Automatic Pain Assessment in Mice with the Mouse Grimace Scale Using Label Distribution Learning and Landmark-Guided Attention

Abstract

Introducción

La Mouse Grimace Scale (MGS) cuantifica el dolor en ratones mediante cinco unidades de acción facial (FAUs): orbital tightening (OT), nose bulge (NB), cheek bulge (CB), ear position (EP) y whisker change (WC). Cada evaluador puntúa cada FAU en una escala de tres niveles (0, 1 o 2) y las puntuaciones se promedian con peso uniforme. La fiabilidad inter-evaluador varía fuertemente (con correlaciones desde 0.9 en OT hasta 0.5 en WC), y no se reduce con entrenamiento intensivo. El promedio de las evaluaciones inter evaluador colapsan a un escalar los casos en los que los evaluadores coinciden y casos en los que no.

Objetivo

Desarrollar un método automático de evaluación del dolor en ratones con la Mouse Grimace Scale que represente la incertidumbre inter-evaluador de cada FAU mediante una distribución de probabilidad.

Metodología

Se emplearon 2,002 imágenes y anotaciones individuales de un repositorio público estandarizado conservando la proporción de niveles de severidad. Las anotaciones individuales se representaron como funciones de masa de probabilidad, para entrenar una ResNet50 empleando Label Distribution Learning (LDL) con pérdida de divergencia de Kullback–Leibler y se utilizó un modelo escalar basado en el error cuadrático medio (MSE) como referencia.

La localización del modelo se optimizó mediante atención guiada por Facemap, aplicando una penalización espacial en las cinco cabezas de atención ante desviaciones respecto a gaussianas anisotrópicas centradas en los marcadores anatómicos de cada FAU. La precisión frente al promedio humano se evaluó con RMSE y correlación de Pearson. Dado que el modelo predice una distribución por FAU, se verificó mediante correlación de Spearman y pruebas t si la entropía de dicha predicción logra capturar el desacuerdo inter-evaluador original, principalmente en regiones de alta (WC) y baja (OT) dispersión.

Resultados

El modelo base escalar con pérdida MSE obtuvo un RMSE de 0.2453 (Pearson=0.831). El modelo LDL con pérdida KL lo redujo a 0.2365 (r=0.843); ambos superan la consistencia del evaluador humano promedio (0.28–0.39) y el estado del arte (0.26). Integrar la atención guiada con penalización espacial estricta logró el error mínimo de 0.2329.

La relación entre la entropía predicha por FAU y la desviación inter-evaluador, medida con Spearman, fue significativa en NB (ρ=0.236), WC (ρ=0.216) y CB (ρ=0.151), y no significativa en OT (ρ=0.029) ni EP (ρ=0.068). La entropía media predicha fue mínima en OT (0.42) y máxima en WC (0.65), con diferencia significativa (t=15.13, p<0.001). Con penalización espacial estricta, esa relación aumentó en WC (ρ=0.264) y permaneció no significativa en OT (ρ=−0.167).

Conclusiones

El modelado distribucional de cada FAU captura la incertidumbre inter-evaluador sin sacrificar precisión, superando al enfoque escalar clásico. Las distribuciones reflejan el desacuerdo con alta entropía y el consenso con baja entropía, preservando esta incertidumbre en lugar de colapsarla al promediar. Aplicar una penalización espacial estricta amplifica la sensibilidad en regiones donde la incertidumbre es mayor, como en WC, mientras el modelo es capaz de preservar el consenso en OT. Por tanto, la atención basada en puntos anatómicos puede definir cuánta incertidumbre logra expresar el modelo.