Porównanie wydajności modeli głębokiego uczenia opartych na wideo z wykształconymi weterynarzami w ocenie bólu bydła

Dlaczego warto czytać twarze krów

Ból u zwierząt gospodarskich to zarówno kwestia dobrostanu, jak i problem ekonomiczny: cierpiące zwierzęta jedzą mniej, rosną wolniej i mogą cierpieć w milczeniu. W przeciwieństwie do ludzi, krowy nie potrafią powiedzieć, gdzie je boli, a nawet doświadczeni weterynarze mogą przeoczyć subtelne sygnały. W badaniu postawiono istotne pytanie z praktycznymi konsekwencjami: czy system sztucznej inteligencji, analizujący zwykłe nagrania wideo bydła, może dorównać lub przewyższyć wyszkolonych lekarzy weterynarii w rozpoznawaniu, które zwierzęta odczuwają ból po zabiegu?

Ukryty ból w cichych stadach

Bydło to zwierzęta ofiarne i w toku ewolucji nauczyły się ukrywać słabość. Utrudnia to wychwycenie bólu, nawet ekspertom, a istniejące systemy oceny są czasochłonne i częściowo subiektywne. Weterynarze zwykle oceniają ból za pomocą list kontrolnych zachowań i wyrazu twarzy, takich jak sposób chodzenia, interakcje z towarzyszami stada czy wygląd oczu, uszu i pyska. Narzędzia te poprawiają spójność ocen, ale nadal zależą od ludzkiego osądu, szkolenia i warunków obserwacji zwierząt. W zatłoczonych gospodarstwach komercyjnych stosowanie takich szczegółowych skal dla każdego osobnika jest często niepraktyczne.

Przekształcanie nagrań z obory w dane

Naukowcy oparli się na wcześniejszych pracach prowadzonych u innych gatunków — kotów, psów, królików, owiec i koni — gdzie komputery nauczyły się rozpoznawać ból na podstawie obrazów. Tutaj skupili się na młodych bykach poddawanych rutynowej kastracji. Siedemnaście zwierząt z dwóch popularnych ras mięsnych filmowano w kojcach przez około trzy minuty w kilku momentach przed i po zabiegu. Dla AI kluczowe porównanie dotyczyło chwili przed zabiegiem uznanej za bezbólową oraz wczesnego okresu po zabiegu, kiedy spodziewano się ostrego bólu. Z nagrań wyodrębniono jedną klatkę na sekundę i automatycznie wykadrowano wokół głowy każdego zwierzęcia, tworząc uproszczony zbiór zbliżeń bovinicznych twarzy i górnej części ciała.

Jak komputer uczy się czytać krowę

Każda wykadrowana klatka została przekształcona w zwartą reprezentację numeryczną — rodzaj wizualnego odcisku palca — przy użyciu nowoczesnego modelu vision transformer wstępnie wytrenowanego na dużych zbiorach obrazów. Te odciski trafiły następnie do prostego klasyfikatora, który nauczył się rozróżniać „ból” od „braku bólu” na podstawie oznakowanych przykładów. Zamiast polegać na rozbudowanym wstępnym przetwarzaniu czy wielokrotnym ponownym trenowaniu, autorzy utrzymali proces efektywny, z myślą o wdrożeniu w rzeczywistych gospodarstwach, gdzie zasoby obliczeniowe i kompetencje techniczne mogą być ograniczone. Dla każdego trzyminutowego wideo system podejmował decyzję większościowym głosowaniem pośród wszystkich klatek, co pozwalało mu wychwycić ulotne zmiany w wyrazie i postawie, które na pojedynczym zdjęciu mogłyby zostać pominięte.

Człowiek kontra maszyna w klinice

Aby ocenić skuteczność AI, porównano jej wyniki z ocenami dwóch wykwalifikowanych anestezjologów weterynaryjnych korzystających z ustalonych skal bólu. Skala UNESP‑Botucatu dla bydła koncentruje się na zachowaniach ciała, takich jak ruch, apetyt i interakcje, natomiast Bovine Grimace Scale skupia się na cechach twarzy, takich jak ściągnięcie powiek czy ustawienie uszu. Weterynarze oceniali ból zarówno bezpośrednio podczas okresu chirurgicznego, jak i później na podstawie nagrań wideo. Komputer, korzystając wyłącznie z wideo, osiągnął dokładność około 97 procent oraz wynik F1 — zrównoważoną miarę prawidłowych rozpoznań bólu i braku bólu — bliski 97 procent. Było to lepsze niż oceny ludzkie przeprowadzone na wideo i statystycznie porównywalne z ocenami weterynarzy przeprowadzonymi na żywo przy kojcach.

Co to oznacza dla krów i rolników

Dla czytelnika niebędącego specjalistą wniosek jest prosty: dobrze zaprojektowany system AI analizujący zwykłe nagrania wideo potrafi rozpoznać ból u bydła w przybliżeniu równie dobrze jak doświadczeni weterynarze, a czasem z większą konsekwencją. Nie oznacza to zastąpienia lekarzy weterynarii; raczej wskazuje to na przyszłość, w której kamery dyskretnie monitorują stada przez całą dobę i sygnalizują zwierzęta prawdopodobnie cierpiące, tak aby ludzie mogli szybciej interweniować. Badanie jest wciąż niewielkie i skupione na jednym typie zabiegu, upraszczając ból do decyzji tak/nie. Jednakże dostarcza dowodu koncepcji, że maszyny mogą pomóc ujawnić ukryte cierpienie zwierząt gospodarskich, poprawiając zarówno ich jakość życia, jak i efektywność produkcji zwierzęcej.

Cytowanie: 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

Słowa kluczowe: wykrywanie bólu u zwierząt, dobre samopoczucie bydła, sztuczna inteligencja weterynaryjna, widzenie komputerowe, monitorowanie zdrowia zwierząt gospodarskich