索尔克研究所的科学家们创造了 GlowTrack，以更高的分辨率和更多的功能来追踪人类和动物的行为。运动是了解大脑如何运作和控制身体的窗口。从剪贴板和笔观察到基于人工智能的现代技术，追踪人类和动物的运动已经走过了漫长的道路。目前最先进的方法是利用人工智能来自动跟踪身体各部分的运动。然而，这些模型的训练仍然耗费大量时间，而且研究人员需要对每个身体部位进行成百上千次的手动标记，因而受到限制。

贴有 GlowTrack 荧光标签的人手。资料来源：索尔克研究所

现在，艾曼-阿齐姆（Eiman Azim）副教授和团队创建了一种非侵入式运动跟踪方法--GlowTrack，利用荧光染料标记来训练人工智能。GlowTrack 强大、省时、高清，能够追踪老鼠爪子上的一个数字或人类手上的数百个地标。

这项技术于2023年9月26日发表在《自然-通讯》（Nature Communications）杂志上，其应用范围涵盖生物学、机器人学、医学等多个领域。

左起：丹尼尔-巴特勒和艾曼-阿齐姆 丹尼尔-巴特勒和艾曼-阿齐姆。图片来源：索尔克研究所

"在过去的几年里，随着强大的人工智能工具被引入实验室，行为追踪领域发生了一场革命，"资深作者、威廉-斯坎德林发育讲座教授阿齐姆说。"我们的方法使这些工具更加通用，改进了我们在实验室捕捉各种运动的方法。更好地量化运动能让我们更好地了解大脑是如何控制行为的，并有助于研究肌萎缩性脊髓侧索硬化症（ALS）和帕金森病等运动障碍疾病。"

目前捕捉动物运动的方法通常需要研究人员在电脑屏幕上手动反复标注身体部位--这个过程非常耗时，容易出现人为错误，而且时间有限。人工标注意味着这些方法通常只能在狭小的测试环境中使用，因为人工智能模型会对其接收到的有限训练数据进行专业化处理。例如，如果光线、动物身体的方向、摄像机角度或其他任何因素发生变化，模型就无法再识别被追踪的身体部位。

为了解决这些局限性，研究人员使用荧光染料标记动物或人体的各个部位。有了这些"不可见"的荧光染料标记，就可以快速创建大量视觉多样化数据，并将其输入人工智能模型，而无需人工标注。一旦输入了这些强大的数据，这些模型就可以用来追踪更多样化环境中的运动，其分辨率是人工标注难以达到的。

这为在不同研究之间比较运动数据打开了方便之门，因为不同的实验室可以使用相同的模型来跟踪各种情况下的身体运动。阿齐姆认为，实验的比较和可重复性在科学发现过程中至关重要。

第一作者、索尔克生物信息学分析师丹尼尔-巴特勒（Daniel Butler）说："荧光染料标记是完美的解决方案。 我们的荧光染料标记就像一元纸币上的隐形墨水，只有在你想要的时候才会亮起，我们的荧光染料标记可以在眨眼之间打开或关闭，让我们能够生成大量的训练数据。"

未来，该团队很高兴能支持 GlowTrack 的各种应用，并将其功能与其他能重建三维运动的追踪工具以及能探究这些庞大运动数据集模式的分析方法结合起来。

阿齐姆说："我们的方法可以使许多需要更灵敏、可靠和全面的工具来捕捉和量化运动的领域受益。我渴望看到其他科学家和非科学家如何采用这些方法，以及可能出现哪些独特的、不可预见的应用。"