Mejorar el bienestar animal en el laboratorio: la IA ayuda a detectar mejor el dolor

A primera vista, la caja de plástico blanco con el suelo naranja brillante parece algo para guardar juguetes infantiles. Sin embargo, la caja no se utiliza para guardar ladrillos de Lego; contiene ratones reales, con el objetivo de minimizar su sufrimiento. "Esta caja permite observar a los animales de laboratorio de forma humana y normalizada, ya sea por nosotros aquí en Zúrich o por investigadores del otro lado del mundo", explica Oliver Sturman, Director del Centro 3R. El Hub es el punto de contacto en la ETH de Zúrich para cuestiones relacionadas con las 3R: Reemplazar, Reducir, Perfeccionar (véase el cuadro desplegable más abajo).

A modo de demostración, Sturman coloca un ratón de plástico negro en la caja. En el interior de la caja, cuya pared frontal y tapa están hechas de láminas acrílicas negras, reina una oscuridad total. "Esto es importante para que los animales se sientan cómodos y no sean observados", explica el neurocientífico. "Cuando se les mete por primera vez en la caja, olfatean y exploran el entorno, lo cual es un comportamiento natural. Al cabo de un rato, se acostumbran y a veces hasta se duermen".

Dos cámaras -una desde arriba y otra desde delante- filman lo que ocurre dentro a través de la sábana. Una lámpara de infrarrojos permite a las cámaras ver en la oscuridad.

El dolor se percibe en la cara

Las dos cámaras graban automáticamente el cuerpo y la cara del ratón, proporcionando indicaciones sobre cómo se siente el animal. Esto permite detectar signos sutiles de dolor e incomodidad que suelen reflejarse en las expresiones faciales de los roedores: ojos entrecerrados, nariz y mejillas abultadas o cambios en la posición de las orejas o la dirección de los bigotes.

A continuación, un algoritmo evalúa la expresión facial del ratón en tiempo real. El nuevo sistema, al que los investigadores han llamado GrimACE, permite evaluar con rapidez y precisión si los animales están sufriendo y pueden necesitar alivio adicional del dolor.

El método actual es lento, subjetivo e impreciso

Las expresiones faciales se utilizan desde hace tiempo para detectar el dolor y el sufrimiento potenciales de los animales de laboratorio y reaccionar ante ellos. Para ello se desarrolló la llamada Escala de Muecas de Ratón: cada uno de los signos de dolor y angustia enumerados anteriormente se evalúa en una escala de 0 (no presente), 1 (moderadamente presente) a 2 (obviamente presente).

Para ello, los científicos observan a los animales desde el lado de la jaula y comparan su expresión facial con imágenes de referencia detalladas en tablas pictóricas. Este proceso requiere mucho tiempo y es subjetivo.

Además, es difícil de calibrar para el ojo humano, ya que la cara del ratón puede no ser claramente visible. Además, ser observado por humanos puede causar angustia adicional en los animales.

Como un fotomatón

El sistema GrimACE, en cambio, permite una evaluación inmediata, humana y objetiva. En cuanto el ratón está en la caja, comienzan las grabaciones de vídeo. El sistema selecciona automáticamente los fotogramas más significativos y puntúa los rasgos que podrían indicar un mayor nivel de dolor.

Ya existían métodos automatizados de reconocimiento facial, subraya Sturman. "Lo que faltaba era un sistema completo, estandarizado y de principio a fin". La precisión de los algoritmos disminuye si el entorno no es idéntico o si la cámara se coloca a veces más cerca o más lejos.

Podríamos comparar el sistema con un fotomatón para hacer fotos de carné, dice Sturman. "Como todos sabemos, estas máquinas se construyen siempre igual: un taburete que se coloca a una distancia fija de la cámara, un fondo blanco y una cortina oscura; todo ello garantiza que se obtenga una foto correcta, sea quien sea y se utilice donde se utilice la máquina".

Un kit para todo

Todo el sistema, incluido el software, ha sido desarrollado por miembros del personal del 3R Hub, y ahora se comparte con todo el mundo como un kit de código abierto. "La idea es que el mayor número posible de usuarios pueda montarlo y utilizarlo de forma sencilla y estandarizada, y que los datos sean comparables", subraya Sturman.

Como ocurre con todos los métodos de visión por ordenador y aprendizaje automático, el sistema mejora continuamente cuando se entrena con más datos de imágenes. "Cuanta más gente utilice GrimACE, menos sesgos habrá".

Máquina frente a humano

En un estudio, Sturman y otros investigadores de la ETH de Zúrich pusieron a prueba el nuevo sistema. Analizaron si el GrimACE podía detectar de forma automática y fiable el dolor en ratones de laboratorio tras una intervención quirúrgica cerebral, y si proporcionaba resultados comparables o incluso mejores que los de calificadores humanos entrenados. Presentaron sus conclusiones en un artículo publicado recientemente en la revista LabAnimal.

Para el estudio, los investigadores grabaron imágenes de los ratones antes y después de la cirugía cerebral. Tras la intervención, los animales recibieron diversos analgésicos en las dosis recomendadas por los expertos. Los ratones fueron operados con un objetivo científico distinto, y la evaluación del bienestar pudo realizarse en paralelo.

Un experto observó a simple vista miles de imágenes de los ratones antes y después de la cirugía, como es habitual, y los evaluó manualmente. Paralelamente, los investigadores también evaluaron las imágenes con el GrimACE. El resultado fue que las valoraciones automáticas coincidieron en gran medida con las del experto.

Tres personas, tres valoraciones diferentes

Los investigadores también compararon las valoraciones de tres personas diferentes. Sus valoraciones difirieron significativamente.

Esto no se debe a que los expertos no hicieran un buen trabajo, dice Sturman, sino a la naturaleza subjetiva de la valoración. "Dimos en secreto a los tres calificadores las mismas imágenes para que las evaluaran, para comprobar si sus propias puntuaciones eran coherentes". Y lo fueron: individualmente, cada persona puntuó las imágenes de forma muy coherente. Una persona dio puntuaciones tanto altas como bajas. Otra tendía a dar a cada imagen una puntuación más baja. Y la tercera persona dio a todas las imágenes una puntuación más alta. "

Aquí es donde vemos la fuerza del ordenador, ya que ofrece resultados estandarizados", afirma Sturman. La evaluación uniforme es importante para el bienestar de los animales, subraya el Director del Centro 3R. Así se garantiza un nivel adecuado de apoyo a los animales de laboratorio, en todos los laboratorios. "Si alguien siempre evalúa que un animal no siente dolor, los animales sufrirán innecesariamente. Y si alguien siempre da puntuaciones demasiado altas, se corre el riesgo de que los experimentos se abandonen innecesariamente".

Además de los rasgos faciales, los investigadores también estudiaron el comportamiento de los animales en su estudio sobre la idoneidad del GrimACE. Para ello, una cámara de alta resolución desde arriba grabó varios puntos del cuerpo del ratón. Características como la variación de las distancias entre puntos individuales, los cambios de ángulo entre dos puntos y la aceleración de los puntos proporcionaron indicaciones sobre el estado de los ratones. En estos datos, los algoritmos de aprendizaje automático buscan diferencias sutiles que apenas son visibles para los humanos.

Interés mundial

Nada más lanzarse, el GrimACE despertó un interés generalizado, afirma Sturman. "Ya hemos recibido varias consultas por correo electrónico, por ejemplo de Estados Unidos y el Reino Unido".

Para garantizar que el mayor número posible de investigadores de la ETH de Zúrich tenga acceso al sistema automatizado, el 3R Hub ha instalado recientemente un sistema GrimACE en el Centro de Fenómica de la ETH (EPIC).

El personal del 3R Hub ya está planeando seguir desarrollando la tecnología GrimACE. Aún no está claro si patentarán el sistema y lo comercializarán como empresa derivada. "Actualmente compartimos nuestros conocimientos y tecnología en colaboraciones y nos centramos en el intercambio mutuo de datos para mejorar el sistema", dice Sturman. "Nuestra principal preocupación es mejorar el bienestar animal".