。这个劳动密集型过程需要在数天或数周内对小鼠进行持续视频监控，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团队研究了患有获得性癫痫和遗传性癫痫的小鼠。他们发现，与训练有素的人类观察者相比，机器分析能够更好地区分癫痫小鼠和非癫痫小鼠。人工智能程序还在癫痫发展的不同阶段识别出不同的行为表型。
值得注意的是，研究人员能够使用人工智能程序来区分老鼠在服用三种抗癫痫药物中的一种后的不同行为模式。这表明该工具可用于快速、自动化的抗癫痫药物测试。最终，在癫痫动物研究中使用自动化表型分析可以彻底改变研究的方式，加快发现速度并降低成本。
研究中使用的机器学习技术称为 MoSeq for Motion Sequencing，可定位、跟踪和量化视频每一帧中自由移动的老鼠的行为。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，向右转或向左摇头)。MoSeq 预测音节出现的顺序(或“语法”)，从而可以快速客观地描述小鼠行为。
关键词：
研究人员
人工智能
机器学习
行为模式
