Detectarea dermatitei podale înainte de formarea leziunilor vizibile la bovine poate fi dificilă, dar cu IA, producătorii pot fi capabili să prezică în mod fiabil debutul bolii, se arată într-un studiu citat de DairyReporter.

O problemă majoră

Dermatita digitală, o cauză comună a șchiopătării la bovinele de lapte, este o problemă majoră de bunăstare pentru industrie.

Un singur caz de șchiopătură poate costa între 90 și 300 de dolari, conform cercetării Universității din Wisconsin-Madison; ceea ce ridică costul la peste 5.400 USD pentru o fermă de 300 de vaci cu o rată de incidență a bolilor de 20%.

Dermatita digitală afectează, de asemenea, producția de lapte datorită consumului redus de hrană, diverse studii care estimează că producția de lapte poate scădea de la 439 lb la 1266 lb, în ​​funcție de tipul de leziune.

În încercarea de a detecta dermatita digitală (DD) cât mai devreme posibil, industria a explorat metode precum imagistica termică și tehnologiile de precizie bazate pe senzori – dar, deși eficiente ca instrumente de monitorizare, niciuna nu a fost foarte fiabilă pentru diagnosticare și prevenire.

Cu toate acestea, utilizarea tehnicilor AI, cum ar fi viziunea computerizată pentru analiza datelor, poate îmbunătăți substanțial ratele de detectare - și chiar poate prezice un episod de boală - a descoperit un prim studiu de acest fel publicat în Science Reports.

Ce este viziunea computerizată?

Viziunea computerizată este o componentă a IA prin care computerele sunt instruite să interpreteze informații vizuale, cum ar fi imagini sau videoclipuri, pentru a face recomandări.

În cadrul studiului, o cohortă internațională de cercetare din Israel, România și SUA a reunit un set de date de informații vizuale și statistice colectate de la 17 vaci infectate și 21 de vaci sănătoase, utilizând imaginile termice și datele senzorilor.

Imaginile termice au fost folosite pentru a investiga tehnicile de viziune computerizată, cercetătorii ajungând să obțină 463 de imagini cu picioarele vacilor sănătoase și 106 dintre acestea care au fost diagnosticate vizual cu o infecție.

Au fost apoi stabilite două modele de clasificare – unul care se baza pe o singură imagine termică pentru a determina computerul să identifice boala; și un al doilea, în care imaginile făcute în două zile consecutive au fost folosite pentru a prezice un episod de boală.

Modelele au inclus, de asemenea, date de temperatură și caracteristici statistice de culoare, pentru a ajuta la îmbunătățirea ratelor de detectare și predicție.

Performanțe ridicate

„Modelele noastre au obținut performanțe de peste 81% acuratețe la detectarea DD în „ziua 0” (prima apariție a semnelor clinice) și peste 70% predicție cu precizie a DD cu două zile înainte de prima apariție a semnelor clinice”, au concluzionat autorii.

„Dacă este validată în cadrul sistemelor comerciale, abordarea noastră ar putea ajuta fermierii să-și îmbunătățească practicile de gestionare a DD, pentru a diagnostica mai bine DD și pentru a aplica tratamente mai rapide în fermele lor.

„Rezultatele noastre sunt încurajatoare și de importanță, mai ales când vine vorba de predicția DD. Aceste rezultate s-ar putea traduce în îngrijirea veterinară înainte de apariția primelor semne clinice DD, îmbunătățind bunăstarea animalelor și reducând efectele negative pe care le are un episod DD asupra lactației și a performanței reproductive.

„În plus, această abordare ar putea fi folosită și pentru a cuantifica eficacitatea tratamentului aplicat timpuriu, pe parcursul urmăririi recuperării și recurenței cazurilor (...).”

Pentru a depăși principala limitare a studiului - dimensiunea mică a eșantionului de bovine infectate - echipa academică intenționează să-și continue cercetările prin includerea unui număr mai mare de ferme cu diferite modele de hambar și podea și să vadă cum s-ar descurca modelele lor AI în medii mai diverse. (Foto: Freepik)