Comparando o desempenho de modelos de vídeo em deep learning e veterinários treinados na avaliação da dor em bovinos

Por que Ler o Rosto das Vacas Importa

A dor em animais de criação é tanto uma questão de bem‑estar quanto um problema econômico: animais que sentem dor comem menos, crescem mais devagar e podem sofrer em silêncio. Ao contrário das pessoas, as vacas não podem nos dizer onde dói, e mesmo veterinários experientes podem deixar passar sinais sutis. Este estudo faz uma pergunta marcante com consequências no mundo real: um sistema de inteligência artificial, observando vídeo comum de bovinos, pode igualar ou até superar veterinários treinados em identificar quais animais estão com dor após uma cirurgia?

Dor Oculta em Rebanhos Silenciosos

Bovinos são animais de presa e, ao longo da evolução, aprenderam a ocultar fraquezas. Isso torna a dor difícil de identificar, mesmo para especialistas, e os sistemas de pontuação existentes são demorados e algo subjetivos. Veterinários tipicamente avaliam dor usando listas de verificação de comportamentos e expressões faciais, como a forma de andar, o nível de interação com o grupo ou a aparência dos olhos, orelhas e focinho. Essas ferramentas melhoram a consistência, mas ainda dependem do julgamento humano, do treinamento e das circunstâncias em que os animais são observados. Em fazendas comerciais movimentadas, aplicar escalas tão detalhadas a cada animal costuma ser impraticável.

Transformando Vídeos do Curral em Dados

Os pesquisadores se basearam em trabalhos anteriores com outras espécies — gatos, cães, coelhos, ovelhas e cavalos — onde computadores aprenderam a reconhecer dor a partir de imagens. Aqui, o foco foi em touros jovens submetidos à castração rotineira. Dezessete animais de duas raças de corte comuns foram filmados em seus compartimentos por cerca de três minutos em vários momentos antes e depois da cirurgia. Para o sistema de IA, a comparação chave foi entre um momento pré‑cirúrgico tomado como livre de dor e um momento pós‑cirúrgico precoce, quando se esperava dor aguda. A partir dessas gravações, a equipe extraiu um quadro por segundo e recortou automaticamente em torno da cabeça de cada animal, criando um conjunto enxuto de close‑ups dos rostos e da parte superior do corpo bovino.

Como o Computador Aprende a Ler uma Vaca

Cada quadro recortado foi convertido em uma descrição numérica compacta — uma espécie de impressão digital visual — usando um modelo moderno de vision transformer originalmente treinado em grandes coleções de imagens. Essas impressões digitais foram então alimentadas em um classificador simples que aprendeu a separar “dor” de “sem dor” com base em exemplos rotulados. Em vez de depender de pré‑processamento pesado ou de ciclos repetidos de retreinamento, os autores mantiveram o pipeline eficiente, com foco na implantação no mundo real em fazendas onde recursos de computação e expertise técnica podem ser limitados. Para cada vídeo de três minutos, o sistema tomou uma decisão por maioria de votos sobre todos os quadros, permitindo captar mudanças fugazes na expressão e na postura que uma única imagem estática poderia perder.

Homem vs. Máquina na Clínica

Para avaliar o desempenho da IA, os resultados foram comparados aos de dois anestesiologistas veterinários treinados usando escalas de dor estabelecidas. A Escala de Dor em Bovinos UNESP‑Botucatu foca em comportamentos corporais como movimento, apetite e interação, enquanto a Bovine Grimace Scale concentra‑se em traços faciais, como o apertar das pálpebras e a posição das orelhas. Os veterinários avaliaram a dor tanto presencialmente durante o período cirúrgico quanto depois, a partir dos vídeos gravados. O computador, usando apenas os vídeos, alcançou uma acurácia de cerca de 97% e uma pontuação F1 — uma medida equilibrada das chamadas corretas de dor e sem dor — de quase 97%. Isso superou as avaliações humanas baseadas em vídeo e foi estatisticamente comparável às avaliações dos veterinários em tempo real nos currais.

O Que Isso Significa para Vacas e Produtores

Para o leitor leigo, a conclusão é direta: um sistema de IA bem projetado, observando vídeo comum, pode detectar dor em bovinos com desempenho similar ao de veterinários experientes e, às vezes, com mais consistência. Isso não implica substituir veterinários; aponta antes para um futuro em que câmeras monitorem discretamente os rebanhos 24 horas por dia, sinalizando animais que provavelmente estão com dor para que humanos possam intervir mais cedo. O estudo é ainda pequeno e concentrado em um tipo de cirurgia, e simplifica a dor em uma decisão sim‑ou‑não. Mas oferece uma prova de conceito de que máquinas podem ajudar a revelar o sofrimento oculto de animais de criação, melhorando tanto a qualidade de vida deles quanto a eficiência da produção pecuária.

Citação: 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

Palavras-chave: detecção de dor animal, bem‑estar de bovinos, inteligência artificial veterinária, visão computacional, monitoramento de saúde do gado