Los científicos del Instituto Salk crearon GlowTrack para rastrear el comportamiento humano y animal con mayor resolución y más funcionalidad. El movimiento es una ventana a cómo funciona el cerebro y controla el cuerpo. El seguimiento del movimiento de humanos y animales ha recorrido un largo camino desde las observaciones con portapapeles y bolígrafos hasta la tecnología moderna basada en inteligencia artificial. El método más avanzado actualmente utiliza inteligencia artificial para rastrear automáticamente el movimiento de varias partes del cuerpo. Sin embargo, el entrenamiento de estos modelos todavía requiere mucho tiempo y los investigadores están limitados por la necesidad de etiquetar manualmente cada parte del cuerpo cientos o miles de veces.
Ahora, el profesor asociado Eiman Azim y su equipo han creado GlowTrack, un método de seguimiento de movimiento no invasivo que utiliza etiquetas de tinte fluorescente para entrenar inteligencia artificial. GlowTrack, potente, que ahorra tiempo y de alta definición, puede rastrear un solo número en la pata de un mouse o cientos de puntos de referencia en una mano humana.
Esta tecnología fue publicada en la revista Nature Communications el 26 de septiembre de 2023 y su rango de aplicaciones cubre biología, robótica, medicina y otros campos.
"En los últimos años, ha habido una revolución en el campo del seguimiento del comportamiento a medida que se han llevado al laboratorio potentes herramientas de inteligencia artificial", dijo el autor principal Azim, profesor de desarrollo William Scandling. "Nuestro método hace que estas herramientas sean más versátiles y mejora la forma en que capturamos una variedad de movimientos en el laboratorio. Una mejor cuantificación del movimiento podría darnos una mejor comprensión de cómo el cerebro controla el comportamiento y podría ayudar a estudiar trastornos del movimiento como la esclerosis lateral amiotrófica (ELA) y la enfermedad de Parkinson".
Los métodos actuales para capturar el movimiento de los animales a menudo requieren que los investigadores anoten manualmente y repetidamente partes del cuerpo en una pantalla de computadora, un proceso que requiere mucho tiempo, es propenso a errores humanos y está limitado en el tiempo. La anotación manual significa que estos métodos a menudo solo se pueden utilizar en entornos de prueba pequeños, ya que los modelos de IA se especializan en los datos de entrenamiento limitados que reciben. Por ejemplo, si cambia la iluminación, la orientación del cuerpo del animal, el ángulo de la cámara o cualquier otro factor, el modelo ya no puede identificar la parte del cuerpo rastreada.
Para abordar estas limitaciones, los investigadores utilizan tintes fluorescentes para etiquetar varias partes de animales o humanos. Con estas etiquetas de tintes fluorescentes "invisibles", se pueden crear rápidamente grandes cantidades de datos visualmente diversos e introducirlos en modelos de inteligencia artificial sin necesidad de anotaciones humanas. Una vez alimentados con estos potentes datos, estos modelos se pueden utilizar para rastrear el movimiento en entornos más diversos a una resolución que es difícil de lograr con la anotación humana.
Esto abre la puerta a comparar datos de movimiento entre estudios, ya que diferentes laboratorios pueden usar el mismo modelo para rastrear el movimiento corporal en diversas situaciones. Azim cree que la comparación y la repetibilidad de los experimentos son cruciales en el proceso de descubrimiento científico.
"Las etiquetas de tinte fluorescente son la solución perfecta", dijo el primer autor Daniel Butler, analista de bioinformática de Salk. "Nuestras etiquetas de tinte fluorescente son como la tinta invisible en un billete de un dólar que solo se ilumina cuando usted lo desea. Nuestras etiquetas de tinte fluorescente se pueden encender o apagar en un abrir y cerrar de ojos, lo que nos permite generar grandes cantidades de datos de entrenamiento".
En el futuro, el equipo está entusiasmado de respaldar varias aplicaciones de GlowTrack y combinar sus capacidades con otras herramientas de seguimiento que pueden reconstruir el movimiento tridimensional y métodos de análisis que pueden explorar patrones en estos grandes conjuntos de datos de movimiento.
"Nuestro enfoque podría beneficiar a muchos campos que necesitan herramientas más sensibles, confiables y completas para capturar y cuantificar el movimiento", dijo Azim. "Estoy ansioso por ver cómo otros científicos y no científicos adoptan estos métodos, y qué aplicaciones únicas e imprevistas pueden surgir".