Машинное обучение может улучшить диагностику мастита у коров

Новое исследование, опубликованное в Scientific Reports, показало, что машинное обучение может повысить точность диагностики ветеринаром происхождения мастита в стаде и помочь снизить уровень этого заболевания на молочных фермах.

Мастит — крайне затратная эндемичная болезнь молочного скота, обходящаяся Великобритании примерно в £170 млн. Ключевой первый шаг в борьбе с маститом — определение происхождения патогенов: бактерии поступают из окружающей среды коров или заразно передаются через доильный зал?

Такую диагностику обычно проводит ветеринар, анализируя данные с фермы. Это краеугольный камень широко используемого плана контроля мастита от Совета по развитию сельского хозяйства и садоводства (AHDB), но он требует времени и специальной ветеринарной подготовки.

Алгоритмы машинного обучения широко применяются — от фильтрации спама и рекомендаций фильмов на Netflix до точной классификации рака кожи. Эти алгоритмы подходят к диагностическим задачам, как студент-медик или ветеринар: учатся правилам на основе данных и применяют их к новым пациентам.

Исследование под руководством ветеринара Роберта Хайда из Школы ветеринарной медицины и науки Ноттингемского университета направлено на создание автоматизированного инструмента диагностической поддержки для определения происхождения мастита на уровне стада — важнейшего первого шага плана AHDB.

Были использованы данные по маститу от 1000 стад за несколько трёхмесячных периодов. Алгоритмы машинного обучения классифицировали происхождение мастита, и результаты сравнили с экспертным диагнозом специалиста-ветеринара.

Алгоритмы машинного обучения достигли точности классификации в 98% для различения мастита окружающей среды и заразного мастита. Точность классификации мастита окружающей среды на лактационный и сухостойный период составила 78% по сравнению с ветеринарной экспертизой.

Доктор Хайд заявил: «Мастит — огромная проблема для молочных фермеров, как с экономической точки зрения, так и с точки зрения благополучия животных. Наше исследование показало, что алгоритмы машинного обучения могут точно диагностировать происхождение этого состояния на фермах. Такой диагностический инструмент обладает большим потенциалом в отрасли для борьбы с этим заболеванием и помощи ветеринарам в быстрой диагностике происхождения мастита на уровне стада, чтобы оперативно внедрить меры контроля против крайне разрушительной болезни с точки зрения здоровья, продуктивности, благополучия животных и использования противомикробных препаратов».