Comparación del rendimiento de modelos de vídeo basados en aprendizaje profundo y veterinarios entrenados en la evaluación del dolor en el ganado

Por qué importa observar las caras de las vacas

El dolor en los animales de granja es tanto un problema de bienestar como un problema económico: los animales que sufren comen menos, crecen más despacio y pueden padecer en silencio. A diferencia de las personas, las vacas no pueden decirnos dónde les duele, e incluso los veterinarios expertos pueden pasar por alto signos sutiles. Este estudio plantea una pregunta llamativa con consecuencias reales: ¿puede un sistema de inteligencia artificial, que observe vídeo ordinario del ganado, igualar o incluso superar a veterinarios entrenados a la hora de identificar qué animales tienen dolor tras una cirugía?

Dolor oculto en rebaños silenciosos

Los bovinos son animales presa y, a lo largo de la evolución, han aprendido a ocultar la debilidad. Eso dificulta detectar el dolor, incluso para expertos, y los sistemas de puntuación existentes son laboriosos y algo subjetivos. Los veterinarios suelen evaluar el dolor mediante listas de comprobación sobre comportamientos y expresiones faciales, como la forma de caminar de la vaca, si interactúa con sus congéneres o el aspecto de sus ojos, orejas y hocico. Estas herramientas mejoran la coherencia, pero siguen dependiendo del juicio humano, la formación y las circunstancias en las que se observan los animales. En explotaciones comerciales concurridas, aplicar escalas tan detalladas a cada animal suele ser poco práctico.

Convertir vídeos de la granja en datos

Los investigadores partieron de trabajos anteriores en otras especies —gatos, perros, conejos, ovejas y caballos— en los que los ordenadores han aprendido a reconocer el dolor a partir de imágenes. Aquí se centraron en novillos jóvenes sometidos a la castración rutinaria. Se filmó a diecisiete animales de dos razas de carne habituales en sus corrales durante unos tres minutos en varios momentos antes y después de la cirugía. Para la IA, la comparación clave fue entre un momento previo a la cirugía tomado como libre de dolor y un momento temprano posterior en el que se esperaba dolor agudo. A partir de esas grabaciones, el equipo extrajo un fotograma por segundo y recortó automáticamente alrededor de la cabeza de cada animal, creando un conjunto depurado de planos cercanos de las caras y la parte superior del cuerpo bovino.

Cómo aprende el ordenador a leer a una vaca

Cada fotograma recortado se convirtió en una descripción numérica compacta —una especie de huella visual— usando un modelo transformer de visión moderno entrenado originalmente con grandes colecciones de imágenes. Esas huellas se introdujeron en un clasificador simple que aprendió a separar «dolor» de «sin dolor» a partir de los ejemplos etiquetados. En vez de recurrir a un preprocesado pesado o ciclos repetidos de reentrenamiento, los autores mantuvieron la canalización eficiente, con la vista puesta en su despliegue real en granjas donde los recursos informáticos y la pericia técnica pueden ser limitados. Para cada vídeo de tres minutos, el sistema tomó una decisión mediante votación mayoritaria sobre todos los fotogramas, lo que le permitió captar cambios fugaces en la expresión y la postura que una sola imagen fija podría pasar por alto.

Hombre contra máquina en la clínica

Para evaluar el rendimiento de la IA, lo compararon con el de dos anestesistas veterinarios entrenados que utilizaron escalas de dolor establecidas. La Escala de Dolor para Bovinos UNESP‑Botucatu se centra en comportamientos corporales como el movimiento, el apetito y la interacción, mientras que la Escala de Mueca Bovina se concentra en rasgos faciales como el entrecerramiento de los párpados y la posición de las orejas. Los veterinarios puntuaron el dolor tanto en persona durante el periodo quirúrgico como después a partir de los vídeos grabados. El ordenador, usando solo los vídeos, alcanzó una exactitud de alrededor del 97 por ciento y una puntuación F1 —una medida equilibrada de aciertos en las llamadas de dolor y sin dolor— de casi el 97 por ciento. Esto superó a las puntuaciones humanas basadas en vídeo y fue estadísticamente comparable con las valoraciones en tiempo real de los veterinarios en los corrales.

Qué significa esto para vacas y granjeros

Para el lector general, la conclusión es directa: un sistema de IA bien diseñado que observe vídeo ordinario puede detectar el dolor en el ganado casi tan bien como veterinarios experimentados y, en ocasiones, con mayor consistencia. Esto no implica sustituir a los veterinarios; más bien, apunta a un futuro en el que cámaras vigilen discretamente los rebaños las 24 horas, señalando animales que probablemente estén sufriendo para que los humanos puedan intervenir antes. El estudio sigue siendo pequeño y se centra en un tipo de cirugía, y simplifica el dolor a una decisión de sí o no. Pero ofrece una prueba de concepto de que las máquinas pueden ayudar a revelar el sufrimiento oculto de los animales de granja, mejorando tanto su calidad de vida como la eficiencia de la producción ganadera.

Cita: Feighelstein, M., Tomacheuski, R.M., Elias, G. et al. Comparing the performance of deep learning video-based models and trained veterinarians in cattle pain assessment. Sci Rep 16, 9318 (2026). https://doi.org/10.1038/s41598-026-39604-2

Palabras clave: detección del dolor animal, bienestar bovino, inteligencia artificial veterinaria, visión por computador, monitorización de la salud del ganado