Tierärztliche Hochschule

Mit künstlicher Intelligenz Schmerzen bei Katzen erkennen

Künstliche Intelligenz (KI) bietet große Chancen, um Schmerzen bei Katzen besser erkennen und Behandlungen so schonender durchführen zu können - davon ist ein Team von Forschern von der Stiftung Tierärztliche Hochschule Hannover (TiHo) und vom Information System Department der Universität Haifa in Israel überzeugt.

Eine Katze mit farbigen Punkten im Gesicht — Ein Ergebnis der Studie: Die Nasen- und die Mundregion ist wichtiger als die Ohrenregion, damit die KI-Systeme Schmerzen präzise erkennen.

Das Forschungsteam verglich laut TiHo zwei KI-basierte Systeme, die bei Katzen am Gesichtsausdruck automatisiert Schmerzen erkennen und bewerten. Die Ergebnisse wurden im Fachmagazin "Scientific Reports" veröffentlicht.

"KI-Systeme bieten uns in der tierärztlichen Praxis eine Riesenchance"

Professorin Dr. Sabine Kästner und Professor Dr. Holger Volk von der Klinik für Kleintiere der TiHo haben die Studie gemeinsam mit Professorin Dr. Anna Zamansky von der Universität Haifa geleitet. Volk sagt: "Unser Ziel ist, Schmerzen bei Katzen besser bewerten zu können, um damit die Behandlungen tierschonender durchzuführen. KI-Systeme bieten uns in der tierärztlichen Praxis eine Riesenchance, die Versorgung von Katzen zu verbessern." Kästner fügt hinzu: "Es ist bei unterschiedlichen Tierarten bereits jetzt möglich, anhand der Gesichtszüge Schmerzen zu bewerten. Dafür werden ausgewählte Punkte im Gesicht der Tiere bei unterschiedlichen Schmerzzuständen vermessen und kategorisiert. Auch für Katzen gibt es bereits solch ein wissenschaftliches Schmerzbewertungssystem. Die Systeme werden auch als Grimace-Score bezeichnet." Um mit dem so genannten Grimace-Score zu arbeiten, ist allerdings viel Erfahrung und Fachwissen erforderlich. Auch sei die Methode subjektiv und anfällig für Vorurteile, erklärt Zamansky. "Darum arbeiten wir an automatisierten und KI-basierten Systemen, die eine neutrale Einordnung ermöglichen."

KI-basierte Methode in der Realität testen

Eine vorangegangene Studie zur automatisierten Schmerzerkennung bei Katzen verwendete Bilder von einer sehr homogenen Population von Katzen. "Um zu überprüfen, ob diese KI-basierte Methode auch in der Realität funktioniert, testeten wir jetzt mit 84 zufällig ausgewählten Katzen, die in der Klinik für Kleintiere vorgestellt wurden", sagt Volk. Diese Stichprobe umfasste Tiere unterschiedlicher Rassen, Altersgruppen und Geschlechter, die Tiere befanden sich zudem in unterschiedlichen medizinischen Zuständen.

Zwei unterschiedliche Modelle

Das Forschungsteam bewertete die Schmerzen der Katzen mithilfe des validierten Schmerzbewertungssystems und der klinischen Daten der jeweiligen Tiere. Außerdem testete das Team zwei unterschiedliche KI-Modelle: Ein Ansatz basierte auf Markierungen im Gesicht der Katzen, die manuell gesetzt wurden. Der zweite Ansatz basierte auf durch künstliche Intelligenz automatisch gesetzte Markierungen zur Gesichtserkennung. Der erste Ansatz erreichte eine Schmerzerkennungsgenauigkeit von über 77 Prozent. Im Gegensatz dazu erreichte der Ansatz des maschinellen Lernens ein Genauigkeitsniveau von über 65 Prozent, war also geringfügig schlechter. Kästner, Professorin für Veterinäranästhesie und -analgesie an der TiHo, sagt: "Unsere Ergebnisse sind vielversprechend und das Genauigkeitsniveau schon sehr gut. Die Systeme eröffnen uns neue Möglichkeiten, Schmerzen bei Katzen zu bewerten." Marcelo Feighelstein von der Universität Haifa fügte hinzu: "Die Studie zeigt außerdem deutlich, dass vielfältige Datensätze erforderlich sind, um robuste KI-Modelle zu erhalten."

Welche Gesichtsmerkmale entscheiden über Schmerzerkennung?

Darüber hinaus untersuchte das Team, welche Gesichtsmerkmale entscheidend sind, damit das KI-basierte System Schmerzen präzise erkennt: Eine entscheidende Rolle für die maschinelle Schmerzklassifikation spielen die Nasen- und die Mundregion. Die Ohrenregion hingegen, die bisher auch häufig als relevant für die Schmerzerkennung beurteilt wurde, ist weniger bedeutend. Diese Beobachtungen waren unabhängig von den beiden unterschiedlichen verwendeten KI-Modellen. Zamansky sagt: "Mit dem Wissen, welche Gesichtsmerkmale wichtig für die maschinelle Schmerzerkennung sind, können wir die Systeme gezielt weiterentwickeln."