Machine Learning for Predicting Somatic Cell Count in Holstein Cattle

En el mundo de la ganadería lechera, la salud de la ubre de una vaca es el factor más crítico que determina la calidad de la leche que produce. Los ganaderos confían en una medida específica llamada recuento de células somáticas para evaluar esta salud. Piense en estas células como pequeños centinelas; cuando la ubre de una vaca está sana, el recuento es bajo. Cuando una infección o inflamación se apodera de ella, el cuerpo envía más de estas células para combatir el problema, haciendo que el número aumente bruscamente. Los niveles altos indican mastitis, una condición dolorosa que no solo lastima al animal, sino que también reduce la cantidad de leche que puede dar y disminuye la calidad del producto. El desafío para los ganaderos es que estos recuentos de células no se miden todos los días. En cambio, se revisan periódicamente, dejando brechas de tiempo en las que la salud de una vaca podría estar cambiando sin que nadie lo sepa. Para llenar estas brechas, los ganaderos han esperado durante mucho tiempo que otros datos que ya recopilan cada día —como cuánta leche produce la vaca, cuánto contenido de grasa y proteína tiene esa leche, y detalles sobre su historial reproductivo— pudieran servir como señales de alerta temprana.

Durante años, los científicos han intentado utilizar fórmulas matemáticas estándar para conectar estos registros diarios con la salud de la ubre, pero la relación es desordenada y compleja. Los factores que influyen en la salud de una vaca no siguen una línea recta y predecible; interactúan de formas que son difíciles de capturar con ecuaciones simples. Recientemente, un equipo de investigadores en Irán recurrió a un enfoque diferente: el aprendizaje automático (machine learning). Estos son programas informáticos diseñados para encontrar patrones en datos que son demasiado complicados para los métodos tradicionales. Al alimentar estos programas con años de registros de un rebaño comercial de Holstein, los investigadores pretendían ver si podían construir un sistema que predijera el recuento de células somáticas utilizando solo la información rutinaria que los ganaderos ya tienen a mano. Su objetivo no era solo ver si era posible, sino determinar qué tipo de modelo informático funcionaba mejor y si la respuesta cambiaba dependiendo de cuántas veces una vaca había dado a luz.

Los investigadores recopilaron datos de un gran rebaño de vacas Holstein, centrándose en trece piezas diferentes de información registradas para cada animal. Esto incluyó la edad de la vaca, cuánto tiempo había estado embarazada, cuánto tiempo pasó sin ser ordeñada antes de dar a luz, y su producción diaria de leche, grasa y proteína. También rastrearon su historial reproductivo, como cuánto tiempo tardó en concebir después de dar a luz. Tras limpiar los datos para eliminar errores y valores atípicos, les quedaron casi diez mil registros. Debido a que la biología de una vaca cambia significativamente a medida que envejece y tiene más terneros, el equipo no trató a todas las vacas por igual. En su lugar, dividieron los datos en cinco grupos distintos: madres primerizas, madres de segundo parto, madres de tercer parto, madres de cuarto parto y aquellas con más de cuatro crías. Esta separación fue crucial, ya que las reglas que gobiernan la salud de una vaca joven suelen ser diferentes de las de un animal más viejo y experimentado.

Para encontrar la mejor manera de predecir el recuento de células, el equipo probó siete enfoques diferentes de modelado informático. Comenzaron con tres métodos tradicionales, que dependen de ecuaciones lineales para trazar una línea recta a través de los datos. Luego, probaron cuatro métodos no lineales más avanzados que pueden doblarse y retorcerse para ajustarse a patrones complejos. Estos incluían una Red Neuronal Bayesiana, que imita la forma en que el cerebro humano procesa la información; un Bosque Aleatorio (Random Forest), que construye muchos árboles de decisión y combina sus respuestas; y otros dos sistemas basados en árboles que clasifican los datos en categorías. Entrenaron estos modelos con tres cuartas partes de los datos y luego los probaron con el cuarto restante para ver qué tan bien podían predecir el recuento de células de vacas que nunca habían visto antes.

Los resultados mostraron una clara división entre las formas de pensar antiguas y las nuevas. Los modelos lineales tradicionales tuvieron dificultades para capturar los matices de los datos, fallando a menudo al predecir el recuento de células. En contraste, los modelos no lineales, más flexibles, funcionaron significativamente mejor. Entre ellos, la Red Neuronal Bayesiana y el Bosque Aleatorio destacaron como los mejores desempeños. En los primeros grupos de lactancia, estos modelos avanzados lograron una correlación con los datos reales que osciló entre aproximadamente 0,62 y 0,70. Aunque esto pueda sonar técnico, se traduce en una capacidad significativa para predecir tendencias que los métodos antiguos simplemente no podían igualar. Los modelos informáticos fueron capaces de aprender que la relación entre la producción de leche y la salud de la ubre no es fija; cambia y se desplaza dependiendo de la edad y la historia de la vaca.

Cuando los investigadores analizaron de cerca a qué prestaban atención los modelos, surgió una historia consistente. Las pistas más importantes para predecir la salud de la ubre fueron los rasgos de producción: el promedio de proteína, leche y grasa que la vaca producía. En casi todos los grupos, la cantidad de proteína en la leche fue el factor más influyente por sí solo. A medida que las vacas envejecían, la importancia del volumen total de leche creció, convirtiéndose finalmente en el principal predictor para las vacas más viejas. Esto tiene sentido biológico, ya que una infección en la ubre a menudo interrumpe la capacidad de la vaca para producir leche y altera su composición. Otros factores, como la duración del periodo seco y la edad en la que la vaca dio a luz por primera vez, desempeñaron un papel secundario, pero su importancia cambió según la etapa de vida de la vaca. Para las vacas más jóvenes, la edad al primer parto importaba más, mientras que para las vacas de mediana edad, la duración del periodo de descanso entre lactancias se convirtió en una señal más fuerte.

Sin embargo, el estudio también reveló una limitación significativa. Aunque los modelos funcionaron bien para vacas en sus primeras lactancias, su precisión disminuyó notablemente para el grupo más viejo, aquellas con más de cuatro crías. La correlación para estas vacas más viejas cayó alrededor de 0,50 y el error en las predicciones aumentó. Los investigadores atribuyen esto no a un fallo de la tecnología, sino a la naturaleza de los datos mismos. Había muchos menos registros para estas vacas más viejas —solo unos 338 en todo el conjunto de datos en comparación con más de 4,000 para las madres primerizas. Con tan pocos datos para aprender, y con las vacas más viejas exhibiendo patrones de salud más variados e impredecibles, a las computadoras les resultó mucho más difícil encontrar un patrón fiable. Esto sugiere que, si bien el aprendizaje automático es poderoso, todavía necesita suficientes datos para trabajar de manera efectiva.

Los hallazgos sugieren que los ganaderos no necesitan sensores nuevos y costosos ni equipos complejos para tener un mejor control de la salud de la ubre entre las pruebas rutinarias. Al utilizar los datos de producción y reproducción que ya están recopilando, y al aplicar estos modelos informáticos más sofisticados, podrían potencialmente identificar a las vacas que corren el riesgo de desarrollar mastitis antes de lo habitual. La Red Neuronal Bayesiana y el Bosque Aleatorio demostraron ser las herramientas más fiables para esta tarea, ofreciendo una forma de ver las conexiones ocultas en la vida diaria de un rebaño lechero. No obstante, los investigadores advierten que estos modelos fueron construidos con datos de un único rebaño en Irán. Antes de que este enfoque pueda implementarse en granjas de todo el mundo, debe probarse en diferentes rebaños con diferentes estilos de gestión y antecedentes genéticos. La tecnología muestra una gran promesa para convertir los registros rutinarios de la granja en un sistema proactivo de monitoreo de salud, pero aún no es una solución terminada para cada operación lechera.