Sztuczna inteligencja – nowe możliwości w zarządzaniu mastitis, poprawiające opłacalność produkcji mleka

Badania, które prowadziłam [1], wskazują, że ok. 15% krów mlecznych w Polsce usuwana jest ze stada przedwcześnie, właśnie z powodu chorób wymienia. Mimo że kliniczne mastitis dotyczy niewielkiej części populacji zwierząt, (ok. 6,5% krów) to subkliniczne zapalenia w skrajnych przypadkach mogą występować nawet u ponad 40% badanych krów [2]. Warto również pamiętać, że norma UE dopuszczająca do konsumpcji mleko, którego liczba komórek somatycznych (LKS) nie przekracza 400 tys./ml, jest dość łagodna. Badania naukowe jasno wskazują, że LKS od poziomu ok. 200 tys./ml to mleko pozyskane z krów z subklinicznym mastitis, a norma ta powinna być jeszcze niższa dla jałówek po wycieleniu (LKS<100 tys./ml).

Mastitis, jako jednostka chorobowa, wpływa negatywnie na dobrostan krów, parametry technologiczne mleka, jego jakość mikrobiologiczną [3]. Dodatkowym problemem jest nadal dość częsta praktyka tzw. leczenia sztuk z mastitis antybiotykami „w ciemno”, co sprawia, że zużycie leków wymaga stałego monitorowania.

Niewłaściwe stosowanie antybiotyków w medycynie ludzkiej i weterynarii przyczyniło się do szybszego wytworzenia oporności u licznych mikroorganizmów. Samo zjawisko oporności bakterii na antybiotyki zostało odkryte bardzo wcześnie i dotyczyło gronkowców opornych na penicylinę, czyli pierwszy znany antybiotyk. Pokazało to, że pewna liczba szczepów będzie zawsze oporna na dane substancje przeciwdrobnoustrojowe, a możliwość wymiany informacji genetycznej pomiędzy bakteriami to jedna z dróg nabywania przez nie oporności. Ponad 3 lata temu w Unii Europejskiej weszło w życie rozporządzenie 2019/6 w sprawie weterynaryjnych produktów leczniczych, zobowiązujące kraje wspólnoty, w tym Polskę, do redukcji zużycia antybiotyków.

Mastitis nie jest jednak chorobą, którą wywołują tylko bakterie. Analizy mikrobiologiczne wskazują, że większość infekcji ma podłoże bakteryjne gram dodatnie (np. Streptococcus uberis, Staphylococcus aureus) lub gram ujemne (np. Escherichia coli, Klebsiella sp.), ale także grzyby i drożdżaki mogą odpowiadać za rozwój choroby - w naszym klimacie najczęściej diagnozowane są drożdżaki z rodzaju Candida spp. Dodatkową przyczyną mastitis [4], zwłaszcza w oborach o złych warunkach środowiskowych i braku podstawowych zasad higieny doju, mogą być także mikroalgi z rodzaju Prototheca sp.

Infekcje wymienia wymagają precyzyjnego zarządzania stadem, ponieważ ich rozwój zależy od wielu czynników, które nie tylko sprzyjają wystąpieniu choroby, lecz także mogą obniżać odporność krów. Stres, nieodpowiednie warunki środowiskowe, źle zbilansowana dawka pokarmowa, brak procedur profilaktycznych (m.in. brak szczepień na choroby wirusowe) pośrednio lub bezpośrednio przyczyniają się do wzrostu odsetka zapaleń w stadzie. Im większe stado, tym mniej czasu przeznacza się na indywidualną obsługę zwierząt, a coraz większe znaczenie zyskują mechanizacja i automatyzacja produkcji.

Aktualne kierunki badawcze, analizujące rozwój mastitis oraz możliwe innowacje w leczeniu, są więc wielokierunkowe (ryc. 1.). Nanotechnologia, ekstrakty roślinne i grzybowe, nowe markery, probiotyczne szczepy czy białka zwierzęce to tylko niektóre z rozwiązań mogących znaleźć w przyszłości zastosowanie w prewencji i leczeniu [5].

Prawdopodobnie najnowszym, a jednocześnie bardzo obiecującym kierunkiem, może stać się wykorzystanie sztucznej inteligencji (AI) w hodowli bydła. Pierwsza wersja ChatGPT, udostępniona użytkownikom pod koniec 2022 roku, szybko zyskała na popularności, a dziś dostępne są już kolejne wersje. AI to ciekawe narzędzie, które pomaga w usprawnieniu pracy i szybszej analizie danych, oferując także zupełnie nowe możliwości i otwarcie interesujących kierunków badawczych. Konieczna jest oczywiście odpowiednia weryfikacja pracy AI i nadzór nad opracowanymi algorytmami.

Prowadzone badania wykazały znaczący potencjał AI m.in. w monitorowaniu i wykrywaniu wycieleń u krów [6], identyfikacji zafałszowań mleka czy detekcji mikroorganizmów w próbkach mleka ćwiartkowego (badania we współpracy z SGGW w Warszawie, dane nieopublikowane). Postępy w wykorzystaniu AI i uczenia maszynowego umożliwiają lepsze zarządzanie procesem wycieleń, zmniejszając nakłady pracy przy jednoczesnym braku dodatkowych czynników stresowych dla krów. Wykorzystanie bezinwazyjnych czujników i kamer to dla hodowcy źródło bezcennych danych.

Przykładem praktycznego wykorzystania sztucznej inteligencji w hodowli bydła mlecznego jest CalfCam – wdrożony na rynek produkt, wykrywający skurcze porodowe. Ocenia ich nasilenie i powiadamia hodowcę i pracowników o rozpoczętym wycieleniu, tylko na podstawie obrazu z kamer w kojcu porodowym. System ten powstał na styku doświadczenia zespołu informatycznego Promity sp. z o.o. w zakresie Computer Vision i AI oraz wiedzy zootechnicznej naukowców SGGW (Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie). Równolegle rozwijane są projekty MFA i MQA, badające odpowiednio wpływ uszkodzeń mechanicznych na strukturę kuleczek tłuszczowych mleka i liczbę komórek somatycznych (LKS) oraz umożliwiające błyskawiczną detekcję bakterii w mleku surowym. Analiza obrazu spod mikroskopu przez system informatyczny trwa zaledwie kilkanaście minut, pozwalając na identyfikację patogenu, np. str. Uberis czy E. coli, bez konieczności 24-godzinnego oczekiwania na wynik posiewu. Połączenie funkcjonalności MFA i MQA tworzy system MilkProfiler, który może wspierać mleczarnie w podejmowaniu decyzji biznesowych związanych z partiami mleka i dostawcami, a lekarzom weterynarii dostarczać informacji o obecnych mikroorganizmach, wspomagając decyzję o ewentualnym leczeniu antybiotykowym. Obecna skuteczność modeli AI sięga 90%, co potwierdza, że rozwój tych technologii otwiera nowy rozdział w wykorzystaniu sztucznej inteligencji w badaniach i praktyce hodowlanej w Polsce.

Naturalnym pytaniem pozostaje kwestia opłacalności tego typu rozwiązań dla  hodowcy. Przykładowo, szacuje się, że średnie koszty wystąpienia klinicznego mastitis w stadach w Polsce wynoszą przynajmniej 1100 zł/krowę/rok [7]. Im szybciej wykrywane są zapalenia, tym większe są możliwości leczenia bez antybiotyków, co dla hodowcy stanowi realne oszczędności. Znacznie trudniejsze jest szacowanie kosztów klinicznego mastitis. Zakłada się, że wzrost LKS o każde 100 tys. powyżej wartości 200 tys./ml obniża dzienną wydajność krów o ok. 2,5% [8]. Podobne dane z innych krajów europejskich, szacujące całkowite koszty mastitis na krowę w ciągu roku, wahają się od 261 do 483 € [9],[10]. Z kolei szacowane w USA średnie straty z powodu mastitis wynoszą co najmniej 131 $/krowę/rok [11]. Wyliczenia te różnią się w zależności od przyjętej metodyki, etiologii mastitis czy nawet momentu wystąpienia zapalenia. Przykładowo, badania Rodrigueza i wsp. wykazują, że średnie koszty subklinicznych zapaleń wymienia mogą sięgać nawet 922 $/przypadek, jeśli uwzględnimy również fakt, że krowa stanowi wektor patogenów i może zakażać inne osobniki [12]. Kwestie takie jak przedwczesne brakowanie czy utrata cennego potencjału genetycznego zwierząt są trudne do oszacowania i mogą się różnić pomiędzy gospodarstwami. Jednak koszty pośrednie związane z mastitis  są dla hodowcy 2-3 razy większe niż koszty bezpośrednie [13].

Podsumowując, nowoczesna hodowla bydła mlecznego wymaga od hodowcy zmiany strategii zarządzania stadem, szczególnie w przypadku dużych gospodarstw. Sztuczna inteligencja może stanowić wartościowe narzędzie m.in. w monitoringu mastitis. Z tego powodu badacze, eksperci i firmy prywatne powinni łączyć klasyczne techniki badawcze i wiedzę naukowców z postępami współczesnej techniki oraz możliwościami sztucznej inteligencji, w poszukiwaniu innowacyjnych rozwiązań. Współpraca zespołów łączących kompetencje z różnych obszarów jest kluczowa dla przyszłości polskiego rolnictwa.

Zaprzęgnij Sztuczną inteligencję do pracy w swojej oborze!

Już teraz napisz do nas: , lub

zadzwoń do naszego doradcy: tel: +48 22 354 63 13.

Artykuł reklamowy