Type de document : article scientifique publié dans Scientific Reports
Auteurs : Marcelo Feighelstein, Stelio P. Luna, Nuno O. Silva, Pedro E. Trindade, Ilan Shimshoni, Dirk van der Linden & Anna Zamansky
Résumé en français (traduction) : Comparaison entre l’IA et la performance d’un expert humain dans l’évaluation de la douleur aiguë chez le mouton
Cette étude examine la question de savoir si l’intelligence artificielle (IA) peut surpasser les experts humains dans la reconnaissance de la douleur animale en utilisant des moutons comme étude de cas. Elle utilise un ensemble de données de N = 48 moutons subissant une intervention chirurgicale avec des enregistrements vidéo pris avant (pas de douleur) et après (douleur) l’intervention chirurgicale. Quatre experts vétérinaires ont utilisé deux types d’échelles d’évaluation de la douleur : l’échelle d’expression faciale des moutons (SFPES) et l’échelle comportementale composite Unesp-Botucatu (USAPS), qui est la « norme d’or » en matière d’évaluation de la douleur chez les moutons. Le pipeline d’IA développé sur la base de l’encodeur CLIP surpasse de manière significative l’évaluation faciale humaine (différence d’AUC = 0,115, p ≤ 0,001) lorsqu’il a accès aux mêmes informations visuelles (images frontales et latérales du visage). Il a en outre égalé la notation comportementale humaine USAPS (différence AUC = 0,027, p = 0,163), mais la petite amélioration n’était pas statistiquement significative. Le fait que la machine puisse surpasser les experts humains dans la reconnaissance de la douleur chez les moutons lorsqu’elle est exposée aux mêmes informations visuelles a des implications significatives pour la pratique clinique, qui justifient une discussion scientifique plus approfondie.
Résumé en anglais (original) : This study explores the question whether Artificial Intelligence (AI) can outperform human experts in animal pain recognition using sheep as a case study. It uses a dataset of N = 48 sheep undergoing surgery with video recordings taken before (no pain) and after (pain) surgery. Four veterinary experts used two types of pain scoring scales: the sheep facial expression scale (SFPES) and the Unesp-Botucatu composite behavioral scale (USAPS), which is the ‘golden standard’ in sheep pain assessment. The developed AI pipeline based on CLIP encoder significantly outperformed human facial scoring (AUC difference = 0.115, p ≤ 0.001) when having access to the same visual information (front and lateral face images). It further effectively equaled human USAPS behavioral scoring (AUC difference = 0.027, p = 0.163), but the small improvement was not statistically significant. The fact that the machine can outperform human experts in recognizing pain in sheep when exposed to the same visual information has significant implications for clinical practice, which warrant further scientific discussion.
