UTILIZANDO EL APRENDIZAJE PROFUNDO PARA LA ESTIMACIÓN DE POSES DE ANIMALES

MONDINO FLORENCIA; BERTON MAGALI; OJEA RAMOS S.; KRAWCZYK MC; BOCCIA MM; MEDINA, C.

CABA

Congreso; PRIMER CONGRESO DEL INSTITUTO DE FISIOPATOLOGÍA Y BIOQUÍMICA CLÍNICA (INFIBIOC) ?Superando las Fronteras de la Medicina Traslacional?; 2023

INSTITUTO DE FISIOPATOLOGÍA Y BIOQUÍMICA CLÍNICA (INFIBIOC)

La estimación de poses de animales a través de aprendizaje profundo se hadesarrollado en los últimos años como una poderosa herramienta con gran utilidaden los campos de la medicina traslacional y la fisiopatología. Rastrear y analizarcon precisión los movimientos y posturas de los animales de laboratorio permiteuna comprensión más profunda de los procesos patológicos, la progresión deenfermedades y las respuestas al tratamiento, allanando el camino para desarrollarterapias y diagnósticos más efectivos para pacientes. Cambios sutiles en la posturay el movimiento pueden indicar signos tempranos de neuropatologías o ayudar enla evaluación de la eficacia de un tratamiento, lo que permitiría intervencionesoportunas y toma de decisiones informadas. Nuestro trabajo aplica la herramientaDeepLabCut, una aplicación de aprendizaje profundo orientada a la captura demovimiento, al análisis del comportamiento de ratones en la tarea del tablero deagujeros. Esta tarea comportamental es ampliamente utilizada en los campos deneurociencia, comportamiento animal y psicología, ya que proporciona informaciónsobre el sistema nervioso del ratón, su percepción sensorial y sus respuestas antesituaciones novedosas. Cambios en la exploración y la memoria en esta tareapueden reflejar disfunciones cognitivas y motoras que se asemejen a lasobservadas en ciertas patologías humanas, herramientas útiles para el estudio deenfermedades neurodegenerativas, como la de Alzheimer o el Parkinson. A travésde la estimación de la pose y ubicación de los animales pudimos complementar lasvariables que usualmente son relevadas durante la tarea, permitiendo además elestudio de patrones repetitivos de movimiento y posibles sesgos de los animalesen la rutina de exploración del tablero. La aplicación de aprendizaje profundo eneste análisis no sólo permitió su automatización, sino la identificación de patrones ycaracterísticas complejas, superando al análisis manual en términos de velocidad,precisión, capacidad de aprendizaje y escalabilidad.