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

多様なマウス系統や実験条件を含む大規模データセットを用いて深層学習モデルを訓練した結果、そのモデルは人間の評価者を上回る精度でマウス表情尺度（MGS）を自動評価できることが示された。

要約

🐭 1. 背景：ネズミの「痛みの表情」を見逃さないために

実験動物の福祉（幸せや苦痛）を管理することは、倫理的にも科学的にも非常に重要です。ネズミは痛みを感じると、人間が「痛そう」と感じるような顔の表情（目をつぶる、鼻や頬が膨らむ、耳がピンと立つなど）を見せます。これを**「マウス・グリムスケール（MGS）」**というルールで人間が評価しています。

しかし、これまでの課題は以下の通りでした：

• 人手が必要: 訓練された人が一つずつ写真を見て評価するしかなく、時間がかかります。
• ストレス: 評価のためにネズミをケージから出して、特別な箱に入れると、ネズミは驚いて表情が変わってしまいます（「痛みを隠そうとする」こともあります）。
• 環境の違い: 実験室によってネズミの毛色（黒、白、茶色）や照明、ケージの形がバラバラで、AI が学習しにくいという問題がありました。

🤖 2. この研究のゴール：「どんな状況でも見抜く AI」を作る

研究者たちは、**「どんなネズミでも、どんな実験室でも、ケージの中でそのまま撮影した写真から、AI が痛みを自動判定できる」**ようなシステムを作ろうとしました。

まるで、**「どんな服装や背景の人物でも、その人の『悲しみ』や『痛み』の表情を見抜ける、超能力を持った AI 」**を作ろうとしているようなものです。

📸 3. 使われたデータ：5 つの異なる「世界」からの写真

この研究の最大の特徴は、使ったデータセットの広さです。
研究者たちは、5 つの異なる実験室から集めた、約35,000 枚のネズミの顔写真を集めました。

• 5 つの異なる世界: 毛色が違う（黒、白、茶色）、使われた薬や手術が違う、撮影したカメラやケージが違う。
• 人間の手作業: これらの写真すべてに、人間が「痛みの度合い（0〜2 のスコア）」を付けて、AI の「正解」を作りました。

これは、AI に**「多様な環境やタイプの人（ネズミ）の痛みを、偏りなく学ばせる」**ための、非常に大掛かりなトレーニング教材です。

🧠 4. AI の学習方法：「下準備」から「本番」へ

AI（深層学習モデル）を教える際、いきなり「痛みのスコア」を教えるのではなく、以下のステップを踏みました。

1. 下準備（プレテキストタスク）: まず、「このネズミは痛がっているか？痛がっていないか？」という**2 択（Yes/No）**で判断する練習をさせました。これにより、AI は「痛みの表情」の基本的な特徴を掴みました。
2. 本番（メインタスク）: 次に、その知識を活かして、「痛みの度合い」を0.0 から 2.0 までの細かい数字で予測する練習をしました。

これは、**「まず『悲しい顔』と『元気な顔』を見分けられるようにし、その後に『どのくらい悲しいか』を数値で表現できるようにする」**という、人間の教育と似たプロセスです。

📊 5. 結果：AI は人間よりも上手だった？

実験の結果は驚くべきものでした：

• 人間との比較: AI が予測したスコアと、人間がつけたスコアの誤差（RMSE）は0.26でした。これは、人間同士が評価し合った時の誤差よりも小さかったことを意味します。つまり、AI の方が人間よりも一貫性があり、正確だったと言えます。
• 相関関係: AI の予測と人間の評価は、非常に高い相関（0.85）を示しました。AI は人間の「痛み」の感覚をよく理解していることが分かりました。
• 万能さ: 特定のネズミ（例えば黒い毛のネズミ）だけで学習させた AI よりも、5 つの異なる環境のデータを混ぜて学習させた AIの方が、新しい環境（未知のネズミ）に対しても強く、正確に予測できました。

💡 6. 重要な発見と教訓

• 「目」だけ見るのはダメ: 痛みを表す最も分かりやすい特徴は「目を強く閉じる（Orbital Tightening）」ことですが、それだけを学習させても、全体の痛みを正確に測ることはできませんでした。 鼻、頬、耳、ひげなど、顔全体の変化を総合的に見ることが重要です。
• 多様性が鍵: 特定の条件（例えば、白いネズミだけ、明るい部屋だけ）で学習させると、その条件が変わると AI は失敗します。**「バラエティに富んだデータ」**で学習させることが、汎用性（どこでも使える力）を高める唯一の道でした。

🌟 まとめ：この研究がもたらす未来

この研究は、**「実験動物の痛みを、人間が介入することなく、24 時間体制で AI が監視できる」**という未来への第一歩です。

• ネズミにとって: 人間に捕まえられることなく、いつものケージでリラックスした状態で痛みを評価され、必要に応じてすぐにケアを受けられるようになります。
• 科学にとって: より正確で偏りのないデータが得られ、薬の開発や医学研究の質が向上します。

つまり、**「AI がネズミの表情を『翻訳』し、彼らが言葉にできない痛みを、私たちが理解できる形に変える」**という、動物と人間の間の新しいコミュニケーションの形を確立したのです。

技術概要

以下は、提示された論文「Automatic pain face analysis in mice: Applied to a varied dataset with non-standardized conditions（マウスの自動疼痛顔面分析：非標準化条件における多様なデータセットへの適用）」の技術的サマリーです。

1. 背景と課題 (Problem)

• 現状の課題: 実験動物（特にマウス）の福祉を確保し、科学的データの質を高めるためには、痛みや苦痛を正確に評価する必要があります。現在、マウスの表情変化を評価する「マウス・グリムスケール（MGS: Mouse Grimace Scale）」が標準的に用いられていますが、これは訓練された人間による手動評価が主流です。
• 自動化の壁: 既存の自動評価ツールは、特定のマウス系統（例：黒色毛の C57BL/6）や、標準化された撮影環境（ケージ横の固定セットアップ）に限定されていることが多いです。
• 核心的な問題: 実験室ごとの環境（ケージの種類、敷材、照明）、マウス系統（毛色：白、黒、茶など）、実験処置の違いによる画像データのばらつきが非常に大きく、これらを横断的に扱える汎用的なコンピュータビジョンモデルの構築が困難でした。また、マウスを家ケージから取り出して標準化された環境で撮影することは、動物にさらなるストレスを与え、表情そのものを変化させてしまうという倫理的・技術的ジレンマがあります。

2. 手法とアプローチ (Methodology)

本研究は、非標準化条件（異なる系統、実験室、撮影環境）に対応するための大規模データセットと深層学習モデルを開発しました。

• データセットの構築:
  • 約 35,000 枚のマウス顔面画像から構成される大規模データセットを公開しました。
  • 5 つのサブセット（AW, JW, KH, LW, MR）: 異なる 5 つの研究所で収集され、以下の多様性を含みます。
    • 系統: C57BL/6N, BALB/c, C57BL/6J, NMRI, DBA/1 など（白、黒、薄茶の毛色）。
    • 処置: 手術（大腿骨切断）、鎮痛剤投与、LPS 投与（炎症誘発）、麻酔、対照群など。
    • 撮影環境: 赤外線ビデオ、RGB 静止画、異なるケージサイズ、照明条件、カメラ機種など。
  • ラベル付け: 複数の人間の評価者による MGS 評価（5 つの行動単位：眼窩収縮、鼻の膨らみ、頬の膨らみ、耳の位置、ひげの変化。各 0-2 点）の平均値をターゲット値として使用。
• 前処理:
  • ビデオデータからは、DeepLabCut (DLC) を用いた顔検出器で顔の特徴点（目、耳、鼻）を検出し、最も鮮明で特徴点が揃ったフレームを選択。
  • 画像はすべてグレースケールに変換してモデルに入力。
• モデルアーキテクチャと学習戦略:
  • ベースモデル: ResNet-50。
  • 転移学習（Transfer Learning）の多段階アプローチ:
    1. 事前学習: ImageNet-21k での物体認識タスクで初期化。
    2. プレテキストタスク: 「福祉が損なわれている（痛みがある）」か「損なわれていない」かの二値分類タスクで微調整。
    3. メインタスク: 5 つの行動単位の平均 MGS スコア（0〜2 の連続値）を予測する回帰タスク。
  • 正則化: RandAugment によるデータ拡張と、ヘッドの再初期化後にバックボーンを凍結せずに学習する手順を採用。

3. 主要な貢献 (Key Contributions)

• 大規模で多様なデータセットの公開: 非標準化条件を含む 5 つのサブセットからなる約 35,000 枚の画像と、3,000 枚以上の MGS ラベル付き画像を公開し、今後の研究のベンチマークを提供しました。
• 汎用性の高い自動評価モデル: 特定の系統や環境に依存せず、多様な条件下で MGS を予測できる深層学習モデルを提案しました。
• 人間評価者との比較: 人間の評価者間のばらつき（Inter-rater reliability）と比較し、モデルの性能を客観的に評価しました。

4. 結果 (Results)

• 性能指標:
  • 全サブセットを学習・テストに用いたモデルは、平均二乗誤差（RMSE）が 0.26 でした（MGS スコア範囲 0-2）。
  • この誤差は、人間の評価者同士の誤差（Inter-rater RMSE: 0.28〜0.39）よりも小さく、モデルが人間よりも一貫して高い精度を達成したことを示しています。
  • 人間評価者との相関係数（Pearson's r）は 0.85 と非常に高かったです。
• クロスデータセット評価（一般化性能）:
  • 学習データに含まないサブセットでテストした場合、RMSE は上昇しましたが（0.33〜0.60）、単一のサブセットのみで学習したモデルに比べ、複数のサブセットを組み合わせることで一般化性能が向上しました。
  • 特に、黒色毛（KH）と薄茶色毛（MR）のデータを含む学習セットは、他の系統への転移性能が良好でした。
• 行動単位の分析:
  • 最も評価者間一致率（IRR）が高かった「眼窩収縮（Orbital Tightening, OT）」のみを対象としたモデルは、全行動単位を対象としたモデルよりも RMSE が大きくなり、性能が低下しました。これは、OT 単独では疼痛の全貌を捉えきれないことを示唆しています。
• 学習データ分布の影響:
  • MGS スコアの分布が狭い（低スコアに偏っている）データセット（例：LW）で学習したモデルは、高スコアへの予測が困難でした。

5. 意義と結論 (Significance and Conclusion)

• 実用性: この研究は、マウスを家ケージから取り出さず、自然な環境下（Home Cage）での 24 時間連続モニタリングを実現するための基盤技術を提供します。これにより、動物のストレスを最小限に抑えつつ、早期に痛みや苦痛を検出することが可能になります。
• 科学的妥当性: 標準化された撮影環境に依存しないことで、実験室間の差異やマウス系統の違いを吸収できるモデルの構築が可能となり、研究の再現性と一般化性が向上します。
• 今後の展望: 最も信頼性の高いモデルは、多様なサブセットを統合して学習したものです。ただし、新しいデータセットへの適用時には、そのデータセットの一部で人間による評価値を用いてモデルを微調整（Fine-tuning）することで、さらに精度を向上させることが推奨されます。

この論文は、実験動物の福祉評価における自動化のハードルを下げ、より客観的で継続的な疼痛モニタリングの実現に向けた重要な一歩を示しています。