AI赋能猫咪疼痛识别：从主观评估到客观量化

近日，一项研究利用人工智能技术，旨在解决传统猫咪疼痛评估主观性强、依赖专业知识的难题。目前，兽医常采用“格拉斯哥猫咪复合疼痛量表”（Glasgow Feline Composite Measure Pain Scale）来评估猫咪的疼痛程度，该量表通过一系列行为和面部特征的观察，并将其转化为分数。然而，这种方法对非专业人士而言，区分细微的面部表情和行为姿态（如紧张或僵硬）存在困难，其主观性较高。

研究团队收集了84只接受兽医治疗的猫咪照片，并结合其疼痛评分（基于格拉斯哥量表及病症严重程度）作为训练数据。他们训练了两种机器学习算法：一种是基于40多个面部关键点（landmark）的精细分析模型，另一种是整体审视照片的深度学习模型。结果显示，基于关键点的模型准确率达到77%，而深度学习模型为65%，但后者潜力巨大，通过更多数据训练有望提升表现。

研究发现，猫咪疼痛的面部指示主要集中在口部而非眼睛。未来，研究者计划将AI技术应用于识别猫咪更广泛的情绪表达，如快乐或不适，从而弥合人类与宠物之间的沟通鸿沟。尽管情绪识别AI尚不完美，尤其在模仿人类复杂情感表达方面存在局限，但对于无法直接表达情感的猫咪而言，AI工具的辅助将是理解其健康与福祉的重要进步，并可能扩展至其他动物的情感研究。

查看消息来源