Des chercheurs développent une méthode sans stress pour peser des souris à l’aide de la vision par ordinateur

Une équipe de recherche dirigée par le professeur associé du Jackson Laboratory (JAX), Vivek Kumar, Ph.D., a développé une méthode non intrusive permettant de mesurer avec précision et en continu la masse corporelle des souris à l’aide de la vision par ordinateur. Cette approche vise à réduire le stress associé aux techniques de pesée traditionnelles, améliorant ainsi la qualité et la reproductibilité des recherches biomédicales impliquant des souris.

Dans le domaine de la santé humaine comme dans celui de la recherche biomédicale, la masse corporelle est une mesure essentielle, qui sert souvent d’indicateur de l’état de santé général et de prédicteur de problèmes de santé potentiels. Pour les chercheurs travaillant sur des souris (les sujets les plus courants dans les études précliniques), la mesure de la masse corporelle consiste traditionnellement à sortir les animaux de leur cage et à les placer sur une balance.

Ce processus peut être stressant pour les souris, car il introduit des variables qui peuvent affecter le résultat des expériences. De plus, ces mesures ne sont généralement prises qu’une fois tous les quelques jours, ce qui complique encore davantage la précision et la reproductibilité des données.

« Nous avons reconnu la nécessité d’une meilleure méthode pour mesurer avec précision et de manière non invasive la masse animale au fil du temps », a déclaré Kumar. « L’approche traditionnelle non seulement stresse les souris, mais limite également la fréquence et la fiabilité des mesures, ce qui peut affaiblir la validité des résultats expérimentaux. »

Pour relever ce défi, Kumar et son équipe de scientifiques informatiques et d’ingénieurs logiciels, dont le premier auteur Malachy Guzman, ainsi que Brian Geuther, MS et Gautam Sabnis, Ph.D., se sont tournés vers la technologie de la vision par ordinateur. Guzman, un étudiant en dernière année au Carleton College, était un étudiant d’été de JAX et a poursuivi le projet en tant que stagiaire d’une année universitaire au Kumar Lab.

En analysant l’un des plus grands ensembles de données vidéo de souris utilisés par Kumar auparavant pour évaluer également le comportement de toilettage et la posture de marche, ils ont développé une méthode pour calculer la masse corporelle avec moins de 5 % d’erreur. Les résultats, publiés dans le numéro en ligne avancé du 7 août Motifsoffrent une nouvelle ressource aux chercheurs qui promet d’améliorer la qualité d’un large éventail d’études précliniques.

L’équipe de recherche a dû relever plusieurs défis pour développer cette méthode. Contrairement aux sujets relativement statiques utilisés dans l’élevage industriel pour mesurer la masse corporelle, les souris sont très actives et flexibles, changeant fréquemment de posture et de forme, à la manière d’un objet déformable.

De plus, l’équipe a travaillé avec 62 souches de souris différentes, dont le poids variait de 13 à 45 grammes, chacune ayant des tailles, des comportements et des couleurs de pelage uniques, nécessitant l’utilisation de multiples mesures visuelles, d’outils d’apprentissage automatique et de modélisation statistique pour atteindre le niveau de précision souhaité.

« Dans les données vidéo, seulement 0,6 % des pixels appartenaient à chaque souris, mais nous avons pu appliquer des méthodes de vision par ordinateur pour prédire la masse corporelle de souris individuelles », a expliqué Guzman.

« En entraînant nos modèles avec des souches de souris génétiquement diverses, nous nous sommes assurés qu’ils pourraient gérer les distributions visuelles et de taille variables couramment observées en laboratoire. En fin de compte, nos modèles statistiques de prédiction de masse peuvent être utilisés pour mener des expériences génétiques et pharmacologiques. »

Cette nouvelle méthode offre plusieurs avantages clés aux chercheurs. Elle permet de détecter des changements de masse corporelle faibles mais significatifs sur plusieurs jours, ce qui pourrait s’avérer crucial pour les études impliquant des manipulations médicamenteuses ou génétiques.

En outre, la méthode a le potentiel de servir d’outil de diagnostic pour la surveillance générale de la santé et peut être adaptée à différents environnements expérimentaux et à d’autres organismes à l’avenir.