Precieze gedragsstudies bij muizen dankzij AI: minder dieren en snellere resultaten
AmsterdamOnderzoekers van de ETH Zürich hebben een innovatieve methode ontwikkeld om het gedrag van muizen te bestuderen met behulp van kunstmatige intelligentie. Deze techniek vermindert het aantal dieren dat nodig is voor experimenten aanzienlijk. Dit is een belangrijke stap richting betere dierenzorg en efficiënter onderzoek, in lijn met de principes van vervanging, vermindering en verfijning van dierproeven. Door AI in te zetten voor automatische gedragsanalyse kunnen wetenschappers nu nauwkeurigere resultaten behalen met minder dieren.
Belangrijke eigenschappen van de methode omvatten:
- Geautomatiseerde gedragsanalyse met behulp van machinale beeldherkenning en AI
- Mogelijkheid om subtiele gedragsverschillen te meten
- Vermindering van het aantal benodigde dieren
- Nadruk op gedragsveranderingen
Een innovatieve methode bestudeert videobeelden van laboratoriummuizen om inzicht te krijgen in hun welzijn en stressniveau. Het onderzoekt gedragsveranderingen, zoals de overgang van nieuwsgierig naar voorzichtig, om waardevolle informatie te verzamelen. Bijvoorbeeld, een muis die vaak van gedrag verandert kan angstig zijn, terwijl een muis met constant gedrag mogelijk rustiger is. Deze gedragsveranderingen worden vereenvoudigd tot één enkele waarde, wat de statistische analyse versterkt.
Deze techniek stelt onderzoekers in staat te onderzoeken hoe de hersenen omgaan met stress. Door hier meer inzicht in te krijgen, kunnen nieuwe behandelingen voor stressgerelateerde problemen bij mensen worden ontwikkeld. Wetenschappers hebben deze methode gebruikt om te ontdekken hoe stress muizen op verschillende manieren beïnvloedt, of het nu gaat om kortdurende of langdurige stress, wat in verband staat met specifieke hersenactiviteiten.
Het gebruik van deze analysemethode biedt talrijke voordelen. Het vergemakkelijkt de vergelijking van resultaten uit verschillende onderzoeken, omdat ze dezelfde standaarden volgen. Deze consistentie draagt er ook aan bij dat andere onderzoekers de studies kunnen herhalen en soortgelijke uitkomsten verkrijgen, wat vaak een uitdaging is in gedragswetenschappelijk onderzoek.
Het werk aan de ETH Zürich dient als een voorbeeld voor toekomstig onderzoek door ethische dierstudies te bevorderen. Ze hebben de 3R Hub opgericht om onderzoekers te ondersteunen met methoden die het dierenwelzijn verbeteren en de biomedische wetenschap vooruithelpen. Deze ondersteuning is cruciaal voor laboratoria die geconfronteerd worden met de uitdagingen van nieuwe 3R-benaderingen vanwege hun complexiteit.
AI draagt bij aan het verminderen van het aantal dieren dat nodig is voor experimenten, terwijl toch waardevolle gegevens worden verzameld. Deze benadering bevordert zowel de kwaliteit van het onderzoek als de ethische normen.
De studie is hier gepubliceerd:
http://dx.doi.org/10.1038/s41592-024-02500-6en de officiële citatie - inclusief auteurs en tijdschrift - is
Lukas M. von Ziegler, Fabienne K. Roessler, Oliver Sturman, Rebecca Waag, Mattia Privitera, Sian N. Duss, Eoin C. O’Connor, Johannes Bohacek. Analysis of behavioral flow resolves latent phenotypes. Nature Methods, 2024; DOI: 10.1038/s41592-024-02500-615 november 2024 · 02:13
Nieuw onderzoek: AI als diagnosehulp kan artsen op verrassende wijze ondersteunen en uitdagen
12 november 2024 · 21:32
AI herkent pijn bij geiten: de toekomst van veterinaire geneeskunde en dierenwelzijn verandert
Deel dit artikel