Cientistas do Salk Institute criaram o GlowTrack para rastrear o comportamento humano e animal com maior resolução e mais funcionalidade. O movimento é uma janela para como o cérebro funciona e controla o corpo. O rastreamento do movimento de humanos e animais percorreu um longo caminho, desde observações em pranchetas e canetas até a tecnologia moderna baseada em inteligência artificial. O método mais avançado atualmente utiliza inteligência artificial para rastrear automaticamente o movimento de diversas partes do corpo. No entanto, o treinamento desses modelos ainda exige muito tempo e os pesquisadores estão limitados pela necessidade de rotular manualmente cada parte do corpo centenas ou milhares de vezes.
Agora, o professor associado Eiman Azim e sua equipe criaram o GlowTrack, um método não invasivo de rastreamento de movimento que usa rótulos de corantes fluorescentes para treinar a inteligência artificial. Poderoso, rápido e de alta definição, o GlowTrack pode rastrear um único número na pata de um mouse ou centenas de pontos de referência na mão humana.
Esta tecnologia foi publicada na revista Nature Communications em 26 de setembro de 2023 e sua gama de aplicações abrange biologia, robótica, medicina e outras áreas.
“Nos últimos anos, houve uma revolução no campo do rastreamento comportamental, à medida que poderosas ferramentas de inteligência artificial foram trazidas para o laboratório”, disse o autor sênior Azim, professor de desenvolvimento da William Scandling. "Nosso método torna essas ferramentas mais versáteis e melhora a forma como capturamos uma variedade de movimentos no laboratório. Uma melhor quantificação do movimento poderia nos dar uma melhor compreensão de como o cérebro controla o comportamento e poderia ajudar a estudar distúrbios do movimento, como a esclerose lateral amiotrófica (ELA) e a doença de Parkinson."
Os métodos atuais de capturar o movimento dos animais muitas vezes exigem que os pesquisadores anotem manualmente e repetidamente partes do corpo na tela do computador – um processo que é demorado, sujeito a erros humanos e limitado no tempo. A anotação manual significa que esses métodos muitas vezes só podem ser usados em pequenos ambientes de teste, já que os modelos de IA se especializam nos dados de treinamento limitados que recebem. Por exemplo, se a iluminação, a orientação do corpo do animal, o ângulo da câmera ou qualquer outro fator mudar, o modelo não poderá mais identificar a parte do corpo rastreada.
Para resolver estas limitações, os investigadores utilizam corantes fluorescentes para rotular várias partes de animais ou humanos. Com esses rótulos de corantes fluorescentes “invisíveis”, grandes quantidades de dados visualmente diversos podem ser rapidamente criadas e alimentadas em modelos de inteligência artificial sem a necessidade de anotação humana. Uma vez alimentados com esses dados poderosos, esses modelos podem ser usados para rastrear movimento em ambientes mais diversos, com uma resolução que é difícil de alcançar com anotação humana.
Isso abre a porta para a comparação de dados de movimento entre estudos, já que diferentes laboratórios podem usar o mesmo modelo para rastrear o movimento corporal em diversas situações. Azim acredita que a comparação e a repetibilidade dos experimentos são cruciais no processo de descoberta científica.
“As etiquetas fluorescentes são a solução perfeita”, disse o primeiro autor Daniel Butler, analista de bioinformática da Salk. "Nossas etiquetas de corantes fluorescentes são como a tinta invisível em uma nota de um dólar que só acende quando você deseja. Nossas etiquetas de corantes fluorescentes podem ser ligadas ou desligadas em um piscar de olhos, permitindo-nos gerar grandes quantidades de dados de treinamento."
No futuro, a equipe está entusiasmada em oferecer suporte a várias aplicações do GlowTrack e combinar seus recursos com outras ferramentas de rastreamento que podem reconstruir movimentos tridimensionais e métodos de análise que podem explorar padrões nesses grandes conjuntos de dados de movimento.
“Nossa abordagem poderia beneficiar muitos campos que precisam de ferramentas mais sensíveis, confiáveis e abrangentes para capturar e quantificar movimento”, disse Azim. "Estou ansioso para ver como outros cientistas e não-cientistas adotam esses métodos e quais aplicações únicas e imprevistas podem surgir."