革新的な追跡方法が、動物行動の監視におけるAIの力を解き放つ

画期的な進展として、科学者たちはGlowTrackという最先端の非侵襲的な動き追跡手法を導入しました。この革新的な技術は、蛍光染料マーカーを使用して、単一マウスの指先から人間の手の複雑さまで、動きの細部を捉えるために人工知能（AI）システムを訓練します。GlowTrackの影響は、生物学、ロボティクス、医学など多様な分野に及びます。動きは脳が機能し体を制御する方法を理解するための窓であり、この画期的な技術は非常に価値があります。

動き追跡の進化

人間や動物の動きを追跡する取り組みは大きく進化し、手書きのクリップボードとペンの観察から、現代のAIベースの手法へと移行しました。現在の最先端技術は、人工知能を活用して、さまざまな体の部位の動きを自動的に監視します。しかし、これらの手法は依然として時間のかかるプロセスを含んでおり、研究者は各体の部位を手動で数百回から数千回マーキングする必要があります。

アシスタント教授のEiman Azim氏とそのチームは、蛍光染料マーカーを使用してAIシステムを訓練する非侵襲的な動き追跡手法であるGlowTrackを開発しました。GlowTrackが際立っているのは、その堅牢性、効率性、高精細な機能です。マウスの足の指一本を正確に追跡したり、人間の手の数百のランドマークを監視したりできます。この画期的な手法は、2023年9月26日付のNature Communicationsでの最近の出版物で詳細に述べられており、生物学やロボティクス、医学など、複数の分野に革命をもたらす可能性があります。

本研究のシニア著者であり、William Scandling Developmental Chairの座を保持するEiman Azim氏は、「過去数年間で、強力なAIツールが研究室にもたらされるにつれて、行動追跡には強力な革命がありました。私たちのアプローチはこれらのツールをより汎用性のあるものにし、研究室で多様な動きを捉える方法を改善します。動きのより良い定量化により、脳が行動をどのように制御しているかについてのより良い洞察が得られ、筋萎縮性側索硬化症（ALS）やパーキンソン病などの運動障害の研究にも役立ちます。」

限界の克服：蛍光染料マーカーの力

動物の動きを追跡する従来の手法には、コンピュータ画面で体の部位を手動で反復してマーキングすることが含まれており、これは時間のかかるプロセスで人間のエラーに弱く、時間の制約によって制限されます。人間の注釈付けにより、これらの手法は限られたテスト環境に限定されます。AIモデルは、受け取る限られたトレーニングデータに基づいて専門化されるためです。照明、体の向き、カメラアングル、またはその他の変数など、要因が変化すると、モデルは追跡対象の体の部位を認識できなくなります。

これらの限界に対処するため、研究者たちは蛍光染料マーカーを使用して、動物や人間の体の部位にラベルを付けました。これらの「見えない」マーカーを使用すると、視覚的に多様なデータを迅速に生成でき、人間の注釈付けが必要なくなります。この堅牢なデータを学習させた後、AIモデルはより広範な環境で動きを追跡し、手動の人間によるラベル付けでは達成するのが極めて困難なレベルの解像度を達成できます。

協力と再現性の促進

GlowTrackの導入により、異なる研究室がさまざまな状況で体の動きを追跡するために同じモデルを使用できるため、さまざまな研究間で動きデータを簡単に比較できるようになります。Eiman Azim氏は、科学的研究における比較と再現性の重要性を強調しました。本研究の第一著者でありSalkのバイオインフォマティクスアナリストであるDaniel Butler氏は、「蛍光染料マーカーは完璧な解決策でした」と述べ、これらのマーカーを「必要としたときにだけ光る、1ドル札の『見えないインク』に例え、大量のトレーニングデータを生成できる」と語りました。

将来の可能性と協力 

将来、研究チームはGlowTrackの幅広いアプリケーションをサポートすることを envision しています。彼らは、その機能を3次元で動きを再構築できる他の追跡ツールと組み合わせることを目指しています。さらに、この革新的な手法によって生成された膨大な動きデータセット内のパターンを発見するための分析アプローチを探求する予定です。

Eiman Azim氏は、彼らのアプローチがもたらす可能性のある影響について楽観的で、「私たちのアプローチは、動きを捉え、定量化するために、より敏感で、信頼性が高く、包括的なツールを必要とする多くの分野に利益をもたらすことができます。他の科学者や非科学者がこれらの手法をどのように採用し、どのようなユニークで予期せぬアプリケーションが生まれるのかを見るのが楽しみです。」

謝辞と支援

本研究は、UC San Diego CMG Training Program、Jesse and Caryl Philips Foundation Award、国立衛生研究所（R00NS088193、DP2NS105555、R01NS111479、RF1NS128898、U19NS112959）、Searle Scholars Program、Pew Charitable Trusts、McKnight Foundationなど、さまざまな団体の支援により可能になりました。 

GlowTrackの登場により、科学界およびそれ以外の分野は、この技術がさまざまな分野での動きの理解と活用にもたらす変革的な可能性を熱心に待っています。