通过使用最先进的技术分析患有癫痫症的小鼠的行为模式，研究人员可能能够更好地研究这种疾病并确定潜在的治疗方法。
由美国国立卫生研究院资助的研究人员使用人工智能技术来确定小鼠的行为“指纹”，这些指纹是人眼看不到的。
这种自动行为表型分析只需要一个小时的视频录制，并且不需要研究人员等待罕见的癫痫发作事件。该研究由隶属于NIH的国家神经疾病和中风研究所(NINDS)支持，发表在Neuron上。
研究人员使用机器学习工具来分析鼠标行为。每行代表特定鼠标的一系列行为或“音节”。每个音节都分配了一个单独的颜色(顶部块中的控件;下方的癫痫小鼠模型)。图片来源：斯坦福大学医学院Soltesz实验室
科学家们发现，这种机器学习辅助的3D视频分析优于传统方法，在传统方法中，分析依靠人类观察来标记动物模型在癫痫发作期间的行为迹象。
这个劳动密集型过程需要在数天或数周内对小鼠进行持续视频监控，同时用脑电图(EEG)记录它们的脑电波活动。由斯坦福大学研究人员领导的团队研究了患有获得性癫痫和遗传性癫痫的小鼠。
他们发现，与训练有素的人类观察者相比，机器分析能够更好地区分癫痫小鼠和非癫痫小鼠。人工智能程序还在癫痫发展的不同阶段识别出不同的行为表型。
值得注意的是，研究人员能够使用人工智能程序来区分老鼠在服用三种抗癫痫药物中的一种后的不同行为模式。这表明该工具可用于快速、自动化的抗癫痫药物测试。最终，在癫痫动物研究中使用自动化表型分析可以彻底改变研究的方式，加快发现速度并降低成本。
研究中使用的机器学习技术称为MoSeq(linkisexternal)，用于运动排序，可定位、跟踪和量化视频每一帧中自由移动的老鼠的行为。
该信息用于训练无监督机器学习模型，以识别重复的行为主题(称为“音节”——例如，向右转或向左摇头)。MoSeq预测音节出现的顺序(或“语法”)，从而可以快速客观地描述小鼠行为。