Inteligencia artificial para el bienestar animal a través del análisis de la frecuencia cardiaca

Por: Cristian Alfredo Ospina-Dela Cruz, Humberto Pérez-Espinosa, Verónica Reyes-Meza, Mariel Urbina-Escalante (INAOE)

Un tema que aparece con frecuencia en las conversaciones es el bienestar animal, y se refiere a que las condiciones en las que vive y muere un animal deben proporcionales el menor malestar. En el mundo de la zoología y la medicina veterinaria, evaluar la salud y el bienestar animal es crucial para el cuidado adecuado y la prevención de enfermedades. Sin embargo, esta evaluación no es una tarea fácil ya que los animales no pueden expresar abiertamente cómo se sienten.

Una forma de conocer lo que están sintiendo los animales es a través de cambios en su fisiología, por ejemplo, la frecuencia cardíaca (FC) es un indicador que proporciona información valiosa sobre el estado general del animal. Además, la inteligencia artificial (IA) ha irrumpido en este campo en los últimos años [1], ofreciendo herramientas innovadoras para el análisis de la FC en animales, abriendo un abanico de posibilidades para el monitoreo, diagnóstico y cuidado de diversas especies.

La aplicación de la IA en el análisis de la FC en animales presenta un campo de gran potencial, con diversas técnicas que permiten obtener información precisa y detallada sobre el estado físico y emocional de los animales. Por ejemplo, una de las técnicas más prometedoras es el análisis de datos de fotopletismografía (PPG) [2], una técnica no invasiva que utiliza sensores de luz para detectar cambios en el volumen de sangre en los vasos sanguíneos, un sistema parecido al que usamos durante la pandemia de COVID-19 para detectar los de niveles de oxígeno, donde el dispositivo mandaba luz infrarroja a través de tejidos como las uñas, la piel o la sangre y el sensor del clip medía la cantidad de luz que pasaba antes de que el tejido la absorba.

Con la ayuda de algoritmos de inteligencia artificial, y en particular de aprendizaje profundo (que son modelos matemáticos que procesan grandes cantidades de datos para identificar patrones) se ha demostrado que se puede estimar de manera eficiente la información de la FC utilizando únicamente la señal de PPG de un solo canal recogida en un entorno ambulatorio, es decir, mientras el individuo se desplaza [3]. Estos hallazgos abren la puerta a sistemas de monitoreo remoto y continuo de la salud cardiovascular en animales.

Otra aplicación de la IA en este ámbito es el análisis de trazos de FC para predecir complicaciones cardiovasculares. De hecho, estudios en fetos de ovejas han demostrado que el aprendizaje automático puede identificar patrones de FC que se asocian con un mayor riesgo de complicaciones durante el parto, permitiendo intervenciones tempranas y mejorando las tasas de supervivencia [4].

Además, la IA está cambiando la forma en que cuidamos a nuestras mascotas. Ahora, gracias a dispositivos comerciales como FitBark y Whistle que monitorean la actividad, la calidad del sueño, el equilibrio de calorías y la salud en general, podemos tener mayor información acerca de cómo se sienten nuestros perros y gatos en todo momento, ya que estos dispositivos usan sensores de e IA para recopilar información sobre su actividad diaria ¡Es casi como tener un doctor para mascotas en casa! Estos dispositivos pueden decirnos cuánto ha jugado nuestro perro hoy, cómo ha dormido y si su corazón late a buen ritmo. Toda esta información es útil para saber si nuestros animales de compañía están felices y sanos.

En el mundo de los perros de trabajo y rescate, la IA puede hacer maravillas con herramientas de soporte avanzadas. Sensores de FC, temperatura y respiración pueden monitorear la salud del perro en tiempo real, mientras que sistemas de posicionamiento global (GPS) y drones pueden coordinar sus movimientos para localizar en menor tiempo a personas atrapadas. El reconocimiento de sus ladridos facilita la comunicación en entornos ruidosos, y los modelos predictivos optimizan su desempeño. Incluso utilizando realidad virtual se puede entrenar a los perros en entornos controlados, y mejorar sus tácticas y estrategias mediante el análisis de datos históricos de estos entrenamientos y aprendizaje automático. Así usando sensores como acelerómetros y GPS, la IA puede analizar la velocidad, resistencia y eficiencia de los perros, permitiendo entrenar y seleccionar a los mejores individuos para misiones de rescate.

La IA puede ayudar a monitorear la salud cardíaca de los perros utilizando electrocardiogramas (ECG) y balistocardiogramas (BCG). Actualmente, los ECG son precisos, pero requieren equipos especiales, mientras que los BCG son más fáciles de usar, detectando las vibraciones del corazón con sensores portátiles. La IA procesa estos datos y ayuda a identificar problemas de salud a tiempo, garantizando la seguridad y el bienestar de los perros de rescate [5].

La IA no solo ayuda a cuidar la salud física de los animales de compañía, sino también su bienestar emocional. Por ejemplo, los expertos han descubierto que, al analizar el ritmo cardíaco de los perros en diferentes situaciones, la IA puede detectar si están estresados, ansiosos o felices analizando sus patrones del ritmo cardíaco. Esta información es útil para mejorar el bienestar de los perros, ajustando su entorno y sus actividades para que se sientan mejor.

Un ejemplo de cómo se usa la IA para entender mejor a los perros es el proyecto Tzuku, financiado por el Consejo Nacional de Humanidades, Ciencias y Tecnologías de México en el cual colaboran diferentes instituciones mexicanas como el Instituto Nacional de Astrofísica, Óptica y Electrónica, el Centro de Investigación Científica y de Estudios Superiores de Ensenada - Unidad Tepic, la Universidad Autónoma de Tlaxcala y la Universidad Autónoma de Yucatán. En este estudio [7], se investigó cómo diversas señales biológicas, por ejemplo, los cambios en la temperatura y el ritmo cardíaco de cada perro están relacionados con sus habilidades para ser entrenados. Además, se desarrollaron metodologías para evaluar de manera confiable la capacidad de aprendizaje de los perros, las cuales incluyen la respuesta de cada perro en escenarios que provocan emociones positivas y negativas. Posteriormente, todos los datos colectados se analizaron con IA y se encontró una relación significativa entre los cambios del ritmo cardíaco y la habilidad de entrenamiento de los perros. Esto significa que, al observar cómo varía el ritmo cardíaco, podemos predecir qué tan bien puede ser entrenado un perro y con ello evitar que el perro sea sometido a largos procesos de entrenamiento, identificando de forma temprana a los individuos más aptos para dicha tarea.

Así el desarrollo de nuevas metodologías de IA que incluyen el análisis de los cambios en la frecuencia cardiaca ha permitido, en diferentes especies animales, predecir su salud cardiovascular, sus niveles de estrés y ansiedad, sus respuestas emocionales y hasta la entrenabilidad de los perros, y con este conocimiento mejorar sus condiciones de bienestar animal.

Referencias:

[1] Congdon, J. V., Hosseini, M., Gading, E. F., Masousi, M., Franke, M., \& MacDonald, S. E. (2022). The Future of Artificial Intelligence in Monitoring Animal Identification, Health, and Behaviour. Animals, 12(13), 1711.

[2] Allen, J., Zheng, D., Kyriacou, P. A., & Elgendi, M. (2021). Photoplethysmography (PPG): state-of-the-art methods and applications. Physiol Meas, 42(10), 100301.

[3] Biswas, D., Everson, L., Liu, M., Panwar, M., Verhoef, B. E., Patki, S., ... \& Van Helleputte, N. (2019). CorNET: Deep learning framework for PPG-based heart rate estimation and biometric identification in ambulant environment. IEEE transactions on biomedical circuits and systems, 13(2), 282-291.

[4] Gold, N., Herry, C. L., Wang, X., \& Frasch, M. G. (2021). Fetal cardiovascular decompensation during labor predicted from the individual heart rate tracing: a machine learning approach in near-term fetal sheep model. Frontiers in Pediatrics, 9, 593889

[4] Rooney, N. J., \& Clark, C. C. (2021). Development of a performance monitoring instrument for rating explosives search dog performance. Frontiers in veterinary science, 8, 484.

[5] Kahankova, R., Kolarik, J., Brablik, J., Barnova, K., Simkova, I., \& Martinek, R. (2022). Alternative measurement systems for recording cardiac activity in animals: a pilot study. Animal Biotelemetry, 10(1), 15.

[6] Ospina-De la Cruz, Cristian A., et al. "Automatic Assessment of Canine Trainability Using Heart Rate Responses to Positive and Negative Emotional Stimuli." Mexican International Conference on Artificial Intelligence. Cham: Springer Nature Switzerland, 2023.