Digital, automatisk igenkänning av ansiktsuttryck skulle kunna vara till stor hjälp vid smärtbedömning hos häst. Forskare från SLU, KTH och två amerikanska universitet arbetar tillsammans för att ta fram en metod liknande dem som redan finns för människa.

I en översiktsartikel beskriver forskarna, bland andra Pia Haubro Andersen och Marie Rhodin vid SLU, olika metoder för automatisk igenkänning av smärta. I den första metoden registreras ansiktsuttryck automatiskt, utan värdering av vad uttrycken ”betyder”. Smärtstatus beräknas sedan enligt ett system där olika ansiktsuttryck definierats i relation till smärta. I andra metoder används mycket flexibla maskininlärningsmetoder där datorn lär sig av tidigare erfarenheter med hjälp av digitala neurala nätverk, så kallade deep learning networks. Videor av hästar med känd smärtstatus analyseras, och datasystemet analyserar all information i videon utan begränsande mellansteg som filtrerar bort variation. En stor utmaning i detta sätt att arbeta är att stora datamängder för hästar med känd smärtstatus behövs.

Preliminära resultat visar att digitala neurala nätverk kan klassificera experimentellt inducerad smärta hos hästar bättre än mänskliga bedömare, och forskarna tror att den framtida metodutvecklingen kommer leda till digital välfärdsövervakningen som automatiskt flaggar för förändringar i ansiktsaktiviteten hos hästar. De stora mängderna data som ett sådant system skulle i sin tur kunna ligga till grund för en förståelse av tidiga sjukdomsyttringar och göra det möjligt att utveckla förebyggande åtgärder mot olika typer av sjukdom hos häst, eller kanske användas för att bygga upp kunskap om andra känsloyttringar hos häst såsom stress och välmående.

Länk till översiktsartikeln här

Källa: SLU

Läs intervjun med Pia Haubro Andersen i kommande nummer av den tryckta VeterinärMagazinet.