Revolucionarni sustav umjetne inteligencije razvijen na izraelskom Sveučilištu Tel-Hai prepoznaje bol kod konja i objašnjava svoje odluke na način koji veterinari mogu provjeriti, otvarajući nove mogućnosti za dobrobit životinja i zdravstvenu skrb ljudi.

Novi pristup primjeni umjetne inteligencije, sustav SHIC-XE, analizira videosnimke konja, prepoznaje bol kod konja i pokazuje na temelju kojih je znakova donio procjenu, na način koji veterinari mogu provjeriti. Istraživači smatraju da bi isti pristup jednog dana mogao pomoći i u procjeni boli kod ljudi koji je ne mogu izraziti riječima.

Prepoznavanje boli kod životinja velik je izazov za veterinare i osobe koje se o njima brinu. Životinje ne mogu riječima opisati što osjećaju, a konji dodatno mogu prikrivati znakove boli u prisutnosti ljudi. Međunarodni tim istraživača pod vodstvom izraelskog Sveučilišta Tel-Hai razvio je novi sustav umjetne inteligencije koji pokušava riješiti upravo taj problem – analizom videosnimki prepoznati znakove boli kod konja, ali i objasniti na temelju čega je donio takvu procjenu.

Sustav nazvan SHIC-XE razvio je međunarodni istraživački tim pod vodstvom dr. Marcela Feighelsteina sa Sveučilišta Tel-Hai, gdje vodi studijski program Inženjerstvo sustava umjetne inteligencije. Rezultati istraživanja objavljeni su u srpnju 2026. u znanstvenom časopisu International Journal of Computer Vision.

„Moja je motivacija izgraditi most između ljudi i životinja. Želimo dati tehnološki glas onima koji nemaju riječi, omogućujući skrbnicima i stručnjacima da bolje razumiju njihovo stanje, emocije i patnju“, objašnjava dr. Marcelo Feighelstein.

Problem nije samo prepoznati bol nego objasniti odluku

Umjetna inteligencija već može analizirati fotografije i videosnimke te prepoznavati obrasce povezane s određenim zdravstvenim stanjima. Međutim, u medicini i veterini nije dovoljno da algoritam samo izbaci rezultat. Stručnjaci moraju moći procijeniti na temelju čega je do njega došao.

Upravo je to jedan od problema tzv. objašnjive umjetne inteligencije (XAI – Explainable Artificial Intelligence). Uobičajene metode mogu bojama označiti područja slike koja su bila važna za odluku algoritma, no kod videosnimki takve se „karte pažnje“ mijenjaju iz kadra u kadar. Životinja pomiče glavu, mijenja se kut snimanja, a ista anatomska struktura ne nalazi se uvijek na istom mjestu slike. Rezultat mogu biti nestabilna objašnjenja koja je teško pratiti i uspoređivati tijekom vremena.

Sustav SHIC-XE problem rješava povezivanjem dvodimenzionalne videoslike s fiksnim trodimenzionalnim prikazom konjske glave. Pozornost AI modela tako se projicira na odgovarajuće mjesto 3D modela. Sustav zato može pratiti isto anatomsko područje bez obzira na to okreće li konj glavu ili ga kamera snima iz različitih kutova.

Time se umjesto promjenjive obojene mrlje na pojedinom kadru dobiva anatomski dosljedan prikaz područja koja su utjecala na odluku algoritma.

Testiran na tri skupa podataka o boli

Istraživači su SHIC-XE ispitali na tri neovisna skupa podataka koji su obuhvaćali različite kliničke situacije: postoperativnu bol, ortopedsku bol izazvanu upalom te akutnu bol izazvanu mehaničkim podražajem.

Rezultati pritom nisu pokazali da sustav nepogrešivo prepoznaje bol, ali je model ostvario F1 rezultate od 0,67 do 0,80, ovisno o skupu podataka.

Važan dio istraživanja nije se odnosio samo na to je li sustav pravilno klasificirao snimku, nego i na pitanje odgovaraju li područja kojima AI pridaje važnost onima koja veterinari promatraju prilikom procjene boli.

Za usporedbu je korištena ljestvica za procjenu boli na temelju izraza lica konja (Horse Grimace Scale), standardizirana metoda kojom se bol procjenjuje prema karakterističnim promjenama izraza lica. Analiza je pokazala statistički značajne, ali slabe korelacije između područja kojima je umjetna inteligencija pridavala važnost i stručnih procjena za pojedina područja lica, među kojima su uši i mišići obraza.

To ne znači da AI „razmišlja poput veterinara“. Upravo je mogućnost provjere toga na što algoritam obraća pozornost jedna od glavnih vrijednosti novog pristupa.

Otvaranje „crne kutije“ umjetne inteligencije

Prema dr. Feighelsteinu, riječ je o prvom kvantitativnom vrednovanju te vrste kojim se pokazuje ne samo dolazi li model do ispravnog zaključka nego i usredotočuje li se pritom na anatomski relevantna područja.

„To nas približava otvaranju 'crne kutije' umjetne inteligencije jer pokazujemo ne samo što model odlučuje, nego i imaju li dokazi koje koristi smisla stručnjacima“, objašnjava dr. Feighelstein.

Upravo je mogućnost provjere načina na koji je algoritam donio odluku posebno važna za buduću uporabu umjetne inteligencije u veterini i medicini. Vizualno uvjerljiva karta koju proizvede algoritam sama po sebi nije dokaz da se model doista oslanja na biološki ili klinički relevantne znakove.

SHIC-XE zato predstavlja korak prema sustavima čije se odluke mogu ne samo dobiti nego i kritički provjeriti.

Od konja do novorođenčadi i pacijenata na intenzivnoj njezi

Iako je sustav razvijen za prepoznavanje boli kod konja, istraživači smatraju da bi metoda mogla imati znatno širu primjenu.

Jedan od najvećih problema u medicini također je procjena boli kod osoba koje ne mogu opisati što osjećaju. Među mogućim budućim primjenama istraživači navode procjenu boli kod novorođenčadi, praćenje sediranih i ventiliranih pacijenata na odjelima intenzivne njege, pomoć u skrbi za osobe s demencijom, analizu neuroloških poremećaja kretanja te analizu kliničkih i kirurških videosnimki.

„Kada smo počeli proučavati automatsko prepoznavanje boli i emocija kod životinja, cilj je bio dati im glas“, kaže dr. Feighelstein. S vremenom je, dodaje, postalo jasno da je jednako važno osigurati pouzdanost tog glasa – objasniti ne samo da je bol prisutna nego i zašto je sustav došao do takvog zaključka.

Ipak, SHIC-XE zasad treba promatrati kao istraživački okvir, a ne kao zamjenu za veterinarsku dijagnozu. Dobiveni rezultati pokazuju potencijal automatskog prepoznavanja boli, ali i potrebu za daljnjim provjerama prije primjene takvih sustava u svakodnevnoj kliničkoj praksi. Sam rad naglašava potrebu za biološki utemeljenim i stručno razumljivim objašnjenjima AI modela.

Istraživanje je vodio dr. Marcelo Feighelstein sa Sveučilišta Tel-Hai, u suradnji s prof. Annom Zamansky i laboratorijem Tech4Animals, prof. Ilanom Shimshonijem sa Sveučilišta u Haifi, Omerom Bibijem i Oferom Rozenbaumom s Techniona te istraživačima sa sveučilišta u Bernu, Milanu i São Paulu te Sveučilišta Newcastle.

Stjepan Felber | Ekovjesnik

Dopušteno je citiranje kraćih dijelova članka uz obvezno navođenje autora, izvora i poveznice na izvorni članak. Svako preuzimanje cjelovitog članka ili njegovih većih dijelova bez izričitog odobrenja autora predstavlja povredu autorskih prava.

• UMJETNA INTELIGENCIJA
• KONJI
• SHIC-XE
• MARCELO FEIGHELSTEIN
• SVEUČILIŠTE TEL-HAI
• IZRAEL
• VETERINA
• MEDICINA
• ZNANOST
• ISTRAŽIVANJE
• NOVE TEHNOLOGIJE