Analisi automatizzata del comportamento animale
I ricercatori impegnati in studi sul comportamento degli animali spesso fanno affidamento su ore e ore di riprese video che analizzano manualmente. Di solito, ciò richiede ai ricercatori di farsi strada attraverso registrazioni che coprono diverse settimane o mesi, annotando faticosamente le osservazioni sul comportamento degli animali. Ora i ricercatori dell’ETH di Zurigo e dell’Università di Zurigo hanno escogitato un modo automatizzato per analizzare questo tipo di registrazioni. L’algoritmo di analisi delle immagini che hanno sviluppato fa uso della visione artificiale e dell’apprendimento automatico. Può distinguere i singoli animali e identificare comportamenti specifici, come quelli che segnalano curiosità, paura o interazioni sociali armoniose con altri membri della loro specie.
La tecnologia offre essenzialmente agli scienziati una soluzione con un clic per analizzare automaticamente le riprese video, per quanto lunghe o dettagliate siano le registrazioni. Un altro vantaggio del nuovo metodo è la sua riproducibilità: se diversi gruppi di ricercatori utilizzano lo stesso algoritmo per analizzare i propri dati video, confrontare i risultati è più facile perché tutto si basa sugli stessi standard. Inoltre, il nuovo algoritmo è così sensibile che può persino identificare sottili cambiamenti comportamentali che si sviluppano molto gradualmente per lunghi periodi di tempo. “Questi sono i tipi di cambiamenti che sono spesso difficili da individuare con l’occhio umano”, afferma Markus Marks, autore principale dello studio di ricerca e post-dottorato nel gruppo guidato dal professore di neurotecnologia Mehmet Fatih Yanik.
Adatto a tutte le specie animali
I ricercatori hanno addestrato l’algoritmo di apprendimento automatico con filmati di topi e macachi in cattività. Tuttavia, sottolineano che il metodo può essere applicato a tutte le specie animali. La notizia del loro nuovo metodo si è già diffusa nella comunità scientifica. I ricercatori dell’ETH hanno reso disponibile l’algoritmo ad altri ricercatori su una piattaforma pubblica e molti dei loro colleghi in tutto il mondo lo stanno già utilizzando. “L’interesse è stato particolarmente alto tra i ricercatori sui primati e la nostra tecnologia è già utilizzata da un gruppo che sta effettuando ricerche sugli scimpanzé selvatici in Uganda”, afferma Marks.
Ciò è probabilmente dovuto al fatto che il metodo può essere utilizzato anche per analizzare complesse interazioni sociali nelle comunità animali, come identificare quali animali accudiscono altri membri del loro gruppo e con quale frequenza ciò si verifica. “Il nostro metodo offre alcuni importanti vantaggi rispetto ai precedenti algoritmi di analisi comportamentale basati sull’apprendimento automatico, soprattutto quando si tratta di analizzare il comportamento sociale in contesti complessi”, afferma Marks.
Miglioramento delle condizioni per gli animali in cura umana
Il nuovo metodo può essere utilizzato anche per migliorare la zootecnia, consentendo il monitoraggio 24 ore su 24 per individuare automaticamente i comportamenti anomali. Rilevando le interazioni sociali avverse o l’insorgenza precoce di malattie, i detentori possono rispondere rapidamente per migliorare le condizioni degli animali a loro affidati.
I ricercatori dell’ETH stanno attualmente collaborando anche con lo zoo di Zurigo, che vuole migliorare ulteriormente la sua zootecnia e condurre ricerche comportamentali automatizzate. Ad esempio, in uno studio pubblicato di recente che esamina i modelli di comportamento del sonno degli elefanti, i ricercatori dello zoo hanno dovuto annotare manualmente le registrazioni video notturne. La loro speranza è che il nuovo metodo consenta loro di automatizzare e migliorare tali risultati in futuro.
Infine, il metodo è utilizzato nella ricerca fondamentale nei campi della biologia, neurobiologia e medicina. “Il nostro metodo è in grado di riconoscere anche cambiamenti comportamentali sottili o rari negli animali da ricerca, come segni di stress, ansia o disagio”, afferma Yanik. “Pertanto, non solo può aiutare a migliorare la qualità degli studi sugli animali, ma aiuta anche a ridurre il numero di animali e il loro sforzo”. Il professore dell’ETH di Zurigo intende utilizzare lui stesso il metodo nell’ambito della sua ricerca neurobiologica nel campo dell’apprendimento per imitazione.
