Forschende der ETH Zürich haben ein neues automatisches System namens Grimace entwickelt, das Schmerz und Wohlbefinden von Versuchsmäusen objektiv und standardisiert erfasst. Es nutzt maschinelles Sehen und Lernen, um Gesichtsausdruck und Körperhaltung der Tiere in Echtzeit zu analysieren und soll das Tierwohl in der Forschung deutlich verbessern.

Das System besteht aus einer speziellen, abgedunkelten Beobachtungsbox mit Infrarotkameras. Die Mäuse werden darin unbeobachtet gefilmt, ohne zusätzlichen Stress durch menschliche Beobachter. Ein Algorithmus wertet subtile Schmerzmerkmale wie zusammengekniffene Augen, veränderte Ohrenstellung oder Schnurrhaare aus und liefert eine zuverlässige Einschätzung.

Bisherige manuelle Methoden wie die Mouse Grimace Scale sind zeitaufwendig, subjektiv und oft ungenau. Die ETH-Studie zeigt, dass Grimace mit den Bewertungen geschulter Experten übereinstimmt, diese jedoch deutlich konsistenter und reproduzierbarer macht. Zudem erfasst das System zusätzlich Verhaltensmerkmale wie Körperhaltung und Bewegung.

Das gesamte System inklusive Software wird als Open-Source-Bausatz kostenlos zur Verfügung gestellt, damit Forschende weltweit einheitliche und vergleichbare Daten erheben können. Oliver Sturman, Leiter des ETH 3R-Hubs, betont, dass Grimace ein wichtiger Beitrag zu den 3R-Prinzipien (Replace, Reduce, Refine) sei und unnötiges Leid der Tiere verringern könne.

Die Ergebnisse wurden kürzlich im Fachmagazin Lab Animal veröffentlicht. Das System wird bereits am ETH Phenomics Center eingesetzt und stößt international auf großes Interesse.

Lesen Sie auch:

Pionierin der tierfreien Diagnostik: Prof. Maike Frye erhält Gábor-Szász-Preis – MedLabPortal

Original Paper:

Sturman, O., Schmutz, M., Lorimer, T. et al. GrimACE: automated, multimodal cage-side assessment of pain and well-being in mice. Lab Animal (2026). https://doi.org/10.1038/s41684-026-01695-9

Redaktion: X-Press Journalistenbüro GbR

Gender-Hinweis. Die in diesem Text verwendeten Personenbezeichnungen beziehen sich immer gleichermaßen auf weibliche, männliche und diverse Personen. Auf eine Doppel/Dreifachnennung und gegenderte Bezeichnungen wird zugunsten einer besseren Lesbarkeit verzichtet.