חוקרים מאוניברסיטת תל-חי שבקרית שמונה פיתחו מערכת בינה מלאכותית פורצת דרך, שלא רק מזהה סבל אצל סוסים, אלא גם יודעת להסביר בדיוק איפה כואב להם. הפיתוח הטכנולוגי מצפון הארץ עשוי לשנות בעתיד גם את הטיפול בבני אדם שלא יכולים להביע את כאבם, כמו פגים, חולי דמנציה ומטופלים מורדמים ומונשמים.
מרבית בעלי החיים אינם יכולים לומר במילים שהם סובלים, וגם כשהם כואבים לא תמיד מצליחים בני האדם, הרופאים הווטרינרים, או המגדלים והמטפלים, להבין את סימני הכאב. מחקר חדש מציג כעת פתרון טכנולוגי שמבקש לשנות את המציאות הזו מהיסוד.
המחקר של ד"ר פייגלשטיין ושותפיו עוסק בשאלה רחבה: כיצד ניתן לשפר את רווחתם של בעלי חיים כאשר הם אינם מסוגלים לתקשר ישירות עם בני האדם המטפלים בהם. לאורך השנים פיתחו פייגלשטיין וצוות החוקרים שעבדו איתו, כלים מבוססי בינה מלאכותית שיודעים "לקרוא" הבעות פנים, שפת גוף ותנועה של חתולים, כלבים, ארנבים, כבשים, בקר ועכשיו גם סוסים - ולתרגם אותם למידע שווטרינרים ומטפלים יכולים לפעול לפיו. "המטרה שמניעה אותי היא לבנות גשר תקשורת בין בני אדם לבעלי חיים - לתת קול טכנולוגי למי שאין לו מילים, כדי שניתן יהיה להבין טוב יותר מה מצבו, מה הוא מרגיש וממה הוא סובל" אומר ד"ר פייגלשטיין.
המחקר הנוכחי, שפורסם לאחרונה בכתב העת המדעי International Journal of Computer Vision, מתמקד בחוליה קריטית בשרשרת הזו: לא מספיק שמערכת הבינה המלאכותית תאבחן כאב נכון, היא צריכה גם להסביר לאדם, בצורה אמינה וברורה, מדוע הגיע למסקנה זו.
אחת הסוגיות בהן עסק המחקר החדש התמקדה בשאלה באיזה חלקים בגוף של הסוס, המודל נותן תשומת לב בכדי להחליט האם יש כאב או לא. לדברי ד"ר פייגלשטיין "כלים קיימים להסברת החלטות של בינה מלאכותית מסמנים בדרך כלל אזורים חשובים בתמונה. אולם בווידאו, שבו בעל החיים והמצלמה נמצאים בתנועה, מפות ההסבר משתנות מרגע לרגע. התוצאה עלולה להיות הסבר "מהבהב" ולא יציב, שקשה להסתמך עליו לאורך זמן. כדי להתמודד עם הבעיה פיתחנו שיטה חדשה בשם SHIC-XE. השיטה מקרינה את תשומת הלב של המודל על מודל תלת-ממדי קבוע של פני הסוס. כך מתקבל הסבר עקבי ואנטומי, גם כאשר זווית הצילום, תנוחת הראש או מיקום הסוס משתנים במהלך הסרטון".
השיטה נבדקה על שלושה מאגרי נתונים, המייצגים כאב לאחר ניתוח, כאב דלקתי-אורתופדי וכאב מכני חד. המודל הגיע למדדי דיוק גבוהים. כמו כן, נמצא מתאם מובהק סטטיסטית בין האזורים שבהם התמקד המודל לבין הערכות וטרינרים מומחים. ההתאמה בלטה באזורים אנטומיים חשובים בסוסים, ובהם האוזניים ושרירי הלחיים. "זהו אימות כמותי ראשון מסוגו לכך שהמודל לא רק מספק תשובה נכונה, אלא גם מתמקד באזורים הנכונים", מסביר ד"ר פינגלשטיין.
לממצאי המחקר משמעות רבה, מכיוון שהתרומה האפשרית של השיטה אינה מוגבלת לבעלי חיים. הצורך להבין באופן עקבי מה "ראתה" מערכת בינה מלאכותית בווידאו קיים גם ברפואה האנושית, במיוחד כאשר המטופל אינו יכול לתאר את מצבו במילים.
העיקרון הגיאומטרי המאפשר לעקוב אחר אזורים אנטומיים, גם כאשר הם נעים ומשנים זווית עשוי לשמש בעתיד לניתוח וידאו קליני: הערכת כאב אצל תינוקות, מעקב אחר הפרעות תנועה נוירולוגיות או ניתוח וידאו כירורגי. בכל אחד מהמקרים האלה נדרשת אבחנה שאפשר לבדוק, להבין ולסמוך עליה.
"כשהתחלנו לעסוק בזיהוי אוטומטי של כאב ורגשות אצל בעלי חיים, המטרה הייתה לתת להם קול", אומר ד"ר פייגלשטיין, "עם הזמן הבנו שהצעד הבא, החשוב לא פחות, הוא לוודא שהקול הזה אמין - שהוא לא רק אומר לנו 'יש כאן כאב', אלא גם 'מדוע אני חושב כך', בצורה שמומחה יכול לבדוק. זה מה שהופך כלי טכנולוגי לשותף אמיתי בטיפול."
המחקר הובל בידי ד"ר פייגלשטיין מאוניברסיטת תל-חי בקריית שמונה, בשיתוף פרופ' אנה זמנסקי ומעבדת Tech4Animals, ופרופ' אילן שימשוני מאוניברסיטת חיפה. במחקר השתתפו גם שני סטודנטים מהטכניון - עומר ביבי ועופר רוזנבאום - וכן שותפים מאוניברסיטת ברן, אוניברסיטת מילאנו, אוניברסיטת סאו פאולו ואוניברסיטת ניוקאסל.