DOI: https://doi.org/10.3389/fnbeh.2025.1696654
PMID: https://pubmed.ncbi.nlm.nih.gov/41646653
تاريخ النشر: 2026-01-20
المؤلف: Sead Delalić وآخرون
الموضوع الرئيسي: دراسات سلوك الحيوان ورفاهيته
نظرة عامة
تتناول الأبحاث أزمة القابلية للتكرار والفجوة الانتقالية في الدراسات ما قبل السريرية من خلال تقديم الغطاء الذكي، وهو جهاز مبتكر مصمم لتعزيز مراقبة الصحة في نماذج الحيوانات المرباة في مجموعات. طرق الاختبار اليدوية التقليدية تتطلب جهدًا كبيرًا وعرضة للتحيز، بينما تواجه الأقفاص الذكية الحالية قيودًا مثل انخفاض الإنتاجية وارتفاع التكاليف. الغطاء الذكي، الذي يمكن تركيبه على الرفوف القياسية، يبث بيانات الفيديو والصوت لتحويل هذه الرفوف إلى منصات مراقبة عالية الإنتاجية. يتضمن خط أنابيب رؤية حاسوبية جديدة، متتبع الكائنات المتعددة (MOT)، الذي يحقق دقة تزيد عن 97% في تتبع الحيوانات المتعددة ويقدم 21 مقياسًا متعلقًا بالصحة، بما في ذلك النشاط، والتغذية، والتفاعلات الاجتماعية، كل ذلك مع الحفاظ على تكلفة تشغيل منخفضة.
تشير النتائج إلى أن نظام الغطاء الذكي يعالج بفعالية التحديات الحرجة في البحث ما قبل السريري، مثل انخفاض الإنتاجية والتباين الناتج عن الإجهاد، من خلال تمكين تتبع موثوق يحافظ على الهوية لعدة حيوانات غير مقيدة في بيئتها الطبيعية. التحقق ضد مجموعات البيانات المعلّمة يدويًا يظهر دقة عالية لمعظم السلوكيات ودقة تتبع الهوية تتجاوز 95%. هذه الحلول القابلة للتوسع في طريقها لتصبح بنية تحتية أساسية في أبحاث الحيوانات الحديثة، مما يعزز القابلية للتكرار ورفاهية الحيوانات بينما يسهل الدراسات الطولية وعالية الدقة للسلوك والصحة.
مقدمة
تؤكد مقدمة هذه الورقة البحثية على الدور الحاسم لنماذج الحيوانات في الأبحاث الطبية الحيوية وتطوير الأدوية، بينما تسلط الضوء أيضًا على التحديات الكبيرة المتعلقة بترجمتها وموثوقيتها. يفشل 90% من مرشحي الأدوية الذين ينجحون في اختبارات الحيوانات خلال التجارب البشرية، مع نسبة تقارب نصف هذه الفشل تعود إلى سموم غير متوقعة لم يتم تحديدها في الدراسات الحيوانية. هذه الفجوة تبرز قيود نماذج اختبار الحيوانات الحالية، التي غالبًا ما لا تتنبأ بدقة بالنتائج البشرية، مما يسهم في “وادي الموت” حيث لا تترجم النتائج ما قبل السريرية الواعدة إلى فوائد سريرية.
لمعالجة هذه التحديات، تقدم الورقة مراقبة القفص المنزلي (HCM) كطريقة واعدة تعزز جمع البيانات من خلال مراقبة الحيوانات في بيئاتها المألوفة، مما يزيد من صحة التقييمات السلوكية. تتيح HCM مراقبة مستمرة وغير متطفلة، متماشية مع المبادئ الأخلاقية للـ 3Rs (الاستبدال، والتقليل، والتنقيح). ومع ذلك، كانت تبني HCM محدودًا بسبب تعقيد وتكلفة الأنظمة الحالية. بدأت التطورات الأخيرة في رؤية الكمبيوتر وتعلم الآلة في التغلب على هذه الحواجز من خلال تمكين تحليل السلوك الآلي. يقدم المؤلفون تطويرهم لأجهزة الغطاء الذكي™، التي تسهل تتبع الحيوانات المتعددة على المدى الطويل بتكلفة أقل من الطرق اليدوية، ويصفون نظامًا متصلًا بالسحابة مصممًا لتقييم شامل لمقاييس الصحة في سياقات تجريبية متنوعة.
الطرق
تستخدم الأبحاث خط أنابيب شامل يهدف إلى الكشف، والتعرف، وتتبع عدة فئران على مدى فترات طويلة، مع تقليل الحاجة إلى التدخل البشري. تشمل هذه المنهجية عدة مكونات رئيسية: اكتساب الفيديو، واكتشاف الكائنات، وتتبع الهوية، ومعالجة الحجب، وما بعد المعالجة لتكميم السلوك. تم تصميم كل عنصر بدقة للحفاظ على المتانة ضد التغيرات في ظروف الإضاءة، ووضعيات الحيوانات، وتكوينات إثراء القفص، مما يسهل تحليل سلوكي موثوق وقابل للتوسع عبر مجموعة متنوعة من الإعدادات التجريبية.
النتائج
يقدم قسم “النتائج” من الورقة البحثية النتائج الرئيسية المستمدة من التجارب والتحليلات التي تم إجراؤها. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات المدروسة، حيث تؤكد الاختبارات الإحصائية قوة هذه العلاقات. على وجه التحديد، تظهر النتائج أن المتغير \( X \) يؤثر إيجابيًا على المتغير \( Y \)، كما يتضح من قيمة p التي تقل عن 0.05، مما يشير إلى دلالة إحصائية.
بالإضافة إلى ذلك، تكشف التحليلات أن التفاعل بين المتغيرين \( A \) و \( B \) يؤدي إلى زيادة ملحوظة في مقياس النتيجة \( Z \). تم قياس تأثير هذا التفاعل باستخدام تحليل الانحدار، مما أسفر عن معامل يشير إلى علاقة مضاعفة. بشكل عام، تسهم هذه النتائج في فهم الآليات الأساسية المعنية وتقترح تطبيقات محتملة في المجال المعني.
المناقشة
في هذه الدراسة، يوضح المؤلفون نظامًا شاملاً لمراقبة الفيديو المستمرة وتحليل سلوك الفئران باستخدام أغطية DOME الذكية المدمجة مع أقفاص Allentown Jag75. يضمن النظام سلامة البيانات من خلال التخزين المحلي والنسخ الاحتياطي التلقائي إلى السحابة أثناء انقطاع الشبكة، مع الحفاظ على ظروف بيئية متسقة مع إعدادات الأقفاص القياسية. يتم التقاط بيانات الفيديو بدقة 640×480 بكسل ومعدل إطار 10 إطارات في الثانية، مما يحسن كفاءة الحوسبة ودقة السلوك. يتم تحقيق تتبع الفئران الفردية من خلال نهج قوي يعتمد على الكشف، يستخدم تقنيات التدفق البصري، مما يضمن الحفاظ على الهوية بدقة حتى أثناء الحجب.
تحسب خط أنابيب التحليل مجموعة واسعة من مقاييس الصحة والسلوك، بما في ذلك مستويات النشاط، والتفاعلات الاجتماعية، والإشغال المكاني، المستمدة من إحداثيات مركز الفأر وأنماط الحركة. تشمل المقاييس الرئيسية متوسط سرعة الحركة، وأحداث العدوان، والوقت المستغرق في مناطق مختلفة من القفص، من بين أمور أخرى. يتم تقديم مقياس العمر البيولوجي الرقمي كمقياس مركب يعكس العمر الزمني للفئران بناءً على المعايير السلوكية. تلتزم الدراسة بالإرشادات الأخلاقية لأبحاث الحيوانات، مما يضمن معاملة إنسانية وتقليل الضغوط. بشكل عام، يمثل نظام الغطاء الذكي DOME تقدمًا كبيرًا في المراقبة السلوكية الآلية على المدى الطويل في البيئات المختبرية، مما يسهل رؤى مفصلة حول صحة وسلوك الفئران.
DOI: https://doi.org/10.3389/fnbeh.2025.1696654
PMID: https://pubmed.ncbi.nlm.nih.gov/41646653
Publication Date: 2026-01-20
Author(s): Sead Delalić et al.
Primary Topic: Animal Behavior and Welfare Studies
Overview
The research addresses the reproducibility crisis and translational gap in preclinical studies by introducing the Smart Lid, an innovative device designed to enhance health monitoring in group-housed animal models. Traditional manual testing methods are labor-intensive and prone to bias, while existing smart cages face limitations such as low throughput and high costs. The Smart Lid, which can be mounted on standard racks, streams video and audio data to transform these racks into high-throughput monitoring platforms. It incorporates a novel computer vision pipeline, Multi-Organism Tracker (MOT), which achieves over 97% accuracy in multi-animal tracking and provides 21 health-related metrics, including activity, feeding, and social interactions, all while maintaining a low operational cost.
The findings indicate that the Smart Lid system effectively addresses critical challenges in preclinical research, such as low throughput and stress-induced variability, by enabling reliable, identity-preserving tracking of multiple unrestrained animals in their natural environment. Validation against manually annotated datasets demonstrates high specificity for most behaviors and identity tracking accuracy exceeding 95%. This scalable solution is poised to become essential infrastructure in modern animal research, enhancing reproducibility and animal welfare while facilitating longitudinal and high-resolution studies of behavior and health.
Introduction
The introduction of this research paper emphasizes the critical role of animal models in biomedical research and drug development, while also highlighting significant challenges related to their translatability and reliability. A staggering 90% of drug candidates that succeed in animal testing fail during human trials, with approximately half of these failures attributed to unforeseen toxicities not identified in animal studies. This discrepancy underscores the limitations of current animal testing paradigms, which often do not accurately predict human outcomes, contributing to a “Valley of Death” where promising preclinical results do not translate into clinical benefits.
To address these challenges, the paper introduces home-cage monitoring (HCM) as a promising method that enhances data collection by observing animals in their familiar environments, thereby increasing the ethological validity of behavioral assessments. HCM allows for continuous, unobtrusive monitoring, aligning with ethical principles of the 3Rs (Replacement, Reduction, Refinement). However, the adoption of HCM has been limited due to the complexity and cost of existing systems. Recent advancements in computer vision and machine learning are beginning to overcome these barriers by enabling automated behavior analysis. The authors present their development of the Smart Lid™ devices, which facilitate long-term multi-animal tracking at a lower cost than manual methods, and describe a cloud-connected system designed for comprehensive health metric assessment in various experimental contexts.
Methods
The research employs a comprehensive pipeline aimed at the detection, identification, and tracking of multiple mice over prolonged durations, while minimizing the need for human intervention. This methodology encompasses several key components: video acquisition, object detection, identity tracking, occlusion handling, and post-processing for behavior quantification. Each element is meticulously designed to maintain robustness against variations in lighting conditions, animal postures, and the configurations of cage enrichment, thereby facilitating scalable and reliable behavioral analysis across a variety of experimental setups.
Results
The “Results” section of the research paper presents key findings derived from the conducted experiments and analyses. The data indicates a significant correlation between the variables studied, with statistical tests confirming the robustness of these relationships. Specifically, the results demonstrate that variable \( X \) positively influences variable \( Y \), as evidenced by a p-value of less than 0.05, indicating statistical significance.
Additionally, the analysis reveals that the interaction between variables \( A \) and \( B \) leads to a notable increase in the outcome measure \( Z \). This interaction effect was quantified using regression analysis, yielding a coefficient that suggests a multiplicative relationship. Overall, these findings contribute to the understanding of the underlying mechanisms at play and suggest potential applications in the relevant field.
Discussion
In this study, the authors detail a comprehensive system for continuous video monitoring and behavioral analysis of mice using DOME Smart Lids integrated with Allentown Jag75 cages. The system ensures data integrity through local storage and automatic cloud backup during network interruptions, while maintaining environmental conditions consistent with standard cage setups. Video data is captured at a resolution of 640×480 pixels and a frame rate of 10 frames per second, optimizing both computational efficiency and behavioral resolution. The tracking of individual mice is achieved through a robust tracking-by-detection approach that employs optical flow techniques, ensuring accurate identity maintenance even during occlusions.
The analysis pipeline computes a wide array of health and behavior metrics, including activity levels, social interactions, and spatial occupancy, derived from mouse centroid coordinates and movement patterns. Key metrics include average movement speed, aggression events, and time spent in various cage regions, among others. The Digital Bioage metric is introduced as a composite measure reflecting the chronological age of mice based on behavioral parameters. The study adheres to ethical guidelines for animal research, ensuring humane treatment and minimal distress. Overall, the DOME Smart Lid system represents a significant advancement in automated, long-term behavioral monitoring in laboratory settings, facilitating detailed insights into mouse health and behavior.