Machine Learning for Predicting Somatic Cell Count in Holstein Cattle

في عالم تربية الأبقار الحلوب، تُعد صحة ضرع البقرة هي العامل الأكثر حسمًا في تحديد جودة الحليب الذي تنتجه. ويعتمد المزارعون على قياس محدد يسمى "عدد الخلايا الجسدية" لتقييم هذه الحالة الصحية. فكر في هذه الخلايا كأنها حراس صغار؛ فعندما يكون ضرع البقرة سليمًا، يكون العدد منخفضًا. وعندما يتفشى التهاب أو عدوى، يرسل الجسم المزيد من هذه الخلايا لمحاربة المشكلة، مما يؤدي إلى ارتفاع العدد بشكل حاد. وتشير المستويات العالية إلى الإصابة بالتهاب الضرع (الماستيتس)، وهي حالة مؤلمة لا تكتفي بإيلام الحيوان فحسب، بل تقلل أيضًا من كمية الحليب التي يمكنه إنتاجها وتخفض جودة المنتج. وتكمن التحدي أمام المزارعين في أن أعداد هذه الخلايا لا تُقاس يوميًا، بل يتم فحصها بشكل دوري، مما يترك فجوات زمنية قد تتغير خلالها صحة البقرة دون علم أحد. ولتغطية هذه الفجوات، أمَل المزارعون منذ فترة طويلة في أن البيانات الأخرى التي يجمعونها بالفعل كل يوم — مثل كمية الحليب التي تنتجها البقرة، ونسبة الدهون والبروتين في ذلك الحليب، وتفاصيل تاريخها التكاثري — يمكن أن تعمل كعلامات تحذير مبكرة.

لسنوات، حاول العلماء استخدام صيغ رياضية قياسية لربط هذه السجلات اليومية بصحة الضرع، لكن العلاقة كانت فوضوية ومعقدة. فالأطراف المؤثرة في صحة البقرة لا تتبع خطًا مستقيمًا يمكن التنبؤ به؛ بل تتفاعل بطرق يصعب استيعابها بالمعادلات البسيطة. ومؤخرًا، لجأ فريق من الباحثين في إيران إلى نهج مختلف: تعلم الآلة. وهي برامج حاسوبية مصممة لإيجاد أنماط في البيانات تكون أكثر تعقيدًا من الطرق التقليدية. ومن خلال تغذية هذه البرامج بسنوات من السجلات من قطيع من أبقار "هولشتاين" التجارية، هدف الباحثون إلى معرفة ما إذا كان بإمكانهم بناء نظام يتنبأ بعدد الخلايا الجسدية باستخدام المعلومات الروتينية المتوفرة لدى المزارعين بالفعل. ولم يكن هدفهم مجرد معرفة ما إذا كان ذلك ممكنًا، بل تحديد أي نوع من النماذج الحاسوبية هو الأفضل، وما إذا كانت الإجابة تتغير اعتمادًا على عدد المرات التي وضعت فيها البقرة ولادة.

جمع الباحثون بيانات من قطيع كبير من أبقار هولشتاين، مع التركيز على ثلاثة عشر معلومة مختلفة مسجلة لكل حيوان. وشمل ذلك عمر البقرة، ومدة حملها، والمدة التي قضتها دون حلب قبل الولادة، وإنتاجها اليومي من الحليب والدهون والبروتين. كما تتبعوا تاريخها التكاثري، مثل المدة التي استغرقتها للحمل بعد الولادة. وبعد تنظيف البيانات لإزالة الأخطاء والقيم المتطرفة، تبقى لديهم ما يقرب من عشرة آلاف سجل. ولأن بيولوجيا البقرة تتغير بشكل كبير مع تقدمها في العمر وزيادة عدد عجولها، لم يعامل الفريق جميع الأبقار بالطريقة نفسها. بدلاً من ذلك، قسموا البيانات إلى خمس مجموعات متميزة: الأمهات لأول مرة، والأمهات للمرة الثانية، والأمهات للمرة الثالثة، والأمهات للمرة الرابعة، وأولئك اللاتي أنجبن أكثر من أربعة عجول. كان هذا الفصل أمرًا بالغ الأهمية، لأن القواعد التي تحكم صحة بقرة صغيرة تختلف غالبًا عن قواعد بقرة أكبر وأكثر خبرة.

ولإيجال أفضل طريقة للتنبؤ بعدد الخلايا، اختبر الفريق سبعة نهج مختلفة للنمذجة الحاسوبية. بدأوا بثلاث طرق تقليدية، والتي تعتمد على المعادلات الخطية لرسم خط مستقيم عبر البيانات. ثم اختبروا أربع طرق متقدمة غير خطية يمكنها الانحناء والالتواء لتناسب الأنماط المعقدة. وشملت هذه الطرق "الشبكة العصبية البايزية"، التي تحاكي الطريقة التي يعالج بها الدماغ البشري المعلومات؛ و"الغابة العشوائية"، التي تبني العديد من أشجار القرار وتدمج إجاباتها؛ ونظامين آخرين يعتمدان على الأشجار لفرز البيانات إلى فئات. قاموا بتدريب هذه النماذج على ثلاثة أرباع البيانات، ثم اختبروها على الربع المتبقي لمعرفة مدى قدرتها على التنبؤ بعدد الخلايا للأبقار التي لم يسبق لهم رؤيتها من قبل.

أظهرت النتائج انقسامًا واضحًا بين طرق التفكير القديمة والجديدة. فقد عانت النماذج الخطية التقليدية في استيعاب تفاصيل البيانات، وغالبًا ما أخفقت في التنبؤ بعدد الخلايا. وفي المقابل، حققت النماذج غير الخطية الأكثر مرونة أداءً أفضل بكثير. ومن بين هذه النماذج، برزت "الشبكة العصبية البايزية" و"الغابة العشوائية" كأفضل النماذج أداءً. وفي مجموعات اللبن الأولى، حققت هذه النماذج المتقدمة ارتباطًا مع البيانات الفعلية تراوح تقريبًا بين 0.62 و0.70. ورغم أن هذا قد يبدو مصطلحًا تقنيًا، إلا أنه يترجم إلى قدرة ملموسة على التنبؤ بالاتجاهات التي لم تستطع الطرق القديمة مضاهاتها. لقد تمكنت النماذج الحاسوبية من تعلم أن العلاقة بين إنتاج الحليب وصحة الضرع ليست ثابتة؛ بل تتغير وتتحول اعتمادًا على عمر البقرة وتاريخها.

وعندما دقق الباحثون فيما كانت النماذج تركز عليه فعليًا، ظهرت قصة متسقة. كانت أهم القرائن للتنبؤ بصحة الضرع هي سمات الإنتاج: متوسط كمية البروتين والحليب والدهون التي تنتجها البقرة. وفي كل مجموعة تقريبًا، كان مقدار البروتين في الحليب هو العامل الأكثر تأثيرًا بمفرده. ومع تقدم الأبقار في العمر، زادت أهمية حجم الحليب الإجمالي، ليصبح في النهاية المتنبئ الرئيسي للأبقار الأكبر سنًا. وهذا منطقي بيولوجيًا، حيث أن الإصابة في الضرع غالبًا ما تعطل قدرة البقرة على إنتاج الحليب وتغير تركيبته. ولعبت عوامل أخرى، مثل طول فترة الجفاف والعمر عند أول ولادة، دورًا ثانويًا، لكن أهميتها تغيرت اعتمادًا على مرحلة حياة الببقرة. فبالنسبة للأبقار الصغيرة، كان العمر عند أول ولادة أكثر أهمية، بينما بالنسبة للأبقار في منتصف العمر، أصبحت مدة فترة الراحة بين فترات الحلب إشارة أقوى.

ومع ذلك، كشفت الدراسة أيضًا عن قصور كبير. فبينما عملت النماذج بشكل جيد مع الأبقار في فترات ولاداتها الأولى، انخفضت دقتها بشكل ملحوظ بالنسبة للمجموعة الأكبر سنًا، وهم اللواتي أنجبن أكثر من أربعة عجول. فقد انخفض الارتباط لهذه الأبقار الأكبر سنًا إلى حوالي 0.50، وزاد الخطأ في التنبؤات. ويعزو الباحثون ذلك ليس إلى فشل التكنولوجيا، بل إلى طبيعة البيانات نفسها. فقد كان هناك عدد أقل بكثير من السجلات لهذه الأبقار الأكبر سنًا — حوالي 338 سجلًا فقط في كامل مجموعة البيانات مقارنة بأكثر من 4,000 سجل للأمهات لأول مرة. ومع وجود بيانات قليلة جدًا للتعلم منها، ومع إظهار الأبوات الأكبر سنًا لأنماط صحية أكثر تنوعًا وغير متوقعة، وجدت الحواسيب صعوبة أكبر في إيجاد نمط موثوق. وهذا يشير إلى أنه رغم قوة تعلم الآلة، فإنه لا يزال بحاجة إلى قدر كافٍ من البيانات ليعمل بفعالية.

تشير النتائج إلى أن المزارعين ليسوا بحاجة إلى مستشعرات باهظة الثمن أو معدات معقدة للحصول على فهم أفضل لصحة الضرع بين الاختبارات الروتينية. فمن خلال استخدام بيانات الإنتاج والتكاثر التي يجمعونها بالفعل، وتطبيق هذه النماذج الحاسوبية الأكثر تطورًا، يمكنهم من المحتمل تحديد الأبقار المعرضة لخطر الإصابة بالتهاب الضرع في وقت أبكر من ذي قبل. وقد أثبتت نماذج "الشبكة العصبية البايزية" و"الغابة العشوائية" أنها الأدوات الأكثر موثوقية لهذه المهمة، حيث قدمت وسيلة لرؤية الروابط الخفية في الحياة اليومية لقطيع الأبقار. ومع ذلك، يحذر الباحثون من أن هذه النماذج بُنيت على بيانات من قطيع واحد في إيران. وقبل أن يمكن طرح هذا النهج في المزارع حول العالم، يجب اختباره على قطعان مختلفة ذات أساليب إدارة وخلفيات وراثية متنوعة. تُظهر التكنولوجيا وعدًا كبيرًا لتحويل السجلات الزراعية الروتينية إلى نظام استباقي لمراقبة الصحة، لكنها ليست بعد حلاً نهائيًا لكل عمليات تربية الأبقار.