Rozmowa z dr inż. Edytą Bauer na temat projektu pt: „Zastosowanie sztucznych sieci neuronowych do wczesnego diagnozowania krów i obór zagrożonych ketozą”.
Pierwsza próba zastosowania modeli sztucznej inteligencji do diagnozowania subklinicznej formy ketozy (choroba metaboliczna krów mlecznych w Polsce i na świecie). Ketoza w formie subklinicznej (możliwa diagnoza tylko poprzez badania laboratoryjne krwi, mleka, moczu) występuje od 40% do nawet 60% krów w stadzie. Forma kliniczna ketozy, to zaawansowany stan, który nie opłaca się leczyć hodowcy. Jeśli nawet, to powikłania pochorobowe przyczyniają się do wyeliminowania krów z hodowli. Hodowca narażony jest na straty związane z produkcją mleka, kosztami leczenia choroby i powikłań pochorobowych oraz zakupem nowych zwierząt do stada.
– Są dwie choroby, które dziesiątkują stada w hodowli bydła mlecznego, jedna z nich to ketoza. Występuje niestety w stadium podklinicznym, czyli niewykrywalnym dla hodowcy. Jest to choroba metaboliczna krów, spowodowana bardzo dużą zapotrzebowaniem na energię w okresie okołoporodowym i kiedy krowa potrzebuje energii na produkcję mleka. Dawka żywieniowa jest bardzo specyficzna a i tak niestety pojawiają się ciała ketonowe, które możemy określić w mleku, moczy, krwi, ale tylko i wyłącznie przed badania laboratoryjne.
W czym tkwi innowacyjność projektu?
– Mój projekt jako element bardzo nowatorski, ponieważ nigdy nie zastosowano sztucznej inteligencji do diagnozowania tej choroby poprzez określenie parametrów mleka i krwi. Udało mi się to zrobić z racji tego, że projekt pozwolił rozpocząć te badania. Okazało się, że sieci bardzo dobrze sobie radzą z tym problemem i że można określać poziom ketozy dzięki parametrom mleka, do których hodowca ma wgląd. Programy hodowlane wykorzystywane w gospodarstwach pozwalają na bieżąco monitorować podstawowe wskaźniki mleka. Wykorzystałam to do stworzenia kalkulatora ketozowego, zaznacza dr inż. Bauer.
W związku z niewielkim budżetem grantowym, można było wykonać tylko badania pilotażowe. Otrzymane wyniki, świadczyły o dużym potencjale możliwości wybranych modeli sieci neuronowych i pozwoliły na dalsze prace związane z modyfikacją zmiennych oraz opracowaniu nowego algorytmu. Do budowy nowego algorytmu wykorzystano zmienne (parametry mleka) do których hodowca ma dostęp na bieżąco, przy każdym doju czyli co najmniej dwa razy dziennie. Udoskonalony nowy model, jest w stanie pomóc hodowcy we wczesnym diagnozowaniu choroby w czasie rzeczywistym. Kalkulator Ketozowy (nazwa końcowego produktu) można zaimplementować na wszystkich urządzeniach mobilnych jak również, może być wykorzystywany przez hodowcę bez limitu czasu i ilości badanych krów.
Jak działa taki kalkulator?
– Można go porównać do kalkulatora w smart fonie, czy na innych urządzeniach elektronicznych. Możemy wpisać tylko czterech parametry mleka dostępne dla hodowcy i otrzymamy wyniki w czasie rzeczywistym czyli wskaźnik poziomu ketozy. Określane jest to cyfrowo oraz kolorem, dodaje dr inż. Bauer.
Sztuczne sieci neuronowe zastosowane w projekcie, pozwalają wykorzystać test diagnostyczny – czułości i specyficzności (test stosowany w naukach medycznych, np. diagnoza nowotworów). Otrzymane wyniki tego testu (wybrany algorytm) można zastosować, jako algorytm zapisany w języku zrozumiałym dla systemów komputerowych.
Jaki będzie sukces docelowy?
– Mam nadzieję, że ten kalkulator ukaże się do końca roku kalendarzowego, oczywiście przez koronawirusa wiele rzeczy przebiegało wydłużyło się w czasie. Mam złożony wniosek patentowy na algorytm. Przyjazny interfejs programu jest dopracowywany, aby hodowca mógł korzystać z urządzenia na co dzień.
Dlaczego akurat zainteresowanie bydłem, hodowlą?
– Jestem zootechnikiem z krwi i kości, szczęśliwym pracownikiem Uniwersytetu Rolniczego, gdzie zajmuje się chorobami krów mlecznych, jako problemami hodowlanymi zwierząt gospodarskich i wykorzystuję do tego sztuczne sieci neuronowe. Mam przyjemność współpracy z hodowcami, zootechnikami. Odwiedzam gospodarstwa, rozmawiam i wiem jakie są problemy hodowlane gospodarstw, kończy naukowiec.
Dziękujemy za rozmowę.
Sebastian Wach
