ビデオゲーム技術、AI、コンピュータービジョンが動物の痛みや行動の解読にどのように役立つか

2013年、サンディープ・ロバート・「ボブ」・ダッタはボストンのハーバード大学医学大学院の神経生物学研究室で研究していたとき、運命的な決断を下し、学生のアレックス・ウィルチコを通りの向こうにあるベストバイに送りました。ウィルチコは、ジャストダンスやFIFAなどのビデオゲームでプレイヤーの体の動きを捉えるように設計されたXbox Kinectカメラを購入するつもりでした。彼は約150ドルを投じ、それを買って帰りました。この目立たない家電製品は、今後10年以上の研究室の方向性を決定することになるでしょう。

また、この研究により、チームは人工知能、神経科学、動物行動の交差点で成長を続ける科学運動の中に位置づけられることになりました。この分野は、研究者が他の生物を使って人間の健康状態を研究する方法を変える準備が整っています。ダッタ ラボは、マウスの動きの複雑なニュアンスを追跡し、哺乳類の脳が行動を生み出す仕組みの基本を理解することを学んでおり、さまざまな健康状態の神経科学を解明し、最終的には人間の新しい治療法を開発しています。この研究分野では、いわゆる「コンピューター ビジョン」を利用して、動物のビデオ映像を分析し、肉眼では知覚できない行動パターンを検出します。コンピューター ビジョンは、細胞の種類を自動検出するためにも使用でき、がんや腸内細菌叢などの複雑な組織を研究する研究者の根強い問題に対処します。

2010年代初頭、ダッタの研究室は、嗅覚が「ほとんどの動物にとって最も重要な感覚」であり、ネズミが生きていくために欠かせない感覚であるが、それがどのようにしてネズミの環境操作に対する反応を左右するのかを調べていた。人間の観察者は伝統的に、ネズミの行動を追跡し、観察結果を記録している。ネズミが恐怖で固まる回数、ネズミが囲いの中を探索するために立ち上がる頻度、ネズミが毛づくろいに費やす時間、ネズミが埋めるビー玉の数などだ。ダッタは肉眼で見える動きを超えて、ビデオカメラを使用してネズミが匂い（たとえば捕食者の尿）を避けるのか、それとも匂いに引き寄せられるのか（バラの匂いなど）を追跡し計算したいと考えていた。当時利用可能なツール（各動物を一点として追跡する頭上2Dカメラ）では、十分に詳細なデータは得られなかった。

「まったく刺激のない暗闇のアリーナでも、［マウスは］驚くべき行動ダイナミクスを生み出す。そのどれも、画面上で飛び回る点などでは捉えられない」とダッタは言う。そこでウィルチコは、Xbox Kinect カメラを潜在的な解決策として特定した。2010 年に発表されて間もなく、人々は科学や娯楽の目的でこのハードウェアをハッキングし始めた。ダッタの研究室がこれをマウスの追跡に使用するのは適切だった。このカメラは、赤外線を使用して暗闇でも記録でき（マウスは暗いほど動き回る）、頭上に取り付けると、物体がセンサーからどのくらい離れているかを測定することで 3D で見ることができる。これにより、ダッタのチームは、対象が走り回ったり、後ろ足で立ち上がったり、身をかがめたりしている様子を追跡できた。最初の結果を分析すると、Kinect カメラは 2D カメラでは捉えられない豊かさで動物の動きを記録していることがわかった。

「それで、データに規則性を見出せれば、行動のモチーフやモジュールを特定できるかもしれないと考えるようになりました」とダッタ氏は言う。圧縮された画像ファイルで、高度な分析をしていないにもかかわらず、Kinect センサーからの生のピクセル数を見ると、規則性が見え始めた。匂いの有無にかかわらず、マウスは数百ミリ秒ごとに、立ち上がる、頭を上下させる、向きを変えるなど、さまざまな動きを切り替えていた。最初の Kinect テストから数年、ダッタ氏とチームは、動物が行動を生み出すためにつなぎ合わせる動きの基本要素の根底にある要素を特定して記録するソフトウェアの開発に取り組んだ。

しかし、彼らは行き詰まり続けました。

「データを取得して山に分ける方法はたくさんあります。私たちは何年もかけて、その方法をたくさん試しました」とダッタ氏は回想する。「そして、何度も何度も失敗しました。」

彼らは、動画の単一フレームから動物のポーズに基づいて結果を分類しようとしたが、そのアプローチでは動きが無視されていた。ダッタ氏によると、動きは「行動を魔法のようにする」ものだという。そこで彼らはその戦略を放棄し、ほんの一瞬続く行動を構成する小さな動きについて考え、それを順番に分析し始めた。これが鍵だった。動きは離散的でありながら連続的であり、単位から成りながらも流動的であるという認識だ。

そこで彼らは、この二重のアイデンティティを尊重する機械学習ツールの開発に着手した。ベストバイへの運命的な旅行から7年後の2020年、ダッタの研究室は、その結果生まれたプログラム「MoSeq」（「モーションシーケンシング」の略で、遺伝子配列の精度を想起させる）について説明する科学論文を発表した。この論文で彼らは、1秒未満の動き、つまり彼らが言うところの「音節」を識別できる手法を実証した。音節は、一連のシーケンスにつなげることでマウスの行動を構成する。マウスが後ろ足で立ち上がったり、一時停止したり、逃げ出したりしたことを検出することで、Kinectは動物行動の「文法」を解読する新たな可能性を切り開いた。

コンピューターの先見者

ハーバード大学医学部にあるダッタ研究室の隅で、博士課程の学生マヤ・ジェイが黒いカーテンを開けると、赤みがかったオレンジ色の柔らかな光が差し込む小さな部屋が現れた。右側には、金属のフレームの中に黒いバケツをはめ込んだ同一のアセンブリが 3 つ置かれている。各バケツの上には、マイクロソフト Xbox Kinect カメラと、脳の活動を操作するレーザー光源に接続された光ファイバー ケーブルがぶら下がっている。カメラの奥行き感知機能が、ここで重要な要素となっている。一般的なデジタル ビデオは色などを捉えるが、Kinect カメラで生成される画像には、動物が床からどれだけの高さにあるかが実際に表示される、とジェイは言う。たとえば、動物が頭を上下させたり、後ろ足で立ち上がったりするときの様子がわかる。

マイクロソフトは 2017 年に Xbox Kinect カメラの製造を中止し、ソフトウェア アップデートによるこのガジェットのサポートも停止しました。しかし、ダッタの研究室は独自のソフトウェア パッケージを開発したため、カメラの稼働をマイクロソフトに頼る必要はないとジェイは言います。研究室では、チームが使用しているオリジナルの Kinect の後継機である Azure Kinect 用の独自のソフトウェアも実行しています (ただし、これも 2023 年に製造中止になりました)。研究室の Xbox Kinect リグの向かい側には、6 台のカメラを備えた Azure セットアップがあり、下からを含むすべての角度からマウスを記録し、さまざまな角度からのデータを組み込んだ高精度の 2D 画像または 3D 画像を生成します。

MoSeq やその他のコンピューター ビジョン ツールの場合、動作記録は、感覚機能と運動機能が別々のモジュールに根ざしている脳の操作や神経活動の読み取りと組み合わせて分析されることが多い。研究室で投与された薬剤やマウスと人間が共有する遺伝子の編集によって脳回路が乱れて行動が変化すると、両者の間に関連があることが示唆される。これにより、研究者は脳のどの回路が特定の行動に関連しているのか、また薬剤がこれらの回路にどのように作用しているのかを判断できる。

2023年、ダッタの研究室は、MoSeqが生物の内部配線に関する新たな知見にどのように貢献できるかを詳述した2つの論文を発表した。1つでは、研究チームは、少なくとも一部のマウスでは、特定の状況において、マウスの行動の違いは、性別や生殖周期よりも、探索に関与する脳回路の個体差によって大きく左右されることを発見した。もう1つでは、神経伝達物質ドーパミンを操作することで、脳の報酬系に関連するこの化学伝達物質が、目標指向行動に影響を与えるのとほぼ同じように、自発的な行動をサポートすることが示唆された。ドーパミンは重大な報酬であるという一般的な認識とは反対に、行動を構造化するために少量のドーパミンが絶えず分泌されているという考えだ。研究者らはMoSeqを人間の観察と比較しなかったが、まだ発表されていない論文の別の一連の実験では、MoSeqは同等のパフォーマンスを示した。

これらの研究はマウスの神経生物学の基本原理を調査したものだが、この分野の専門家の多くは、MoSeqや同様のツールが近い将来、動物と人間の健康研究に広範囲な革命をもたらす可能性があると述べている。

コンピューター ビジョン ツールを使用すると、マウスの行動テストを、人間の観察者によるテストに比べてほんのわずかな時間で実行できます。この技術は、さまざまな勢力が動物実験に疑問を投げかけているときに登場しました。米国食品医薬品局 (FDA) は最近、薬物試験に関する規則を変更し、動物実験の代替手段を人間の臨床試験の前提条件として検討しました。ただし、一部の専門家は、臓器チップなどの代替手段がモデル生物に取って代わるほど進歩しているかどうか疑問視しています。しかし、必要性はあります。福祉と倫理的な懸念を超えて、臨床試験の大部分は人間での利点を示さず、マウスや他のモデルでのテストが有望な後でも、危険で予期しない副作用が生じることがあります。支持者によると、コンピューター ビジョン ツールは、実験環境下での動物の不快感を検出し、従来の観察よりも高感度で治療の効果を計測することで、医学研究の質を向上させ、実験動物の苦痛を軽減できるとのことです。

科学者たちの興奮をさらに煽っているのは、コンピューター ビジョン ツールが、光遺伝学と化学遺伝学の効果を測定する手段であると考えている人たちがいることだ。光遺伝学と化学遺伝学は、それぞれ光と化学物質に反応して特定の脳細胞を活性化するように設計された分子を使用する技術である。これらの生物医学的アプローチは、科学者が脳回路を正確に操作できるようにすることで、過去 10 年間で神経科学に革命をもたらし、行動と認知のプロセスに関与する特定のネットワークとニューロンを調査するのに役立つようになった。「この行動定量化の第二の波は、誰もが見逃していたコインのもう半分です」と、ペンシルバニア大学の精神医学助教授であるグレッグ コーダーは言う。他の人々は、これらのコンピューター ビジョン ツールが、研究室で遺伝子編集の効果を追跡するために欠けているピースであることに同意している。

「これらの技術は、まさに統合され、収束している」と、痛みの研究で独自の監督下コンピュータービジョンツールを使用しているハーバード大学医学部の神経生物学者クリフォード・ウルフ氏は同意する。

大人の監督を推奨

しかし、人工知能は動物の行動を追跡し、その意味を解釈する作業を引き継ぐ準備ができているのでしょうか? また、行動と神経活動の間の意味のあるつながりを今すぐに特定できるのでしょうか?

これらは、教師あり AI モデルと教師なし AI モデルの間の緊張関係の核心にある疑問です。機械学習アルゴリズムは、人間には困難または不可能な速度と規模でデータ内のパターンを見つけます。教師なし機械学習アルゴリズムはデータセット内のあらゆるモチーフを識別しますが、教師あり機械学習アルゴリズムは特定のカテゴリを識別するように人間によってトレーニングされます。マウスで言えば、教師なし AI はすべての固有の動きや行動にフラグを立てますが、教師あり AI は研究者が関心を持つものだけを正確に特定することを意味します。

マウスの研究における教師なしアプローチの主な利点は、1秒未満のスケールで行われる行動に人が気付かない可能性があることです。「行動タイプを分析する場合、実際には数学的なクラスタリングではなく、実験者の行動タイプの判断に基づいていることがよくあります」とミシガン大学の神経科学者であるビン・イェ氏は言います。同氏のチームは、マウスやその他の動物（ラットやショウジョウバエの幼虫など）用の教師あり機械学習ツールであるLabGymを開発した。分析できる行動クラスターの数も、人間のトレーナーによって制限されます。その一方で、注目すべき行動を認識するのに最も適しているのは、生の専門家である可能性があると彼は言います。このため、彼は透明性を主張し、教師ありアルゴリズムが学習する分類パラメータであるトレーニングデータセットをすべての研究で公開します。そうすれば、専門家がツールによる行動の識別方法に同意しない場合、公開されているデータが科学的議論の確固たる基盤となります。

コロンビア大学の神経生物学者で、マウスの行動試験施設であるマウス神経行動コアの所長であるムー・ヤン氏は、機械が信頼できると証明されるまでは、人間の仕事をAIに任せることに慎重だ。彼女は伝統的なマウス行動の専門家であり、自分の目で動物の微妙な変化を感じ取るよう訓練されている。ヤン氏は、げっ歯類が恐怖などの内面的な状態を表現する方法は、状況によって変わることを知っている。これは人間にも当てはまる。「家の中にいるときでも、見知らぬ街の暗い路地にいるときでも、恐怖行動は違って見える」とヤン氏は説明する。言い換えれば、マウスは単に立ち止まったり、恐怖で固まったりするかもしれないが、AIにはその違いを見分けるのが難しいかもしれない。動物の行動を追跡する上でのもう1つの課題は、さまざまな薬物をテストすると、自然界では見られない行動が見られる可能性があることだとヤン氏は言う。 AI がこれらの新しい行動や動きを追跡できると信頼されるようになる前に、MoSeq のような機械学習プログラムが、グルーミングなどの昔ながらのマウスの行動を確実に追跡できるかどうかを検証する必要があります。

ヤン氏は、シェフに例えて、短時間で料理を作れるレストランの料理人としての実力を証明できなければ、ミシュランの星を獲得することはできないと言う。「あなたが卵やパンケーキを作っているところを見たことがないのに、キャビアや神戸牛についていくら話しても、私はあなたにそれを任せられるかどうか分からない。」

今のところ、MoSeq が卵やパンケーキを作れるかどうかについては、「どうすればわかるのかわかりません」と Datta 氏は言う。「私たちは、役に立つと考えるいくつかの基準を明確にしました。MoSeq はそれらの基準を満たしています。」

テクノロジーをテストする

ダッタ氏によると、ベンチマーク（教師なしAIが動物の行動を正確かつ有効に記述しているかどうかを測る基準）を決定する方法はいくつかある。「1つは、AIから取得した行動記述の内容が、発生するはずの行動のパターンを区別する上で優れているか劣っているかを尋ねることです。」彼のチームは、最初の大規模なMoSeq研究でこれを行いました。マウスにさまざまな薬を与え、薬の予想される効果を使用して、MoSeqがそれらを捉えているかどうかを判断しました。しかし、これはかなり低いハードルであり、出発点であるとダッタ氏は認めています。「高用量のアンフェタミンを投与されたマウスと対照群を区別できない行動特性評価方法はほとんどありません。」

これらのツールの本当の基準は、マウスの脳がどのように行動を組織化しているかについての洞察を提供できるかどうかだと彼は言う。言い換えれば、科学的に有用な行動の記述は、脳内で何が起こっているかについて何かを予測することになるだろう。

説明可能性、つまり機械学習が専門家が期待される行動に結び付けられる行動を特定するという考えは、教師ありアルゴリズムの大きな利点だと、実験用マウスの主要供給元である非営利バイオメディカル研究機関ジャクソン研究所の准教授ビベック・クマール氏は言う。同氏のチームはこのアプローチを採用したが、同氏は教師なし学習の後に教師あり分類器を訓練するのが良い妥協案だと考えている。教師なし学習は人間の観察者が見逃す可能性のある要素を明らかにし、教師あり分類器は人間の判断と知識を活用して、アルゴリズムが特定したものが実際に意味のあるものかどうかを確認できる。

「それは魔法じゃない」

MoSeq は、動物の行動を定量化するために開発中の最初または唯一のコンピューター ビジョン ツールではありません。実際、AI ツールがより強力で使いやすくなるにつれて、この分野は急成長しています。Bing Ye と LabGym についてはすでに触れましたが、カーネギー メロン大学の Eric Yttri の研究室は B-SOiD を開発しました。ローザンヌ連邦工科大学の Mackenzie Mathis の研究室は DeepLabCut を開発しています。また、Jackson Laboratory は独自のコンピューター ビジョン ツールを開発中 (特許を取得済み) です。昨年、Kumar と彼の同僚は、マシン ビジョンを使用して、マウスの脆弱性指数を開発しました。この評価は、人間のエラーに非常に敏感であることが知られています。

これらの自動化システムはそれぞれ独自の方法で強力であることが証明されています。たとえば、監視されていない B-SOiD は、これらの基本的な動作を訓練することなく、マウスのグルーミングの 3 つの主なタイプを識別しました。

「それはおそらく良いベンチマークになるでしょう」とヤン氏は言う。「卵とパンケーキのようなものだと言えると思います。」

DeepLabCut を開発した Mathis 氏は、これらのツールを最大限に活用するには、データ ソースを慎重に選択することが非常に重要だと強調しています。「これは魔法ではありません」と彼女は言います。「間違いを犯すこともありますし、トレーニングしたニューラル ネットワークの良し悪しは、提供するデータ次第です。」

ツールメーカーがまだ技術を磨いている一方で、さらに多くの研究室が、具体的な疑問や目標を念頭に置き、マウス研究にその技術を導入すべく懸命に取り組んでいる。大まかに言えば、長期的な目標は、精神疾患や神経疾患を治療する薬の発見を支援することだ。

すでに実験の実施方法が大きく改善されている例もある。上海の同済大学麻酔科教授チェン・リー氏は、マウスを使った従来の研究の問題の1つは、迷路を走ったり、物体認識テストを受けたりといった、行動の「本来の豊かさを無視する」不自然な作業を動物に課すことだと話す。同氏のチームは、自発的なげっ歯類の行動を撮影したMoSeq動画と、より伝統的なタスク指向の行動を混ぜて与えると、高齢者に最も多く見られる中枢神経系の手術合併症である術後せん妄のマウス版を詳細に描写できることを発見した。

一方、LabGym は、ヴァンダービルト大学医療センターのビル・ノビス研究室でてんかんによる突然の予期せぬ死の研究に使用されている。マウスの発作のビデオでトレーニングした後、このプログラムは発作を「毎回」検出できるとノビスは言う。

痛みを和らげる

コンピューター ビジョンは、痛みの研究でも主要な手段となっており、さまざまな種類の痛みに関係する脳の経路を解明し、新薬や既存の薬で人間の病気を治療するのに役立っています。2023 年初頭の FDA 規則変更にもかかわらず、特に新薬の開発においては、動物実験が完全になくなる可能性は低いとウルフ氏は言います。痛みの微妙な行動の兆候を検出することで、コンピューター ビジョン ツールは動物の苦しみを軽減できます。「動物の変化を監視し、圧倒的で痛みを伴う状況を作り出していないことを確認できます。必要なのは、測定できるほど十分な痛みだけです」と彼は説明します。「一般的に、人間にしないことをマウスにすることはありません。」

2022年にPain誌に発表された論文によると、彼のチームは教師あり機械学習を使用してマウスの痛みの行動特性を追跡し、薬が不快感を和らげた時期を示した。人間ではなく実験動物の痛みを測定することの問題の1つは、生物が苦痛のレベルを報告できないことだとウルフ氏は言う。科学者は長い間、体重に比例して、痛みを和らげるために必要な薬の量はマウスの方が人間よりもはるかに多いと信じていた。しかし、コンピュータービジョンアルゴリズムが感覚を比較的正確に測定できれば（ウルフ氏によると彼のチームのものはできる）、実際にははるかに同等の量で痛みが和らぐ兆候を検出できるため、この研究を行うために与えられた痛みのレベルを減らすことができることが判明した。実験動物の痛みを測定し、鎮痛剤を評価することは非常に困難であるため、ほとんどの大手製薬会社はリスクが高すぎて費用がかかりすぎるとしてこの分野を放棄したと彼は付け加えた。「この新しいアプローチによって彼らが戻ってくることを期待しています。」

ペンシルバニア大学のコーダー研究室も痛みの研究をしているが、こちらは教師なしのB-SOiDをDeepLabCutと組み合わせて使っている。未発表の研究では、チームはDeepLabCutを使ってマウスを骨格の棒人間として視覚化し、B-SOiDに手足をなめたり噛んだりするといった13種類の痛み関連行動を識別させた。コーダーによると、B-SOiDはこうした行動を、例えば性器をなめるといった日常的な衛生行動と区別するために指導を必要とするため、教師あり機械学習はチームの研究の信頼性を高めるのに役立つという。(B-SOiDの共同制作者であるイットリは、彼のソフトウェアの新バージョンでは教師あり学習が組み込まれると述べている。)

コンピューター ビジョン ツールが進化し続けると、研究に必要な動物の数を減らすことにも役立つ可能性があると、FDA の広報担当者 Lauren-Jei McCarthy 氏は言います。「FDA は、適切に検証された技術の使用を通じて動物実験を置き換え、削減、または改善する取り組みに非常に協力しています。」

作れば、彼らはやって来る

MoSeq の次のアップグレードは学術誌に提出され、現在審査中ですが、Corder の研究室が行ったことと似たようなことを試みる予定です。つまり、マウスの体のような物体の重要なポイントを強調表示するコンピューター ビジョン手法であるキーポイント検出と、その非監視アプローチを融合することになります。この特定のアプローチでは、Datta 研究室の従来の Xbox Kinect カメラ リグの代わりに、6 台の Kinect Azure カメラ リグを使用します。

ダッタ氏によると、このアプローチの利点は、既存の 2D ビデオに適用できることです。つまり、マウスで新しい実験を実行するコストをかけずに、過去の実験でアーカイブされたマウスのペタバイト単位のデータをすべて分析に利用できるということです。「それは非常に大きなことです」とコーダー氏も同意します。

ダッタ氏は、過去数年間のAIとマウスの行動に関するチームの成果を次々と挙げるにつれ、確信が強まる。「MoSeqを使用して遺伝子変異体を特定し、野生型と区別することはできるでしょうか？ 野生型とは、自然界に現れる遺伝子を持つマウスのことです。これは2020年にNature Neuroscienceに掲載された論文のテーマで、このアルゴリズムにより、自閉症に関連する遺伝子変異を持つマウスと一般的な遺伝子を持つマウスを正確に識別できることが示されました。「神経活動について予測することはできますか？」ダッタ研究室は、今年、ドーパミン研究でこれをやりたいことリストに載せました。科学者にありがちな曖昧な言い方を捨て、彼は自信を持ってこう断言します。「それはすべて真実です。そういう意味では、MoSeqは卵やパンケーキを作ることができると思います。」