深層学習によるビデオベースモデルと訓練を受けた獣医師による牛の痛み評価の性能比較

牛の顔を読むことが重要な理由

農場動物の痛みは福祉の問題であると同時に経済的な問題でもあります：痛みのある動物は食欲が落ち、成長が遅くなり、静かに苦しむことがあります。人間と違って牛はどこが痛いかを言えず、熟練した獣医でさえ微妙な兆候を見落とすことがあります。本研究は現実世界に影響を及ぼす興味深い問いを投げかけます：通常のビデオ映像を観察する人工知能システムは、手術後にどの個体が痛みを抱えているかを、訓練を受けた獣医と同等かそれ以上に判定できるでしょうか？

静かな群れに潜む痛み

牛は捕食者に狙われる立場の動物であり、進化の過程で弱みを隠すことを学んできました。そのため痛みの発見は専門家にとっても難しく、既存の評価尺度は時間を要し、ある程度主観的です。獣医は通常、歩き方、群れとの相互作用、目や耳、口吻の様子などの行動や顔の表情をチェックリストで評価して痛みを判断します。これらのツールは一貫性を高めますが、人間の判断や訓練、観察される状況に依存します。多忙な商業農場では、こうした詳細な尺度を全頭に適用するのは現実的でないことが多いです。

牛舎のビデオをデータに変える

研究者たちは、猫、犬、ウサギ、羊、馬など他の種でコンピュータが画像から痛みを認識する研究を基に進めました。本研究では去勢という日常的な処置を受ける若い雄牛に焦点を当てました。一般的な肉牛種の個体17頭が複数の時点で各々約3分間、飼育区画で撮影されました。AIにとっての主要な比較は、痛みがないと見なせる術前の時点と、急性の痛みが予想される術直後の時点でした。これらの録画から1秒毎にフレームを抽出し、自動的に各個体の頭部をトリミングして、牛の顔と上半身のクローズアップを整えたデータセットを作成しました。

コンピュータが牛を読む仕組み

切り出した各フレームは、視覚的な指紋のようなコンパクトな数値表現に変換されました。これは大規模画像コレクションで事前学習された最新のビジョントランスフォーマーモデルを用いて得られたものです。得られた指紋は単純な分類器に入力され、ラベル付きの例に基づいて「痛み」か「非痛み」かを学習しました。過度な前処理や繰り返しの再学習に頼るのではなく、著者らはパイプラインを効率的に保ち、計算資源や技術的専門知識が限られる農場での実運用を意識しました。各3分間のビデオについては、すべてのフレームの多数決で最終判断を下し、単一の静止画では見逃しがちな一瞬の表情や姿勢の変化を捉えられるようにしました。

診療現場での人間対機械

AIの性能を評価するため、既存の痛み尺度を用いる2名の訓練を受けた獣医麻酔科医の成績と比較しました。UNESP‑ボトゥカトゥ牛痛み尺度は動き、食欲、相互作用といった身体行動に焦点を当て、牛のグライムスケールはまぶたの締め具合や耳の位置など顔の特徴に注目します。獣医は手術期間中に直接評価を行い、後で録画映像からも採点しました。コンピュータは映像のみを用いて約97％の精度と、痛みと非痛みの判定のバランスを取るF1スコアでほぼ97％を達成しました。これはビデオベースの人間のスコアより良好であり、現場での獣医のリアルタイム評価と統計的に比較できるレベルでした。

牛と農家にとっての意味

一般読者への結論は明快です：慎重に設計されたAIシステムが通常の映像を観察することで、経験のある獣医師と同程度に、あるいはより一貫して牛の痛みを検出できる可能性があるということです。これは獣医を置き換えるという意味ではなく、むしろカメラが群れを常時静かに監視し、痛みを抱えている可能性が高い動物を検出して人間が早期に介入できるようにする未来を示唆します。本研究はまだ小規模で一種類の手術に焦点を当てており、痛みを単純な二者択一で扱っています。しかし、機械が農場動物の隠れた苦しみを明らかにする手助けをできるという概念実証を提供し、動物の生活の質と畜産の効率向上に寄与すると言えます。

引用: 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

キーワード: 動物の痛み検出, 牛の福祉, 獣医療の人工知能, コンピュータビジョン, 家畜の健康モニタリング