La recopilación automática e inteligente de indicadores de dolor, con la ayuda de la computadora, ofrecerá enormes oportunidades para la detección precoz del dolor. Esta tecnología podría ayudar a determinar acciones terapéuticas que mejoren la respuesta de los animales a las intervenciones veterinarias.
Es posible asociar este sistema con alertas enviadas de diferentes formas al veterinario en situaciones que requieran atención. Al evaluar imágenes de caballos y clasificarlas entre dolor ausente, moderado y presente, el sistema mostró una precisión global del 75,8% y del 88,3% al identificar solo entre dos niveles, es decir, presencia o ausencia de dolor.
La interpretación de los criterios clínicos para la evaluación del dolor presenta una enorme variabilidad entre los veterinarios. Un sistema debe ser capaz de estandarizar la formación de estudiantes y profesionales ya que tiene un enorme potencial para mejorar el nivel de bienestar animal”.
Para desarrollar el algoritmo de identificación del dolor, se utilizaron cámaras que capturaron continuamente imágenes de video de caballos días antes y después del procedimiento de castración. “La castración se realizó siguiendo un protocolo adecuado para la reducción del dolor”, dice Gabriel Carreira Lencioni, estudiante de posgrado de la FMVZ (Facultad de Medicina Veterinaria y Zootecnia de la Universidad de San Pablo, en Pirassununga, e investigador principal del proyecto. Posteriormente, las imágenes fueron seleccionadas y evaluadas por el investigador, en consulta con profesionales, con el fin de identificar cada característica de las partes del rostro, en este caso ojo, oído, boca y fosas nasales, y el nivel de dolor indicado, con base en una escala desarrollada en 2014 por el proyecto de Indicadores de Bienestar Animal.
Esta información se utilizó para entrenar en la computadora, a través de técnicas de inteligencia artificial, un algoritmo para clasificar imágenes de partes del rostro del animal, con el fin de identificar tres niveles de dolor: ausente, moderado o presente. Luego, se entrenó otro algoritmo para integrar la información producida de cada parte del rostro y finalmente predecir el nivel de dolor que presenta cada animal en la imagen completa del rostro del caballo. Todos los animales fueron mantenidos con seguimiento veterinario continuo e intervenciones terapéuticas guiadas por el profesional.
