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

Cette étude présente un modèle d'apprentissage profond entraîné sur un vaste ensemble de données hétérogènes qui surpasse les évaluateurs humains pour prédire automatiquement les scores de l'échelle grimacière de la souris (MGS) dans des conditions non standardisées, démontrant ainsi la supériorité d'une approche multi-sources par rapport à l'analyse de traits faciaux isolés ou de sous-ensembles restreints.

L'essentiel

🐭 Le Projet : Apprendre aux ordinateurs à lire les grimaces des souris

Imaginez que vous essayez de savoir si votre chat a mal, mais il ne peut pas vous le dire avec des mots. Vous devez observer son visage : est-ce qu'il a les yeux plissés ? Les oreilles en arrière ? Les moustaches droites ? C'est exactement ce que font les chercheurs avec les souris de laboratoire, mais c'est beaucoup plus difficile pour eux.

Cette étude a pour but de créer un robot détective capable de regarder une photo de souris et de dire : « Tiens, celle-ci a l'air d'avoir mal. »

1. Le Problème : Trop de variations !

Jusqu'à présent, les humains devaient regarder les souris une par une pour évaluer leur douleur. C'est long, fatiguant, et parfois, la simple présence d'un humain fait peur à la souris, qui cache alors sa douleur (comme un enfant qui ne veut pas pleurer devant un adulte).

Les chercheurs ont essayé de créer des ordinateurs pour le faire à leur place. Mais voici le hic : les souris sont toutes différentes.

• Certaines sont noires, d'autres blanches, d'autres marron.
• Elles vivent dans des cages différentes, avec des lumières différentes.
• Elles ont vécu des expériences différentes (une petite opération, une piqûre, ou rien du tout).

C'est comme si vous essayiez d'apprendre à un enfant à reconnaître les visages tristes, mais que vous lui montriez uniquement des photos de gens portant des lunettes de soleil, dans le noir, ou avec des chapeaux énormes. L'ordinateur se perdait ! Il ne savait pas si c'était la douleur ou juste l'ombre du chapeau qui rendait le visage triste.

2. La Solution : Une "Super-École" de données

Pour résoudre ce problème, les chercheurs ont créé une énorme bibliothèque de photos (environ 35 000 images !).

• Ils ont mélangé des souris de races différentes (noires, blanches, marron).
• Ils ont mélangé des photos prises dans 5 laboratoires différents, avec des caméras différentes.
• Ils ont entraîné des humains à noter la douleur sur une échelle de 0 à 2 (0 = pas de douleur, 2 = très grande douleur).

Ensuite, ils ont donné toutes ces photos à un cerveau artificiel (un modèle d'intelligence profonde) pour qu'il apprenne. C'est comme si on envoyait l'ordinateur dans une école où il voyait des milliers de souris dans toutes les situations possibles pour apprendre à repérer la vraie douleur, peu importe la couleur de la souris ou la couleur du mur derrière elle.

3. Le Résultat : Le robot est devenu un expert !

Après l'entraînement, le robot a été mis à l'épreuve.

• La performance : Il s'est trompé en moyenne de 0,26 point sur une échelle de 0 à 2.
• La comparaison : C'est impressionnant ! Le robot s'est trompé moins que la moyenne des humains qui regardent les photos. En fait, il est aussi bon (voire meilleur) qu'un expert humain.
• La corrélation : Quand les humains disaient "c'est douloureux", le robot disait aussi "c'est douloureux". Ils sont d'accord à 85 %.

4. Le Secret du succès : La diversité

Le plus important, c'est que le robot a appris avec un mélange de tout.

• Si on entraîne le robot uniquement sur des souris noires, il échoue quand on lui montre une souris blanche.
• Mais comme on lui a montré toutes les souris (noires, blanches, marron) dans toutes les conditions, il a appris à ignorer les détails inutiles (comme la couleur du pelage ou le type de cage) et à se concentrer uniquement sur ce qui compte vraiment : les yeux plissés, les oreilles en arrière et les moustaches droites.

C'est comme un détective qui, après avoir vu des milliers de criminels avec des chapeaux, des lunettes et des manteaux différents, finit par comprendre que ce n'est pas le chapeau qui le rend suspect, mais son regard.

5. Pourquoi c'est important pour le futur ?

Aujourd'hui, pour vérifier si une souris a mal, il faut souvent la sortir de sa cage et la mettre dans une boîte spéciale pour prendre une photo. Cela la stress !

Grâce à ce robot, à l'avenir, on pourrait simplement filmer les souris dans leur cage, la nuit, pendant qu'elles dorment ou jouent. L'ordinateur analyserait les images en temps réel, sans que personne n'ait besoin de les toucher.

• Moins de stress pour les souris (elles restent dans leur environnement familier).
• Plus de précision (on détecte la douleur dès le début, même la nuit).
• Plus d'humanité : on respecte mieux le bien-être des animaux utilisés pour la science.

En résumé

Les chercheurs ont créé un super-ordinateur capable de lire les émotions des souris en regardant leurs visages. En lui montrant une immense variété de souris dans toutes les situations, ils ont réussi à créer un outil plus précis que les humains, qui pourra un jour surveiller la santé des animaux de laboratoire 24h/24, sans jamais les déranger. C'est une victoire pour la science, mais surtout pour le bien-être animal.

Résumé technique

1. Problématique

L'évaluation du bien-être et de la douleur chez les animaux de laboratoire, en particulier la souris, est cruciale pour des raisons éthiques et scientifiques. La Mouse Grimace Scale (MGS) est l'outil standard pour évaluer les expressions faciales de douleur, basées sur cinq unités d'action faciale (UAF) : le resserrement orbital (OT), le gonflement du nez, le gonflement des joues, la position des oreilles et le changement de position des vibrisses. Chaque UAF est notée de 0 à 2.

Cependant, l'application actuelle de la MGS repose sur une évaluation manuelle par du personnel formé, ce qui présente plusieurs limites :

• Subjectivité et variabilité : La fiabilité inter-évaluateurs est souvent modérée.
• Perturbation comportementale : L'évaluation nécessite souvent de sortir la souris de sa cage d'habitation pour l'observer dans un environnement standardisé, ce qui induit du stress et masque les signes de douleur.
• Limites des outils automatisés existants : Les modèles de vision par ordinateur actuels sont souvent entraînés sur des ensembles de données restreints (une seule souche, conditions d'éclairage et de cage standardisées). Ils échouent à généraliser dans des conditions « non standardisées » (différentes couleurs de fourrure, différentes cages, éclairages variables, différents laboratoires), ce qui empêche une surveillance continue et automatisée dans la cage d'habitation (home cage).

L'objectif de cette étude est de développer un modèle d'apprentissage profond capable de prédire les scores MGS de manière fiable sur un ensemble de données hétérogène, simulant des conditions réelles et non standardisées.

2. Méthodologie

A. Construction de l'ensemble de données (Dataset)

Les auteurs ont créé un ensemble de données massif et diversifié contenant environ 35 000 images de visages de souris, divisées en cinq sous-ensembles (AW, JW, KH, LW, MR) provenant de cinq laboratoires différents.

• Diversité : Les données incluent cinq souches de souris différentes (C57BL/6N, BALB/c, C57BL/6J, NMRI, DBA/1) avec des couleurs de fourrure variées (noir, blanc/albinos, brun dilué).
• Conditions non standardisées : Les images proviennent de différentes cages, avec différents types de litière, d'enrichissements, d'éclairages (infrarouge, RVB) et de protocoles expérimentaux (anesthésie, chirurgie, injection de LPS, etc.).
• Annotation : Les images ont été annotées par des humains selon la MGS. Pour chaque image, un score moyen MGS (0 à 2) a été calculé sur la base des cinq UAF.
• Pré-traitement : Pour les vidéos, un détecteur de visage basé sur DeepLabCut a été utilisé pour sélectionner automatiquement les cadres où les traits du visage étaient visibles, suivis d'un tri par netteté. Les images ont été converties en niveaux de gris pour l'entraînement.

B. Architecture du Modèle et Apprentissage

Le modèle repose sur une architecture de Réseau de Neurones Convolutifs (CNN) de type ResNet-50, utilisant une approche d'apprentissage par transfert en plusieurs étapes :

1. Pré-entraînement (ImageNet) : Utilisation des poids pré-entraînés sur ImageNet-21k (modèle Big Transfer BiT-M-R50x1).
2. Tâche prétexte (Classification binaire) : Le modèle est d'abord entraîné à distinguer les souris avec un bien-être « altéré » (scores MGS élevés attendus) de celles avec un bien-être « non altéré ». Cette étape aide le modèle à apprendre les caractéristiques générales de la douleur.
3. Tâche principale (Régression) : Le modèle est ensuite affiné pour prédire la valeur continue du score moyen MGS (de 0 à 2).
4. Augmentation de données : Utilisation de RandAugment pour améliorer la robustesse du modèle face aux variations d'image.

C. Évaluation

La performance a été évaluée selon deux scénarios :

• Intra-ensemble : Entraînement et test sur des parties d'un même sous-ensemble (10 % des animaux réservés pour le test).
• Transfert inter-ensemble (Cross-dataset) : Entraînement sur un ou plusieurs sous-ensembles et test sur un sous-ensemble totalement exclu de l'entraînement.
• Métriques : Erreur Quadratique Moyenne Racine (RMSE), Coefficient de corrélation de Pearson, et comparaison avec la variabilité inter-évaluateurs humains (Inter-Rater Reliability - IRR).

3. Résultats Clés

• Performance globale : Le modèle entraîné sur la combinaison de tous les sous-ensembles a atteint une RMSE de 0,26 sur l'échelle MGS (0-2). Ce résultat est supérieur à la performance moyenne d'un évaluateur humain par rapport à la moyenne des autres évaluateurs (qui varie entre 0,28 et 0,39 selon les sous-ensembles).
• Corrélation : La corrélation de Pearson entre les prédictions du modèle et les scores humains est très élevée (r = 0,85) pour le modèle global.
• Impact de la diversité :
  • Les modèles entraînés sur un seul sous-ensemble et testés sur un autre (transfert) montrent une dégradation des performances (RMSE augmentant jusqu'à 0,63), soulignant la difficulté de généraliser sans données variées.
  • L'entraînement sur la combinaison de tous les sous-ensembles améliore significativement la capacité de généralisation, bien que les performances restent inférieures à celles d'un modèle entraîné et testé sur le même ensemble.
• Analyse des Unités d'Action Faciale (UAF) :
  • Le resserrement orbital (OT) est l'UAF la plus fiable pour les évaluateurs humains (IRR le plus élevé).
  • Contrairement à l'hypothèse initiale, restreindre le modèle à la prédiction exclusive de l'OT n'a pas amélioré la performance globale (RMSE plus élevé que le modèle complet), bien que la corrélation ait parfois augmenté. Cela suggère que l'utilisation de toutes les UAF fournit un contexte nécessaire pour une prédiction précise.
• Biais de score : Les sous-ensembles avec une distribution de scores MGS étroite (majoritairement des scores faibles) ont tendance à produire des RMSE artificiellement bas mais une faible corrélation, indiquant un biais de prédiction vers la moyenne.

4. Contributions Principales

1. Ensemble de données ouvert et diversifié : Publication d'un ensemble de données de 35 000 images provenant de 5 laboratoires, 5 souches et diverses conditions, conçu spécifiquement pour tester la robustesse des modèles dans des conditions non standardisées.
2. Modèle de référence (Benchmark) : Développement et validation d'un modèle de deep learning capable de prédire les scores MGS avec une précision surpassant l'évaluation humaine moyenne, même dans des conditions hétérogènes.
3. Preuve de concept pour la surveillance en cage : Démonstration qu'il est possible d'entraîner des modèles à généraliser au-delà des setups standardisés, ouvrant la voie à une surveillance continue dans la cage d'habitation sans stress pour l'animal.
4. Analyse comparative : Fourniture de résultats détaillés sur l'impact de la diversité des données, de la souche, et de l'UAF spécifique sur la performance des modèles.

5. Signification et Perspectives

Cette étude marque une avancée significative vers l'automatisation de l'évaluation de la douleur chez la souris. En démontrant qu'un modèle entraîné sur des données variées peut surpasser les évaluateurs humains en termes de cohérence (RMSE), l'article valide le potentiel de l'IA pour le bien-être animal.

• Impact éthique : La possibilité d'une surveillance 24h/24 dans la cage d'habitation permettrait de détecter précocement la douleur sans perturber le cycle circadien ni stresser l'animal par la manipulation.
• Reproductibilité : La disponibilité publique du dataset et du modèle permet à la communauté scientifique de reproduire, comparer et améliorer ces résultats.
• Recommandation future : Pour une application sur un nouveau jeu de données, les auteurs recommandent d'utiliser le modèle entraîné sur la combinaison de tous les sous-ensembles, puis de l'affiner (fine-tuning) avec un petit nombre de scores générés par des humains pour le nouveau contexte spécifique.

En résumé, ce travail établit une nouvelle base pour le développement d'outils de biomédecine plus robustes, capables de s'adapter à la complexité du monde réel plutôt que de se limiter à des conditions de laboratoire idéalisées.