För att upprätthålla god djurvälfärd är det viktigt att veterinärer och djurägare kan bedöma om hästar har ont, men idag saknas koncensus om hur smärtbedömning bäst görs. Digital, automatisk igenkänning av ansiktsuttryck vid smärta finns för människa och skulle kunna vara till stor hjälp vid smärtbedömning hos häst. Forskare från Sveriges lantbruksuniversitet, KTH och två amerikanska universitet beskriver i en översiktsartikel hur de tillsammans arbetar för att ta fram denna typ av metoder.
I översiktsartikeln beskriver forskarna olika metoder för automatisk igenkänning av smärta. I den första metoden registreras ansiktsuttryck automatiskt, utan värdering av vad uttrycken "betyder". Smärtstatus beräknas sedan enligt ett system där olika ansiktsuttryck definierats i relation till smärta. I andra metoder som beskrivs används mycket flexibla maskininlärningsmetoder där datorn lär sig av tidigare erfarenheter med hjälp av digitala neurala nätverk, så kallade deep learning networks. Videor av hästar med känd smärtstatus analyseras, och datasystemet analyserar all information i videon utan begränsande mellansteg som filtrerar bort variation. En stor utmaning i detta sätt att arbeta är att stora datamängder för hästar med känd smärtstatus behövs.
Preliminära resultat visar att digitala neurala nätverk kan klassificera experimentellt inducerad smärta hos hästar bättre än mänskliga bedömare, och forskarna tror att den framtida metodutvecklingen kommer leda till digital välfärdsövervakningen som automatiskt flaggar för förändringar i ansiktsaktiviteten hos hästar. De stora mängderna data som ett sådant system skulle generera skulle i sin tur kunna ligga till grund för en förståelse av tidiga sjukdomsyttringar och göra det möjligt att utveckla förebyggande åtgärder mot olika typer av sjukdom hos häst, eller kanske användas för att bygga upp kunskap om andra känsloyttringar hos häst såsom stress och välmående.
https://doi.org/10.3390/ani11061643
Andersen, P.H.; Broomé, S.; Rashid, M.; Lundblad, J.; Ask, K.; Li, Z.; Hernlund, E.; Rhodin, M.; Kjellström, H. Towards Machine Recognition of Facial Expressions of Pain in Horses. Animals 2021, 11, 1643.