Tierisches Verhalten: Einsatz von KI zur Wiederherstellung fehlender Daten

Um Prozesse im Gehirn besser verstehen zu können, untersuchen Wissenschaftler*innen, was Tiere oder Menschen tun, wie sie sich bewegen, reagieren und Entscheidungen treffen. Das Verhalten ist komplex, denn Tiere und Menschen können sich auf unzählige verschiedene Arten bewegen. Bisher basierten neurowissenschaftliche Studien auf eingeschränkten, vereinfachten Verhaltensweisen, die leichter zu analysieren und zu quantifizieren sind. Dank neuster Aufzeichnungs- und Tracking-Technologien können Wissenschaftler*innen nun die Bewegungen von Körperteilen frei agierender Tiere im Sekunden- und Millimeterbereich verfolgen.

Doch bei der Aufzeichnung und Erfassung der Körperteile von Tieren gehen oft Daten verloren, was die Analyse von Verhaltens- und neurowissenschaftlichen Experimenten erschweren kann. Ein Forschungsteam unter der Leitung von Professorin Dr. Katarzyna Bozek vom Center for Molecular Medicine Cologne (CMMC) und dem Exzellenzcluster für Alternsforschung CECAD hat eine Methode entwickelt, um fehlende Daten in Aufnahmen von Tierverhalten wiederherzustellen. Die Studie ‚Deep Imputation for Skeleton Data (DISK) for Behavioral Science‘ wurde in der Fachzeitschrift Nature Methods veröffentlicht. Die Studie wurde in Zusammenarbeit mit Forschungslaboren am Okinawa Institute of Science and Technology (OIST) in Japan, der Vrije Universiteit Amsterdam und dem Salk Institute for Biological Sciences in den USA durchgeführt, die experimentelle Daten über das Verhalten von Mäusen und Zebrafischen lieferten.

Die ‚Deep Imputation for Skeleton Data‘-Methode, kurz DISK, kann fehlende Daten für alle Körperteile wiederherstellen und ergänzen sowie die Qualität der Datenwiederherstellung in Echtzeit einschätzen.

Die Methode, die auf einer so genannten Transformer-Architektur für neuronale Netzwerke basiert, funktioniert bei allen Tierarten, von Insekten über Fische bis hin zu Nagetieren. „Unser Ziel war es, das Tool für eine Vielzahl von Verhaltensforscher*innen nutzbar zu machen, ohne dass sie auf Vorkenntnisse über die Tierart, die Anzahl der Tiere oder spezifische Informationen über die Verhaltensaufgabe angewiesen sind“, so Dr. France Rose, Erstautorin der Studie. Forscher*innen, die diese neue Methode anwenden, können ihre Verhaltensdaten, deren Erhebung in der Regel teuer und zeitaufwendig ist, somit optimal nutzen.

DISK verbessert die Verlässlichkeit der wissenschaftlichen Ergebnisse solcher Experimente, zum Beispiel die statistische Aussagekraft des Vergleichs der Schrittdynamik zwischen zwei Mäusegruppen, die verschiedenen pharmakologischen Behandlungen unterzogen wurden. Zusätzlich zur Datenergänzung erstellt DISK aussagekräftige Darstellungen von Bewegungsabläufen, die Bewegungsmerkmale wie Geschwindigkeit und Richtung sowie die ausgeführten Aktionen wie Gehen oder Klettern erfassen. Künftig wird DISK es Verhaltensforscher*innen ermöglichen, ihre Datenqualität und Analysen zu verbessern. „Wir glauben, dass die neuartige Methode zur Quantifizierung von Verhalten mit Hilfe von neuronalen Transformernetzwerken in diesem Forschungsbereich breite Anwendung finden wird“, so Bozek.

Die Forschungsarbeiten von Dr. Rose wurde durch eine Förderung des Ministeriums für Kultur und Wissenschaft des Landes Nordrhein-Westfalen im Rahmen der ‚KI-Starter‘-Förderlinie unterstützt. Professorin Bozek erhielt Unterstützung im Rahmen des Programms für Nachwuchswissenschaftlerinnen im Bereich Künstliche Intelligenz des Bundesministeriums für Bildung und Forschung. Die Japan Society for the Promotion of Science (JSPS) förderte die Forschung ebenfalls. Dr. Rose ist derzeit Emmy-Noether-Forschungsgruppenleiterin an der Universität Bonn.