Different Paradigms from Computer Vision Align with Human Assessment of the Mouse Grimace Scale

Este estudo avalia três paradigmas de visão computacional para automatizar a Escala de Grimace do Camundongo, demonstrando que esses métodos são confiáveis, alinham-se à avaliação humana e podem ser amplamente adotados para melhorar o bem-estar animal na pesquisa.

O essencial

Imagine que você é um veterinário ou pesquisador cuidando de um laboratório cheio de camundongos. O grande desafio é saber se eles estão felizes e saudáveis ou se estão sentindo dor, sem precisar ficar olhando para eles o tempo todo (o que, curiosamente, pode até assustá-los e piorar a situação).

Para resolver isso, os cientistas criaram uma "escala de caretas" (chamada Mouse Grimace Scale). É como se fosse um guia para ler a cara dos ratinhos: se eles apertam os olhos, dobram as orelhas para trás ou esticam o bigode, é sinal de que algo está errado.

O problema? Fazer isso manualmente para milhares de ratos é cansativo e chato. Então, os autores deste artigo tentaram ensinar computadores a fazerem essa leitura de cara por nós. Eles queriam saber: "Qual a melhor maneira de ensinar uma máquina a ler a expressão de um rato?"

Eles testaram três "estilos de aprendizado" diferentes, como se fossem três alunos em uma escola de detetives:

1. O Aluno que Decorou o Livro (Aprendizado Supervisionado)

Este é o método tradicional. É como dar ao computador um monte de fotos de ratos já marcadas por humanos ("esta foto é de dor", "esta é de saúde") e dizer: "Estude essas fotos e aprenda a reconhecer os padrões".

• Resultado: Funcionou muito bem! O computador aprendeu a identificar as caretas de dor com alta precisão.

2. O Aluno que Aprende Sozinho (Aprendizado Auto-Supervisionado)

Este é o método mais moderno e "mágico". Aqui, o computador recebe milhares de fotos de ratos, mas ninguém diz qual é a dor e qual é a saúde. Ele tem que olhar para as fotos e tentar encontrar padrões sozinho (como se estivesse jogando "encontre as diferenças" milhares de vezes). Depois, ele é testado para ver se consegue aplicar o que aprendeu para detectar dor.

• Resultado: Surpreendentemente, este foi o melhor aluno de todos! Ele até superou o que decorou o livro, conseguindo detectar os ratos com dor com ainda mais segurança.

3. O Aluno que Só Mede a Geometria (Localização de Pontos)

Este método tenta ser mais técnico. Em vez de olhar a foto inteira, o computador tenta encontrar pontos específicos no rosto do rato (como a ponta do nariz, o canto do olho, a ponta da orelha) e medir as distâncias entre eles. É como tentar adivinhar se alguém está triste apenas medindo a distância entre os lábios e as sobrancelhas, sem olhar para a expressão geral.

• Resultado: Este foi o aluno que tirou a nota mais baixa. Medir apenas os pontos não foi suficiente para captar a "emoção" complexa do rosto do rato.

O Grande Segredo: O que o Computador está olhando?

Os pesquisadores não queriam apenas saber se o computador acertava, mas como ele acertava. Eles usaram uma técnica de "raio-x" (mapas de calor) para ver quais partes da foto o computador estava focando.

Eles descobriram coisas fascinantes:

• O computador é um bom leitor de rosto: Ele focou exatamente nas partes que os humanos olham: olhos apertados, orelhas dobradas e bigodes esticados.
• Ele nota detalhes que a gente nem vê: O computador também usou pistas que não estão na "escala oficial", como a textura do pelo (se está arrepiado de frio ou medo) e até a forma do focinho.
• Ele é esperto, mas não perfeito: Em alguns casos, ele usou pistas do ambiente (como se o rato estava comendo ou se havia um clipe cirúrgico na ferida) para ajudar a decidir. Isso mostra que ele é muito observador, mas os pesquisadores garantiram que ele não está "trapaceando" apenas olhando para o fundo da foto.

Por que isso é importante?

Imagine que você tem um sistema de segurança que avisa se alguém está em perigo.

• Se o sistema errar e disser que está tudo bem quando a pessoa está em perigo (Falso Negativo), é um desastre.
• Se o sistema errar e disser que há perigo quando não há (Falso Positivo), é chato, mas você só vai checar e verá que está tudo bem.

Neste estudo, o computador (especialmente o método "auto-supervisionado") foi excelente em não deixar passar nenhum rato com dor. Ele cometeu muito poucos erros do tipo "achar que está tudo bem quando não está".

Conclusão Simples

Os cientistas provaram que podemos confiar em computadores para monitorar a felicidade e a dor dos ratos de laboratório 24 horas por dia, sem precisar de humanos olhando o tempo todo. O computador não só aprendeu a ler as caretas, como aprendeu até melhor do que os métodos antigos, usando uma abordagem que ele mesmo descobriu sozinho.

Isso significa que, no futuro, os laboratórios poderão ter "vigias digitais" que garantem que nenhum animal sofra em silêncio, tornando a ciência mais ética e eficiente. É como ter um super-herói silencioso que nunca dorme e sabe exatamente quando um pequeno rato precisa de ajuda.

Resumo técnico

1. Problema e Contexto

O bem-estar animal é um aspecto central na pesquisa científica, onde o camundongo é o modelo mais utilizado. A Escala de Careta do Camundongo (Mouse Grimace Scale - MGS) é o padrão-ouro para avaliar o sofrimento e a dor através de expressões faciais (unidades de ação facial ou FAUs: aperto orbital, inchaço do nariz, inchaço das bochechas, posição das orelhas e mudança de bigodes).

No entanto, a aplicação manual da MGS torna-se impraticável em grandes escalas e é suscetível a viés humano e fadiga. Embora métodos de Visão Computacional (VC) tenham sido propostos para automatizar essa análise, a literatura carece de uma avaliação sistemática e comparativa sob condições padronizadas. A maioria dos trabalhos anteriores utiliza conjuntos de dados, pré-processamentos e protocolos de avaliação diferentes, dificultando a comparação direta de desempenho e interpretabilidade. Além disso, há uma lacuna na verificação de se os modelos automatizados realmente aprendem características biologicamente relevantes (alinhadas com a avaliação humana) ou se estão apenas explorando artefatos do ambiente.

2. Metodologia

Os autores compararam três paradigmas dominantes de Visão Computacional para uma tarefa de classificação binária (bem-estar comprometido vs. não comprometido) utilizando um conjunto de dados diverso e padronizado.

• Conjunto de Dados: Reutilização de um grande conjunto de dados (~35.000 imagens) de Andresen et al., contendo cinco linhagens de camundongos, diferentes tratamentos (anestesia, cirurgia, injeções) e setups de aquisição.
  • Limpeza e Rótulos: O conjunto foi filtrado para incluir apenas imagens com pelo menos 3 das 5 FAUs visíveis. As pontuações MGS humanas foram convertidas em rótulos binários: "comprometido" se a média da MGS fosse ≥ 0.6, caso contrário "não comprometido". O conjunto final para análise continha 3.286 imagens.
• Os Três Paradigmas Testados:
  1. Classificação a partir de Recursos de Aprendizado Supervisionado: Uso de um modelo ResNet-50 pré-treinado no ImageNet (supervisionado) como extrator de características, seguido por uma camada linear para classificação.
  2. Classificação a partir de Recursos de Aprendizado Auto-supervisionado: Uso de um modelo ResNet-50 pré-treinado no ImageNet utilizando o critério Barlow Twins (auto-supervisionado) como extrator de características, seguido por classificação linear.
  3. Classificação a partir de Localizações de Marcadores (Landmarks): Uso do DeepLabCut (DLC) com arquitetura HRNet-W18 para detectar 19 pontos de referência faciais (focando em olhos, orelhas e ponta do nariz). As coordenadas normalizadas foram usadas como entrada para um classificador linear (probing).
• Avaliação Quantitativa: Métricas de precisão, recall e F1-score (média macro) em 5 execuções independentes. Foco especial na taxa de Erro Tipo II (falso negativo), crucial para o bem-estar animal (não detectar dor).
• Avaliação Qualitativa (Interpretabilidade): Uso da Propagação de Relevância em Camadas (Layer-wise Relevance Propagation - LRP) para gerar mapas de calor (heatmaps) e visualizar quais pixels da imagem influenciaram a decisão do modelo.

3. Resultados Principais

Desempenho Quantitativo:

• Aprendizado Auto-supervisionado: Obteve o melhor desempenho geral, com precisão, recall e F1-score médios de 0.83, 0.84 e 0.83, respectivamente.
• Aprendizado Supervisionado: Desempenho muito próximo, com métricas em torno de 0.80.
• Marcadores (Landmarks): Desempenho inferior, com F1-score de 0.63 e uma taxa de erro Tipo II (falso negativo) alta de 0.36.
• Erro Tipo II: O paradigma auto-supervisionado teve a menor taxa de erro (16%), seguido pelo supervisionado (20%). O método baseado em landmarks falhou em 36% dos casos de animais com bem-estar comprometido, o que é inaceitável para aplicações clínicas.

Análise Qualitativa (Atenção do Modelo):

• Foco Biológico: Ambos os modelos baseados em aprendizado (supervisionado e auto-supervisionado) focaram principalmente em pixels associados ao camundongo (e não ao ambiente), alinhando-se com a MGS.
• Características Identificadas:
  • Conhecidas: Fechamento dos olhos (aperto orbital), orelhas (posição e formato), bigodes e almofada dos bigodes, ponta do nariz.
  • Novas Descobertas: O modelo identificou a contorno ventral do focinho/lábio superior (forma arredondada vs. tensa/angular) e a piloereção (pelos em pé) como indicadores relevantes.
  • Contexto: Os modelos também utilizaram pistas contextuais (como clipes cirúrgicos, fixadores externos ou restos de comida no rosto) que indicam o estado pós-cirúrgico, embora não tenham superajustado (overfit) a essas características para discriminar as classes.
• Diferença de Foco: O modelo auto-supervisionado tendeu a focar mais em características no primeiro plano (ex: orelha esquerda em visão lateral), enquanto o supervisionado focou mais no fundo (ex: orelha direita).

4. Contribuições Chave

1. Comparação Sistemática: Preenche a lacuna na literatura ao comparar diretamente três paradigmas de VC (supervisionado, auto-supervisionado e baseado em landmarks) no mesmo conjunto de dados e protocolo.
2. Validação de Confiabilidade: Demonstra que a avaliação automatizada do bem-estar é confiável, com taxas de erro baixo o suficiente para uso prático, especialmente o paradigma auto-supervisionado.
3. Interpretabilidade e Novos Insights: Através da análise de atenção, validou que os modelos aprendem características biológicas relevantes e descobriu novos indicadores visuais (como a tensão do focinho) que não estavam explicitamente descritos na MGS original, mas que humanos experientes também utilizam.
4. Acessibilidade: Mostra que o pipeline proposto requer recursos computacionais mínimos (pode rodar em desktops comuns), facilitando a adoção por pesquisadores em laboratórios de ciências animais.

5. Significado e Conclusão

O trabalho conclui que a automação da avaliação do bem-estar em camundongos é viável e confiável. O paradigma de aprendizado auto-supervisionado mostrou-se superior ou equivalente ao supervisionado tradicional, oferecendo uma alternativa robusta que não depende de grandes quantidades de dados rotulados para o pré-treino de características.

A descoberta de que os modelos utilizam características além das FAUs tradicionais (como a forma do focinho e piloereção) sugere que a automação pode até superar a avaliação humana em consistência, capturando nuances sutis. O estudo incentiva a adoção generalizada desses sistemas para monitoramento contínuo (24h), permitindo a detecção precoce de sofrimento animal e a aplicação do princípio dos 3R (Replace, Reduce, Refine) na pesquisa científica.