Automatisierte Analyse des Tierverhaltens

F¨¹r Verhaltensstudien mit Tieren m¨¹ssen Wissenschaftler:innen oft grosse Mengen von Videoaufzeichnungen analysieren. Klassischerweise sichten sie dabei Aufnahmen mit einer Gesamtdauer von vielen Wochen und Monaten und f¨¹hren ¨¹ber das beobachtete Verhalten Protokoll. Forschende an der ETH Z¨¹rich und der Universit?t Z¨¹rich haben die Analyse solcher Aufzeichnungen nun automatisiert. Ein von ihnen entwickelter Bildanalyse-Algorithmus nutzt computerbasiertes Sehen und maschinelles Lernen. Der Algorithmus kann individuelle Tiere unterscheiden sowie Verhaltensweisen erkennen, die zum Beispiel auf Neugierde, Angst oder auf harmonische Interaktionen mit Artgenossen hindeuten.

Videoaufnahmen von Tieren ¨C auch ?usserst umfangreiche ¨C k?nnen damit quasi auf Knopfdruck automatisch ausgewertet werden. Ein weiterer Vorteil ist die Reproduzierbarkeit: Wenn unterschiedliche Forschungsgruppen ihre Videodaten mit demselben Algorithmus auswerten, sind ihre Arbeiten besser vergleichbar, weil immer die gleichen Massst?be angelegt werden. Ausserdem ist der neue Algorithmus so empfindlich, dass auch subtile Verhaltens?nderungen erkannt werden, die sich nur sehr langsam und ¨¹ber eine lange Zeitspanne entwickeln. ?F¨¹r das menschliche Auge hingegen sind solche Ver?nderungen oft schwierig zu erkennen?, sagt Markus Marks. Er ist Postdoc in der Gruppe von Mehmet Fatih Yanik, Professor f¨¹r Neurotechnologie, und Erstautor der Forschungsarbeit.

F¨¹r alle Tierarten geeignet

Die Wissenschaftler trainierten den Machine-Learning-Algorithmus mit Videoaufnahmen aus Tierhaltungen von M?usen und Makaken. Die Methode eignet sich jedoch f¨¹r alle Tierarten, wie die Forschenden betonen. In der Wissenschaftsgemeinschaft hat sich die neue Methode bereits herumgesprochen. Die Forschenden stellen den Algorithmus auf einer ?ffentlichen Plattform anderen Forschenden zur Verf¨¹gung, und zahlreiche Kollegen auf der ganzen Welt nutzen ihn bereits. ?Insbesondere unter Primatenforschenden ist das Interesse gross. So nutzt auch eine Gruppe, welche wildlebende Schimpansen in Uganda erforscht, unsere Technik?, sagt Marks.

Dies d¨¹rfte unter anderem damit zu tun haben, dass mit dieser Methode auch komplexes Sozialverhalten in einer Tiergemeinschaft ausgewertet werden kann, etwa welches Tier wann das Fell eines anderen Gruppenmitglieds pflegt. ?Gegen¨¹ber bisherigen auf maschinellem Lernen basierenden Verhaltensanalysealgorithmen hat unsere Methode gerade bei der Analyse des Sozialverhaltens in komplexen Settings grosse Vorteile?, sagt Marks.

Tierhaltung verbessern

Ausserdem kann die Methode zur Verbesserung der Tierhaltung eingesetzt werden. Es ist damit m?glich, Tiere rund um die Uhr zu ¨¹berwachen und automatisch abnormales Verhalten zu erkennen. Ung¨¹nstiges Sozialverhalten oder Erkrankungen k?nnen so fr¨¹hzeitig erkannt werden, und Tierpflegende k?nnen rasch eingreifen und die Situation f¨¹r die Tiere verbessern.
Die Forschenden unterhalten derzeit auch eine Zusammenarbeit mit dem Zoo Z¨¹rich, der seine Tierhaltung weiter verbessern und automatisierte Verhaltensforschung betreiben m?chte. F¨¹r eine k¨¹rzlich ver?ffentlichten Studie zum Schlafverhalten von Elefanten mussten die Zooforschenden beispielsweise Videoaufnahmen manuell auswerten. Sie erhoffen sich von der neuen Methode, solche Arbeiten k¨¹nftig automatisieren zu k?nnen.

Zum Einsatz kommt die Methode schliesslich in der biologischen, neurobiologischen und medizinischen Grundlagenforschung. ?Unsere Methode kann bereits sehr geringf¨¹gige ?nderungen im Verhalten von Versuchstieren erkennen, zum Beispiel Anzeichen von Stress, Angst und Unwohlsein?, sagt ETH-Professor Yanik. ?Sie hilft somit, die Qualit?t von Studien mit Tieren zu erh?hen, die Zahl von Tieren pro Versuch zu reduzieren und die Tiere nicht ¨¹berm?ssig zu belasten.? Er selbst plant, die Methode in seiner neurobiologischen Forschung im Bereich des Imitationslernens zu verwenden.