東京大學研究生院農學生命科學研究科的小林幸司特任講師、村田幸久副教授的研究團隊，應用AI技術開發出了一種能夠從小鼠「臉部表情」中自動判定疼痛的新型解析方法。該成果不僅將大幅提升對疼痛機制解析及藥物研發研究的可靠性，從動物福利的角度來看也是一項重大進步。
圖1 AI通過小鼠面部圖像判定疼痛（供圖：東京大學）
用相機拍攝小鼠行為，AI對截取的表情圖像計算疼痛概率
2010年提出的小鼠鬼臉量表（Mouse Grimace Scale），作為依據面部皺縮方式對疼痛進行量化的方法被廣泛使用。然而，該評分方法存在需要觀察者具備熟練經驗，且不同評估者之間存在差異，不適合用於長時間觀察等課題。
此次，研究團隊使用約54萬張BALB/c小鼠的表情圖像，對AI模型（卷積神經網路）進行訓練。通過讓模型學習向腹腔內注射醋酸的小鼠（疼痛狀態）與處理前小鼠（非疼痛狀態）的面部圖像，使其能夠自行提取區分「疼痛」與「非疼痛」的特徵。即使在未用於訓練的數據上，AI模型也展現出高精度，正確預測了疼痛刺激隨濃度變化而產生的依賴性變化。在投予鎮痛藥雙氯芬酸時，AI模型還能夠自動檢測出疼痛的減輕並將其量化。
圖2 AI關注的面部區域視覺化（供圖：東京大學）
通過Grad-CAM解析對AI關注區域進行視覺化。「無疼痛」狀態下，耳、頰、口的關注強度較高；「有疼痛」狀態下，額頭、眼部、頭部的關注強度較高
這些結果表明，AI能夠從「面部的細微變化」中讀取藥物效果。此外，對於辣椒成分辣椒鹼、降鈣激素基因相關肽（CGRP）等由非醋酸刺激引起的疼痛，AI也能夠進行準確識別。也就是說，AI學習到了不同類型疼痛中共通的「表情」。
研究團隊還利用Grad-CAM這一視覺化技術，對AI在判定疼痛時所關注的面部區域進行了分析。結果顯示，在「無疼痛」狀態下，AI主要關注耳朵、臉頰和口部，而在「有疼痛」狀態下，則聚焦於額頭和頭部。該發現表明，AI相較於傳統的人類觀察，利用了更廣範圍的表情變化，從而為疼痛的「表現」相關研究帶來了新的科學認知。
該技術有望成為動物實驗中藥物研發與毒性試驗中鎮痛藥評價的標準化和長期情緒解析（如不快、恐懼、愉悅等）的基礎技術。
原文：《科學新聞》
翻譯：JST客觀日本編輯部
【論文資訊】
期刊：PNAS Nexu
論文：Automated pain assessment based on facial expression of free-moving mice
DOI：10.1093/pnasnexus/pgaf352
