Automatic pain face analysis in mice: Applied to a varied dataset with non-standardized conditions

Este estudio presenta un modelo de aprendizaje profundo entrenado en un conjunto de datos diverso que supera a los evaluadores humanos en la predicción automática de la Escala de Caras de Ratón (MGS) bajo condiciones no estandarizadas, demostrando que la combinación de múltiples subconjuntos de datos es esencial para lograr una generalización robusta.

Lo esencial

Imagina que eres un detective que necesita saber si un ratón de laboratorio está sufriendo dolor. El problema es que los ratones no pueden decirte "ay, me duele la pata" ni llorar como nosotros. En su lugar, hacen una "cara de dolor" muy sutil: se les aprietan los ojos, se les hunden las mejillas o se les ponen las orejas de una forma extraña.

Esta es la historia de un equipo de científicos que creó un super-robot con ojos de computadora para leer esas caras y saber si los ratones están bien o mal, sin necesidad de que un humano los mire constantemente.

Aquí te explico cómo lo hicieron, usando analogías sencillas:

1. El problema: La "Regla de Oro" es difícil de seguir

Antes, los científicos usaban una regla llamada Escala de la Cara de Rictus del Ratón (MGS). Imagina que es como un semáforo de dolor:

• Verde (0): El ratón está feliz, cara normal.
• Amarillo (1): Hay algo raro, un poco de dolor.
• Rojo (2): ¡Ay! Dolor severo, ojos cerrados, orejas hacia atrás.

El problema es que los humanos son lentos. Solo pueden mirar a los ratones por unos minutos y, si hay un humano cerca, el ratón se asusta y esconde su dolor (¡como un actor que finge estar bien!). Además, cada laboratorio tiene sus propias reglas: unos usan jaulas blancas, otros oscuras; unos tienen ratones negros, otros blancos. Esto hace que las fotos sean muy diferentes, como intentar reconocer a un amigo en una foto borrosa tomada con una linterna en una fiesta ruidosa.

2. La solución: Entrenar al "Ojo de Águila"

Los autores de este estudio decidieron crear un cerebro artificial (Inteligencia Artificial) que pudiera ver el dolor en cualquier condición. Para hacerlo, no usaron un solo tipo de ratón o una sola cámara. ¡Hicieron algo mucho más grande!

• La "Biblioteca de Rostros": Reunieron unas 35.000 fotos de ratones de 5 laboratorios diferentes. Tenían ratones negros, blancos y marrones; algunos estaban operados, otros solo anestesiados, y otros sanos.
• El entrenamiento: Imagina que enseñas a un niño a reconocer perros. Si solo le muestras fotos de perros labradores, no reconocerá a un chihuahua. Pero si le muestras perros de todas las razas, tamaños y colores, ¡aprenderá lo que es un "perro" en general!
  • El equipo entrenó a su IA con esta mezcla gigante de ratones. Le dijeron: "Mira, este ratón tiene los ojos apretados (dolor), y este otro no".

3. El resultado: El robot es mejor que el humano promedio

Cuando probaron a su robot:

• Precisión: El robot logró predecir el nivel de dolor con un error muy pequeño (0.26 en una escala de 0 a 2).
• Comparación: ¡El robot se equivocó menos que el humano promedio! Es como si el robot fuera un juez de un concurso de belleza que nunca se cansa, nunca tiene sueño y nunca se distrae.
• Correlación: La opinión del robot coincidía en un 85% con la de los expertos humanos.

4. El truco de la "Variedad"

Descubrieron algo muy importante: La variedad es la clave.

• Si entrenabas al robot solo con ratones negros y luego le mostrabas uno blanco, se confundía.
• Pero si le enseñabas ratones negros, blancos, marrones, con jaulas de plástico y de metal, el robot aprendía a ignorar el "ruido" (el fondo, el color del pelaje) y se centraba solo en lo importante: la expresión de dolor.

Es como si aprendieras a reconocer la tristeza en una persona sin importar si lleva gafas de sol, si está bajo la lluvia o si tiene el pelo mojado. El robot aprendió a ver la "tristeza" pura, no los detalles superficiales.

5. ¿Por qué es esto un gran avance?

Hasta ahora, para usar estas escalas, tenías que sacar al ratón de su casa (su jaula), ponerlo en una caja especial y tomarle fotos. ¡Eso le daba más miedo al ratón y alteraba su cara!

Con este nuevo sistema:

• Podríamos poner cámaras en las jaulas normales de los ratones.
• El robot vigilaría a los ratones 24 horas al día, incluso cuando están dormidos o jugando.
• Si un ratón empieza a hacer "cara de dolor", el sistema avisaría inmediatamente para darle medicina, sin que nadie tenga que tocarlo ni asustarlo.

En resumen

Este estudio es como crear un traductor universal de emociones para ratones. En lugar de depender de un humano que mira por un minuto, tenemos un ojo digital que nunca parpadea, ve a todos los tipos de ratones y nos dice con precisión si están sufriendo. Esto hace que la ciencia sea más humana (porque cuida mejor a los animales) y más precisa (porque los datos no están contaminados por el miedo).

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Resumen Técnico: Análisis Automático de Expresiones Faciales de Dolor en Ratones

1. Problema

La investigación biomédica depende de herramientas validadas para evaluar el dolor y el sufrimiento en animales de laboratorio, siendo el ratón la especie más utilizada. La Escala de Grimace del Ratón (MGS) es el estándar actual, que evalúa cinco unidades de acción facial (estrechamiento orbital, abultamiento nasal, abultamiento de la mejilla, posición de las orejas y cambio de bigotes) en una escala de 0 a 2.

Sin embargo, existen limitaciones críticas en la aplicación actual de la MGS:

• Dependencia humana: La evaluación manual es subjetiva, laboriosa y solo se realiza en momentos puntuales, no de forma continua.
• Sesgo del observador: La presencia de humanos altera el comportamiento de los ratones (animales presa), lo que puede enmascarar signos de dolor.
• Falta de automatización robusta: Aunque existen herramientas automatizadas previas, ninguna ha logrado evaluar de forma fiable todos los rasgos de la MGS en diferentes cepas de ratones bajo condiciones no estandarizadas (diferentes jaulas, iluminación, fondos y cepas genéticas) sin necesidad de trasladar al animal a un entorno de grabación controlado. La variabilidad en los datos de imagen representa un desafío mayor para los modelos de visión por computadora.

2. Metodología

El estudio aborda estos desafíos mediante la creación de un conjunto de datos masivo y diverso, junto con un modelo de aprendizaje profundo.

• Conjunto de Datos (Dataset):

  • Se compiló un dataset de aproximadamente 35.000 imágenes de rostros de ratones, dividido en cinco subconjuntos (AW, JW, KH, LW, MR).
  • Diversidad: Incluye cinco cepas diferentes (C57BL/6N, BALB/c, C57BL/6J, NMRI, DBA/1), con pelajes de colores variados (negro, albino, marrón diluido).
  • Condiciones: Los datos provienen de cinco laboratorios distintos con diferentes protocolos de tratamiento (anestesia, cirugía, administración de LPS, etc.), equipos de adquisición (cámaras RGB, infrarrojas, video, fotos estáticas) y condiciones de alojamiento.
  • Etiquetado: Las imágenes fueron puntuadas manualmente por expertos humanos utilizando la MGS. Se calculó la puntuación promedio de las cinco unidades de acción facial para cada imagen.

• Preprocesamiento y Selección de Imágenes:

  • Para los videos, se utilizó un detector de rostros basado en DeepLabCut (DLC) para seleccionar los fotogramas donde las características faciales eran visibles y nítidas, descartando aquellos borrosos o donde el rostro no estaba completo.
  • Las imágenes se convirtieron a escala de grises para el entrenamiento del modelo.

• Arquitectura del Modelo (Deep Learning):

  • Se utilizó una red neuronal convolucional (CNN) basada en ResNet-50.
  • Estrategia de Aprendizaje por Transferencia:
    1. Pre-entrenamiento: Se utilizaron pesos pre-entrenados en ImageNet-21k.
    2. Tarea de Pretexto: Se entrenó inicialmente para una clasificación binaria (bienestar "deteriorado" vs. "no deteriorado") utilizando etiquetas derivadas de los momentos de intervención (ej. post-cirugía).
    3. Tarea Principal: Finalmente, la red se ajustó para una tarea de regresión, prediciendo el valor promedio continuo de la MGS (rango 0.0 a 2.0).
  • Se aplicó aumento de datos (RandAugment) y se entrenó durante 200 épocas.

3. Contribuciones Clave

• Dataset Público y Diverso: Se ha puesto a disposición un dataset de ~35.000 imágenes con más de 3.000 imágenes etiquetadas con MGS, cubriendo una variabilidad sin precedentes en cepas, laboratorios y condiciones de adquisición.
• Modelo de Puntuación Automática: Desarrollo de un modelo de aprendizaje profundo capaz de predecir puntuaciones MGS continuas en condiciones no estandarizadas, superando las limitaciones de herramientas anteriores que requerían entornos controlados.
• Análisis de Generalización: Evaluación exhaustiva de la capacidad del modelo para transferir conocimientos entre diferentes subconjuntos de datos (cross-dataset), demostrando la importancia de entrenar con datos diversos.
• Comparativa con Evaluadores Humanos: El modelo se compara directamente con la fiabilidad inter-evaluador humana, estableciendo un nuevo estándar de rendimiento.

4. Resultados

• Rendimiento General: El modelo entrenado en la combinación de todos los subconjuntos logró un Error Cuadrático Medio Raíz (RMSE) de 0.26 en una escala de 0 a 2.
  • Este error es menor que el error promedio entre evaluadores humanos (que oscila entre 0.28 y 0.39 según el subconjunto), lo que indica que el modelo es más consistente que un humano promedio.
  • La correlación de Pearson entre el modelo y los evaluadores humanos fue muy alta (r = 0.85).
• Evaluación Cruzada (Cross-Dataset):
  • Cuando el modelo se entrenó en un subconjunto y se probó en otro (diferente cepa o laboratorio), el error aumentó (RMSE entre 0.33 y 0.63), lo que demuestra la dificultad de la generalización pura.
  • Sin embargo, el modelo entrenado con la combinación de todos los subconjuntos ofreció la mejor generalización, reduciendo el error en las pruebas cruzadas.
• Análisis de Unidades Faciales:
  • Contrariamente a la hipótesis de que el "estrechamiento orbital" (OT) sería el rasgo más fácil y fiable, los modelos entrenados solo con OT mostraron un rendimiento inferior (mayor RMSE) en comparación con los modelos que utilizaban las cinco unidades de acción facial.
  • Esto sugiere que la integración de múltiples señales faciales es crucial para una estimación robusta del dolor.
• Fiabilidad Humana: Se observó que la fiabilidad inter-evaluador humana variaba significativamente entre subconjuntos (el mejor fue JW con 0.42 de fiabilidad promedio, el peor LW con 0.13), lo que subraya la necesidad de herramientas automatizadas estandarizadas.

5. Significado e Impacto

• Bienestar Animal: La automatización permite una monitorización continua de 24 horas en la jaula de origen (home cage), eliminando el estrés del traslado y la presencia humana, y permitiendo detectar el dolor en fases tempranas, incluso durante la fase nocturna de actividad de los ratones.
• Validez Científica: Al reducir la variabilidad introducida por la evaluación humana subjetiva y el estrés del animal, se mejora la calidad y reproducibilidad de los datos en experimentos biomédicos.
• Futuro de la Automatización: El estudio demuestra que es posible entrenar modelos robustos para condiciones "del mundo real" (no estandarizadas) si se utilizan conjuntos de datos suficientemente grandes y diversos.
• Recomendación Práctica: Para aplicar este modelo a un nuevo conjunto de datos, la estrategia más fiable es utilizar el modelo pre-entrenado en todos los subconjuntos y, si es posible, ajustarlo finamente (fine-tuning) con un pequeño número de imágenes puntuadas por humanos del nuevo conjunto específico.

En conclusión, este trabajo representa un avance significativo hacia la implementación práctica de la evaluación automatizada del dolor en animales de laboratorio, superando las barreras de la variabilidad experimental y ofreciendo una herramienta más objetiva y sensible que la observación humana tradicional.