Derin öğrenme video tabanlı modeller ile eğitimli veterinerlerin sığır ağrı değerlendirmesindeki performanslarının karşılaştırılması

İnek Yüzlerini Okumanın Nedenleri

Çiftlik hayvanlarındaki ağrı hem bir refah sorunu hem de bir ticari meseledir: acı çeken hayvanlar daha az yer, daha yavaş gelişir ve sessizce acı çekebilir. İnsanların aksine inekler neresinin ağrıdığını söyleyemez ve yetkin veterinerler bile ince belirtileri kaçırabilir. Bu çalışma, gerçek dünya sonuçları olan çarpıcı bir soruyu gündeme getiriyor: sıradan bir sığır videosunu izleyen bir yapay zeka sistemi, cerrahi sonrası hangi hayvanların acı çektiğini söylemede eğitimli veterinerlere yetişebilir veya onları geçebilir mi?

Sessiz Sürülerde Gizli Ağrı

Sığırlar av hayvanlarıdır ve evrim boyunca zayıflıklarını saklamayı öğrenmişlerdir. Bu da ağrıyı, uzmanlar için bile, fark etmeyi zorlaştırır; mevcut puanlama sistemleri zaman alıcı ve bir ölçüde özneldir. Veterinerler tipik olarak bir ineğin yürüyüşü, sürü arkadaşlarıyla etkileşimi ya da göz, kulak ve burun yapısı gibi davranış ve yüz ifadeleri kontrol listelerini kullanarak ağrıyı puanlar. Bu araçlar tutarlılığı artırsa da hâlâ insan yargısına, eğitime ve hayvanların gözlemlendiği koşullara bağlıdır. Yoğun ticari çiftliklerde bu kadar ayrıntılı ölçekleri her hayvana uygulamak genellikle pratik olmaz.

Samanlıktaki Videoları Veriye Dönüştürmek

Araştırmacılar, bilgisayarların görüntülerden ağrıyı tanımayı öğrendiği kedi, köpek, tavşan, koyun ve at gibi diğer türlerdeki önceki çalışmalara dayanarak ilerlediler. Burada odak, rutin kastrasyon uygulanan genç boğalarda idi. İki yaygın besi ırkından on yedi hayvan, ameliyat öncesi ve sonrası birkaç zaman noktasında her biri yaklaşık üç dakika olacak şekilde korunaklarında film çekildi. Yapay zeka için kilit karşılaştırma, ağrı yok sayılan ameliyat öncesi bir an ile akut ağrının beklenildiği erken ameliyat sonrası bir an arasındaydı. Bu kayıtlardan, ekip her saniyeden bir kare çıkardı ve her hayvanın kafası etrafını otomatik olarak kırparak sığır yüzlerinin ve üst gövdelerinin yakın planlarının derlenmiş bir setini oluşturdu.

Bilgisayar Bir İneği Nasıl Okumayı Öğrenir

Her kırpılmış kare, büyük görüntü koleksiyonları üzerinde eğitilmiş modern bir görsel dönüştürücü (vision transformer) modeli kullanılarak kompakt bir sayısal tanıma—bir tür görsel parmak izi—dönüştürüldü. Bu parmak izleri daha sonra etiketlenmiş örneklere dayanarak “ağrı” ile “ağrı yok”u ayırmayı öğrenen basit bir sınıflandırıcıya verildi. Ağır ön işlemeye veya tekrar tekrar yeniden eğitime dayanmak yerine, yazarlar hattı verimli tutarak çiftliklerdeki sınırlı hesaplama kaynakları ve teknik uzmanlık göz önünde bulundurularak uygulamaya yönelik bir yaklaşım benimsediler. Her üç dakikalık video için sistem, tüm kareler üzerindeki çoğunluk oylaması ile bir karar vererek tek bir durağan görüntünün kaçırabileceği geçici ifade ve duruş değişikliklerini yakalayabildi.

Klinikte İnsan ve Makine

Yapay zekanın ne kadar iyi performans gösterdiğini değerlendirmek için performansı, yerleşik ağrı ölçeklerini kullanan iki eğitimli veteriner anestezistinkilerle karşılaştırıldı. UNESP‑Botucatu Sığır Ağrı Ölçeği hareket, iştah ve etkileşim gibi vücut davranışlarına odaklanırken, Bovine Grimace Scale göz kapağı sıkışması ve kulak pozisyonu gibi yüz özelliklerine yoğunlaşır. Veterinerler, cerrahi dönem sırasında bizzat ve daha sonra kaydedilmiş videolardan ağrıyı puanladılar. Bilgisayar yalnızca videoları kullanarak yaklaşık yüzde 97 doğruluk ve doğru ağrı ile ağrı yok çağrılarını dengeli şekilde ölçen neredeyse yüzde 97 F1 skoru elde etti. Bu sonuç video bazlı insan puanlamalarından daha iyiydi ve hayvanların sağlandığı yerlerde veterinerlerin gerçek zamanlı değerlendirmeleriyle istatistiksel olarak benzer düzeydeydi.

Bu İnekler ve Çiftçiler İçin Ne Anlama Geliyor

Gayri uzman bir okuyucu için çıkarım nettir: dikkatle tasarlanmış bir yapay zeka sistemi sıradan videoları izleyerek deneyimli veterinerlere yakın—ve bazen daha tutarlı—bir biçimde sığırlardaki ağrıyı tespit edebilir. Bu, veterinerlerin yerini almak anlamına gelmez; daha ziyade kameraların sürüleri gece gündüz sessizce izleyeceği ve muhtemelen acı çeken hayvanları insan müdahalesi için daha erken işaretleyeceği bir geleceğe işaret eder. Çalışma hâlâ küçük ölçekli ve tek bir ameliyat türüne odaklıdır ve ağrıyı evet‑hayır kararına indirger. Ancak makinelere çiftlik hayvanlarının gizli acılarını ortaya çıkarmada yardımcı olabilecekleri ve böylece hem yaşam kalitelerini hem de hayvancılık verimliliğini iyileştirebilecekleri konusunda bir kavramsal kanıt sunar.

Atıf: 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

Anahtar kelimeler: hayvan ağrısı tespiti, sığır refahı, veteriner yapay zeka, bilgisayarlı görü, kümes hayvanları sağlık izlemesi