#focus

Un algoritmo ha identificato con successo il grado di dolore patito da alcuni cavalli attraverso input video: sviluppato e sperimentato da un team di ricerca dell’Università di San Paolo in Brasile apre nuove opportunità sulla corretta comprensione della sofferenza animale, nello specifico dei cavalli.

“In una scala da 1 a 10, quanto male hai ora, rispetto a quanto ricordi di aver patito in precedenza?”. Una domanda banale, che anche noi, uomini, possiamo sentirci rivolgere dal medico, e/o – soprattutto – al pronto soccorso, in emergenza, o durante il post operatorio. Vi sono infatti diverse soglie di sopportazione del dolore, sia tra gli esseri umani, sia negli animali. Gli animali, ovviamente, non possono rispondere alla domanda diretta, ma semplicemente rifarsi a svariate dimostrazioni fisiche della sofferenza patita, che soprattutto i veterinari devono essere in grado di soppesare adeguatamente. La valutazione oggettiva di quanto sia pesante il dolore avvertito da un cavallo in un dato momento (al di là della mimica e del panico, tipico per alcuni esseri umani, ma anche per molti animali, specie i predati) tramite schemi ricorrenti e scale di riferimento sulla base di banche dati di casistiche / grandi statistiche può certamente essere molto utile per decidere la corretta terapia da approntare. Attenzione: una valutazione il più possibile oggettiva è importantissima sia per quei cavalli che “esagerano”, sia in particolare per quelli che minimizzano le dimostrazioni della propria sofferenza: quest’ultimi rispondono alla propria specie – i veri predati non devono mai mostrare di essere in reale difficoltà – ma spesso traggono in inganno i medici, con conseguenti difficoltà ad intervenire per aiutarli.

Il team di studio succitato ha utilizzato un classificatore computazionale automatico basato sulla Horse Grimace Scale, che è stato tarato attraverso un metodo di apprendimento intelligente artificiale-automatico. L’uso della Horse Grimace Scale, descritta per la prima volta nel 2014, dipende tradizionalmente da un osservatore umano competente, ma che tuttavia potrebbe non avere necessariamente tutta la disponibilità di tempo utile per valutare lo stato dell’animale, specie per lunghi periodi. Inoltre, pur con un’adeguata formazione, la presenza di una persona sconosciuta vicino a un animale che soffre (o anche il riconoscimento effettivo da parte di quest’ultimo del ruolo – medico/veterinario – del soggetto che gli sta a fianco) può comportare cambiamenti comportamentali, rendendo la valutazione più complessa: così hanno osservato i ricercatori sulla rivista open access PLOS ONE. In effetti, in stati di sofferenza anche per alcuni animali la componente emotivo-ansiosa (in umana descritta gergalmente come sindrome da “camice bianco”) può complicare il quadro clinico più del dovuto. La possibilità di di uno screening asettico condotto h 24, con l’animale che non sa di essere osservato e dunque, nello specifico del cavallo, non invasivo in quanto a presenza fisica, è di certo un notevole passo avanti per capire come davvero “stanno le cose”, specie in quei casi manifestamente gravi, ma dubbi.

Il team di ricerca brasiliano si è servito di un sistema di video-imaging automatico come possibile soluzione, con il potenziale per monitorare le risposte al dolore nei cavalli in modo più accurato e in tempo reale. Questo approccio, a sua volta, potrebbe consentire una diagnosi precoce e un trattamento più efficiente per gli animali in difficoltà. Lo studio si è basato sulla valutazione delle espressioni facciali di sette castroni. Le riprese video sono state raccolte tramite una telecamera posizionata nella parte superiore della loro stazione di alimentazione, catturando immagini in quattro momenti distinti ogni giorno per due giorni prima e quattro giorni dopo un delicato intervento medico. Il censimento riguardava solo due categorie – dolore non presente e dolore presente – ma l’accuratezza complessiva ha raggiunto l’88,3%.

“Questi risultati mostrano che la valutazione automatica del dolore nei cavalli attraverso l’uso dell’intelligenza artificiale per riconoscere le espressioni facciali è molto promettente“. “Tuttavia, in futuro dovrebbero essere apportati alcuni miglioramenti per produrre risultati ancora migliori e più specifici, come ad esempio disporre di una banca di immagini più ampia con scatti di qualità superiore”, caso per caso. “Inoltre, sarebbe interessante coinvolgere personale più preparato per classificare le immagini al fine di escludere possibili distorsioni dalle discrepanze individuali durante l’applicazione delle scale del dolore”.

Il team di studio comprendeva Carreira Lencioni, Rafael Vieira de Sousa, Edson José de Souza Sardinha e Rodrigo Romero Corrêa, tutti dell’Università di São Paul.

Bibliografia/riferimento: Lencioni GC, de Sousa RV, de Souza Sardinha EJ, Corrêa RR, Zanella AJ (2021) Pain assessment in horses using automatic facial expression recognition through deep learning-based modeling. PLoS ONE 16(10): e0258672. https://doi.org/10.1371/journal.pone.0258672

(27 ottobre 2021) © Redaz.; riproduzione riservata; foto © EqIn