A IA consegue ler a dor na cara de um gato?

Uma fotografia pode ajudar a reparar em sinais de dor num gato. Não consegue, por si só, dizer o que se passa nem substituir uma avaliação veterinária.

Os gatos escondem muitas vezes o desconforto. Isso torna a observação da expressão facial útil, mas difícil de interpretar sem critérios consistentes. Em 2019, uma equipa liderada por Evangelista publicou na Scientific Reports a validação da Feline Grimace Scale (FGS), uma escala para avaliar sinais faciais associados a dor aguda. Em 2023, outro estudo explorou como automatizar parte dessa avaliação com visão computacional e aprendizagem automática.

O artigo da TailStory, “Can AI read pain in a cat’s face?”, apresenta essas investigações e a possibilidade de as usar num smartphone.

O que é a Feline Grimace Scale?

A Feline Grimace Scale é uma ferramenta de observação estruturada. Em vez de depender apenas de uma impressão geral como “parece desconfortável”, divide a expressão do gato em cinco elementos visíveis, chamados action units (unidades de ação).

O estudo de desenvolvimento e validação, publicado em 2019 por Evangelista e colegas, incluiu 35 gatos de tutores e 20 gatos de controlo. Os investigadores avaliaram como certas mudanças faciais se relacionavam com a presença de dor aguda. A escala não procura descobrir a causa da dor. Ajuda a organizar a observação de sinais que, vistos em conjunto, podem justificar uma avaliação mais atenta.

As cinco unidades avaliadas são:

Cada unidade recebe uma pontuação de 0, 1 ou 2. Zero corresponde a uma expressão relaxada; um indica uma alteração moderada ou incerta; dois representa um sinal mais evidente. Somam-se os cinco valores, pelo que o total máximo é 10. A pontuação também pode ser normalizada para uma escala entre 0 e 1, dividindo o total por 10.

Um exemplo simples

Imagina uma avaliação ilustrativa em que as orelhas recebem 1, os olhos 1, o focinho 0, os bigodes 2 e a posição da cabeça 1. A soma é 5 em 10. Normalizada, fica em 0,5:

1 + 1 + 0 + 2 + 1 = 5
5 / 10 = 0,5

Este exemplo serve apenas para mostrar a aritmética. Não é uma avaliação de um gato real e não permite concluir que o animal tem dor. A pontuação depende de uma observação cuidadosa e deve ser interpretada no contexto do gato.

O que significa o limiar de 0,39?

No estudo de validação de 2019, a análise ROC indicou um ponto de corte de 0,39, aproximadamente 4 pontos numa escala de 10. Um ponto de corte ajuda a separar resultados que, naquele estudo, eram mais compatíveis com a presença de dor daqueles que eram menos compatíveis.

A página da TailStory reporta 90,7% de sensibilidade e 86,6% de especificidade para esse limiar. Sensibilidade é a proporção de casos com dor que o método identificou como positivos no contexto estudado. Especificidade é a proporção de casos sem dor que identificou como negativos. São medidas de desempenho num grupo e num protocolo de investigação, não uma garantia para cada gato.

Na prática, uma pontuação acima do limiar não confirma um diagnóstico. Uma abaixo dele também não exclui dor. A expressão pode ser difícil de ler por causa da luz, do ângulo, do temperamento, do movimento ou de outros fatores. E uma escala facial não substitui o exame clínico nem o conhecimento do historial do animal.

Como funciona o pipeline de IA estudado em 2023?

O estudo de Steagall e colegas, publicado em 2023 na Scientific Reports, chama-se Fully automated deep learning models with smartphone applicability for prediction of pain using the Feline Grimace Scale. O trabalho investiga se um sistema automatizado pode identificar pontos da face e usar a sua geometria para estimar pontuações da FGS.

Foram usadas 3.447 imagens de caras de gatos, nas quais foram anotados 37 pontos faciais. Um ponto facial, ou landmark, é uma posição marcada numa imagem, como um canto do olho ou um ponto associado à orelha. A anotação dá ao modelo exemplos de onde esses pontos se encontram.

O processo pode ser dividido em quatro passos:

1. Localizar a cara e os pontos. Uma rede neuronal convolucional analisa a imagem e prevê a posição dos pontos faciais. As redes convolucionais são um tipo de modelo de aprendizagem profunda usado para reconhecer padrões em imagens. O modelo de localização de pontos com melhor resultado reportado no estudo foi o ShuffleNetV2.
2. Medir a geometria. A partir dos pontos previstos, o sistema calcula 35 descritores geométricos. Um descritor é uma medida que resume uma característica da imagem, por exemplo uma distância ou uma relação entre pontos. Estas medidas tentam representar posições e formas que podem corresponder às unidades da FGS.
3. Estimar a pontuação. Os descritores passam para modelos XGBoost, uma técnica de aprendizagem automática que combina várias árvores de decisão para reconhecer padrões e estimar pontuações ou classes relacionadas com a FGS.
4. Apresentar uma estimativa. O resultado é uma previsão baseada nos sinais visuais aprendidos pelo sistema. Não é uma explicação da causa, nem uma confirmação clínica de que o gato sente dor.

Em forma resumida:

Fotografia
   ↓
Rede neuronal localiza pontos da face
   ↓
Pontos dão origem a medidas geométricas
   ↓
Modelo XGBoost relaciona as medidas com a FGS
   ↓
Estimativa de pontuação ou classificação

É importante perceber a diferença entre estes passos. A rede convolucional não “sente” nem interpreta a dor como uma pessoa. Aprende a localizar padrões em imagens. O modelo seguinte usa medidas derivadas desses pontos para prever uma pontuação que foi definida a partir da escala.

O que quer dizer “95,5% de exatidão”?

O estudo de 2023 reporta 95,5% de exatidão para uma combinação específica de modelo e classificação binária, e uma AUROC de 0,97. Exatidão é a proporção de previsões corretas no conjunto avaliado, juntando as classes consideradas. AUROC resume a capacidade do modelo para ordenar exemplos positivos acima dos negativos ao variar o limiar de decisão.

Estes números descrevem o resultado de uma configuração de investigação. Não significam que qualquer aplicação, fotografia ou gato vá ser avaliado com 95,5% de exatidão. A composição exata dos conjuntos de treino e teste e a validade em situações reais não ficam estabelecidas pelos dados aqui resumidos. Também não devemos confundir uma classificação experimental com a precisão de um diagnóstico veterinário.

Há ainda uma questão prática: uma imagem captada em casa pode diferir das imagens usadas no desenvolvimento ou avaliação do modelo. O gato pode virar a cabeça, fechar os olhos, esconder os bigodes ou estar sob uma iluminação diferente. Qualquer uma dessas diferenças pode dificultar a localização dos pontos e alterar a estimativa.

E a aplicação TailStory?

O artigo da TailStory é uma publicação de blog sobre a FGS, a investigação e a possibilidade de recorrer a um smartphone. O texto não permite concluir que a aplicação TailStory use este modelo específico de 2023 ou inclua esta funcionalidade. Uma página que discute uma investigação não é prova de que o produto a implemente.

A página também refere que quatro chatbots populares subestimaram a dor. No texto disponível, não são identificados os chatbots, o protocolo usado nem os resultados detalhados. Por isso, esse apontamento deve ser tratado como uma afirmação resumida do artigo, não como uma comparação que permita avaliar quais sistemas foram testados ou em que condições.

Como observar uma imagem sem tirar conclusões apressadas

Se quiseres usar a FGS como referência para observar o teu gato, tenta obter uma imagem em que a cara esteja visível, com o gato relativamente calmo e sem obstruções nos olhos, orelhas, focinho e bigodes. Uma vista de frente e luz suficiente podem facilitar a observação. São sugestões práticas, não requisitos oficiais do protocolo do estudo de 2023 nem garantia de que uma fotografia seja adequada para avaliação.

Depois, olha para cada unidade separadamente. Compara a expressão com o comportamento habitual daquele gato, em vez de tentares inferir tudo a partir de uma única imagem. Se um sinal parecer incerto, é mais honesto registá-lo como tal do que forçar uma pontuação precisa.

Uma pontuação elevada ou uma mudança facial persistente pode ser um motivo para contactar o veterinário e descrever o que observaste. Leva a fotografia, se for útil, mas não adies cuidados à espera de obter uma imagem melhor ou de confirmar um número. Em caso de dor súbita, lesão, dificuldade em respirar, colapso ou outro sinal grave, procura assistência veterinária urgente.

A escala mede expressão, não toda a experiência do gato

A FGS foi desenvolvida para ajudar a avaliar dor aguda. A dor crónica pode manifestar-se de outras formas, como mudanças no salto, na higiene, no uso da caixa de areia, na atividade ou na interação com pessoas. Uma cara aparentemente relaxada numa fotografia não exclui alterações desse tipo.

Também há situações em que a expressão pode enganar. Sedação e recuperação de procedimentos podem alterar a postura, os olhos ou a resposta do animal e parecer-se com sinais de dor. É por isso que a equipa veterinária considera o contexto, o exame e a evolução, não apenas uma pontuação facial isolada.

Para um tutor, a escala pode ajudar a notar uma mudança e a explicá-la com mais clareza. Para um veterinário, pode ser uma peça de informação entre outras. Em nenhum dos casos deve ser tratada como diagnóstico automático.

Conclusão

A Feline Grimace Scale transforma cinco sinais faciais observáveis numa pontuação estruturada. O estudo de 2023 mostra como redes neuronais podem localizar pontos da cara e como medidas geométricas desses pontos podem alimentar um modelo que estima a escala. É uma abordagem interessante para investigação e potencial apoio à avaliação, mas os resultados reportados pertencem a configurações específicas do estudo.

Uma estimativa por imagem pode chamar a atenção para algo que merece ser visto. Não identifica a causa, não descarta dor e não substitui o veterinário. Se o comportamento do teu gato mudou ou suspeitas que sente dor, contacta um profissional, mesmo que a expressão pareça normal.

Fontes e leituras

• Artigo da TailStory: “Can AI read pain in a cat’s face?”
• Evangelista et al. (2019), “Facial expressions of pain in cats: the development and validation of a Feline Grimace Scale”, Scientific Reports
• Steagall et al. (2023), “Fully automated deep learning models with smartphone applicability for prediction of pain using the Feline Grimace Scale”, Scientific Reports