Confronto tra le prestazioni di modelli video deep learning e veterinari addestrati nella valutazione del dolore nei bovini

Perché leggere i volti delle mucche è importante

Il dolore negli animali da allevamento è sia una questione di benessere sia un problema economico: gli animali che soffrono mangiano meno, crescono più lentamente e possono soffrire in silenzio. A differenza delle persone, le mucche non possono dirci dove provano dolore e anche veterinari esperti possono perdere segnali sottili. Questo studio pone una domanda importante con conseguenze pratiche: un sistema di intelligenza artificiale, che osserva video ordinari di bovini, può eguagliare o addirittura superare veterinari addestrati nel dire quali animali hanno dolore dopo un intervento chirurgico?

Dolore nascosto in greggi tranquille

I bovini sono prede e, nell’evoluzione, hanno imparato a nascondere la debolezza. Questo rende il dolore difficile da individuare, anche per gli esperti, e i sistemi di valutazione esistenti sono dispendiosi in termini di tempo e in parte soggettivi. I veterinari solitamente valutano il dolore usando elenchi di comportamenti ed espressioni facciali, come il modo di camminare, l’interazione con i compagni di gregge o l’aspetto degli occhi, delle orecchie e del muso. Questi strumenti migliorano la coerenza ma dipendono ancora dal giudizio umano, dalla formazione e dalle circostanze in cui gli animali vengono osservati. Nelle aziende agricole affollate, applicare scale così dettagliate a ogni animale è spesso poco pratico.

Trasformare i video del fienile in dati

I ricercatori si sono basati su lavori precedenti in altre specie—gatti, cani, conigli, pecore e cavalli—dove i computer hanno imparato a riconoscere il dolore dalle immagini. Qui si sono concentrati su giovani tori sottoposti a castrazione di routine. Diciassette animali di due razze bovine comuni sono stati ripresi nelle loro postazioni per circa tre minuti in diversi momenti prima e dopo l’intervento. Per l’IA, il confronto chiave è stato tra un momento pre‑operatorio considerato senza dolore e un momento post‑operatorio precoce in cui ci si aspettava dolore acuto. Da queste registrazioni il team ha estratto un fotogramma al secondo e ha ritagliato automaticamente l’area intorno alla testa di ciascun animale, creando una serie semplificata di primi piani dei volti e della parte superiore del corpo dei bovini.

Come il computer impara a leggere una mucca

Ogni fotogramma ritagliato è stato convertito in una descrizione numerica compatta—una sorta di impronta visiva—usando un moderno modello vision transformer originariamente addestrato su grandi raccolte di immagini. Queste impronte sono state quindi alimentate in un classificatore semplice che ha imparato a separare “dolore” da “assenza di dolore” sulla base di esempi etichettati. Piuttosto che affidarsi a complesse fasi di pre‑elaborazione o a continui cicli di riaddestramento, gli autori hanno mantenuto la pipeline efficiente, con l’obiettivo di un'applicazione reale in azienda dove le risorse di calcolo e le competenze tecniche possono essere limitate. Per ogni video di tre minuti, il sistema ha preso una decisione mediante una votazione di maggioranza su tutti i fotogrammi, permettendogli di cogliere cambiamenti fugaci nell’espressione e nella postura che un singolo scatto potrebbe perdere.

Uomo contro macchina in clinica

Per valutare l’efficacia dell’IA, le sue prestazioni sono state confrontate con quelle di due anestesisti veterinari addestrati che utilizzavano scale di dolore consolidate. La UNESP‑Botucatu Cattle Pain Scale si concentra su comportamenti corporei come il movimento, l’appetito e l’interazione, mentre la Bovine Grimace Scale si concentra su caratteristiche facciali come il restringimento delle palpebre e la posizione delle orecchie. I veterinari hanno valutato il dolore sia di persona durante il periodo chirurgico sia successivamente dai video registrati. Il computer, usando solo i video, ha raggiunto un’accuratezza di circa il 97 percento e un punteggio F1—una misura bilanciata delle chiamate corrette di dolore e assenza di dolore—di quasi il 97 percento. Questo risultato è stato migliore rispetto alle valutazioni umane basate sui video e statisticamente comparabile alle valutazioni in tempo reale dei veterinari presso le postazioni degli animali.

Cosa significa per le mucche e gli allevatori

Per il lettore non specialista, la conclusione è semplice: un sistema di IA progettato con cura che osserva video ordinari può individuare il dolore nei bovini più o meno quanto veterinari esperti e talvolta in modo più coerente. Questo non significa sostituire i veterinari; indica piuttosto un futuro in cui telecamere monitorano silenziosamente le greggi 24 ore su 24, segnalando gli animali che probabilmente soffrono così che gli esseri umani possano intervenire prima. Lo studio è ancora di piccole dimensioni e focalizzato su un tipo di intervento, e semplifica il dolore in una decisione sì‑o‑no. Ma offre una prova di principio che le macchine possono contribuire a scoprire la sofferenza nascosta degli animali da allevamento, migliorando sia la loro qualità di vita sia l’efficienza della produzione zootecnica.

Citazione: 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

Parole chiave: rilevazione del dolore negli animali, benessere dei bovini, intelligenza artificiale veterinaria, visione artificiale, monitoraggio della salute del bestiame