短頭種猫の眼痛におけるFeline Grimace Scaleを用いたAI自動急性疼痛評価

3行まとめ

• 眼痛を有する短頭種猫を対象に、AIを用いたFeline Grimace Scaleによる自動急性疼痛評価の有用性を検証した。
• 短頭種では顔面ランドマーク検出精度が低下し、疼痛予測モデルの汎化性能も低いため慎重な解釈を要することが判明した。
• 短頭種猫の客観的疼痛評価に本AI技術を導入するには、頭部形態に特化したデータセットの構築が不可欠である。

この論文の要約

目的

眼痛を有する短頭種猫における急性疼痛評価を目的として、AIを活用したFeline Grimace Scale（FGS）パイプラインの実現可能性と限界を評価することである。

対象と方法

眼痛を伴う短頭種猫の顔面画像200枚を用い、モデルの学習と評価を実施した。ランドマーク局在化モデルで顔面ランドマークを予測し、機械学習（XGBoost）回帰モデルによりFGSの5つのアクションユニット（耳の位置、眼の収縮、マズルの緊張、ヒゲの変化、頭の位置）を評価した。入力変数は3構成で検証し、性能は正規化二乗平均平方根誤差（NRMSE）、平均絶対誤差、ピアソン相関、R2値で評価した。

主な結果

短頭種猫におけるランドマーク検出精度（NRMSE 19.96%）は、中頭種主体の先行報告（NRMSE 16.76%）に比べ低下した。疼痛予測モデルの汎化性能は低く、マズルの緊張とヒゲの変化を除外した構成で最良値を示した（平均絶対誤差 0.168、R2 0.115、ピアソン相関 0.374）。

臨床的意義

短頭種猫でもAIによる自動検出と疼痛予測は可能であるが、注釈付きデータが限られるため結果の解釈には注意を要する。臨床応用には短頭種の形態に特化したデータセットが必要とされる。

⚠️ この要約はAIが自動生成したものです。