Machine Learning for Predicting Somatic Cell Count in Holstein Cattle

डेयरी फार्मिंग की दुनिया में, एक गाय के थन का स्वास्थ्य ही वह सबसे महत्वपूर्ण कारक है जो उसके द्वारा उत्पादित दूध की गुणवत्ता को निर्धारित करता है। किसान थन के स्वास्थ्य का आकलन करने के लिए सोमैटिक सेल काउंट (somatic cell count) नामक एक विशिष्ट माप पर भरोसा करते हैं। इन कोशिकाओं को छोटे पहरेदारों के रूप में समझें; जब गाय का थन स्वस्थ होता है, तो यह संख्या कम होती है। जब कोई संक्रमण या सूजन पकड़ लेती है, तो शरीर समस्या से लड़ने के लिए इन कोशिकाओं को अधिक संख्या में भेजता है, जिससे यह संख्या तेजी से बढ़ जाती है। उच्च स्तर मास्टिटिस (mastitis) का संकेत देते हैं, जो एक दर्दनाक स्थिति है जो न केवल जानवर को कष्ट देती है बल्कि उसके दूध देने की मात्रा को भी कम करती है और उत्पाद की गुणवत्ता को भी घटाती है। किसानों के लिए चुनौती यह है कि इन सेल काउंट को प्रतिदिन नहीं मापा जाता है। इसके बजाय, उन्हें समय-समय पर जांचा जाता है, जिससे समय के ऐसे अंतराल रह जाते हैं जहाँ किसी को पता चले बिना ही गाय का स्वास्थ्य बदल सकता है। इन अंतरालों को भरने के लिए, किसानों ने लंबे समय से यह आशा की है कि उनके द्वारा पहले से ही प्रतिदिन एकत्र किया जाने वाला अन्य डेटा—जैसे कि एक गाय कितना दूध उत्पादन करती है, उस दूध में वसा और प्रोटीन की मात्रा कितनी है, और उसके प्रजनन इतिहास का विवरण—एक प्रारंभिक चेतावनी संकेत के रूप में काम कर सके।

वर्षों से, वैज्ञानिकों ने इन दैनिक रिकॉर्ड को थन के स्वास्थ्य से जोड़ने के लिए मानक गणितीय सूत्रों का उपयोग करने का प्रयास किया है, लेकिन यह संबंध बहुत जटिल और अव्यवस्थित है। गाय के स्वास्थ्य को प्रभावित करने वाले कारक एक सीधी, पूर्वानुमानित रेखा का पालन नहीं करते हैं; वे उन तरीकों से परस्पर क्रिया करते हैं जिन्हें सरल समीकरणों के माध्यम से पकड़ना कठिन है। हाल ही में, ईरान के शोधकर्ताओं की एक टीम ने एक अलग दृष्टिकोण अपनाया: मशीन लर्निंग। ये ऐसे कंप्यूटर प्रोग्राम हैं जिन्हें डेटा में उन पैटर्न को खोजने के लिए डिज़ाइन किया गया है जो पारंपरिक तरीकों के लिए बहुत जटिल होते हैं। इन प्रोग्रामों को एक वाणिज्यिक होल्स्टीन (Holstein) झुंड के वर्षों के रिकॉर्ड खिलाकर, शोधकर्ताओं का लक्ष्य यह देखना था कि क्या वे केवल उस नियमित जानकारी का उपयोग करके सोमैटिक सेल काउंट की भविष्यवाणी करने वाला एक सिस्टम बना सकते हैं जो किसानों के पास पहले से मौजूद है। उनका लक्ष्य केवल यह देखना नहीं था कि क्या यह संभव है, बल्कि यह निर्धारित करना भी था कि किस प्रकार का कंप्यूटर मॉडल सबसे अच्छा काम करता है और क्या उत्तर इस बात पर निर्भर करता है कि गाय ने कितनी बार जन्म दिया है।

शोधकर्ताओं ने होल्स्टीन गायों के एक बड़े झुंड से डेटा एकत्र किया, जिसमें प्रत्येक जानवर के लिए दर्ज की गई तेरह अलग-अलग जानकारियों पर ध्यान केंद्रित किया गया। इसमें गाय की उम्र, उसकी गर्भावस्था की अवधि, जन्म से पहले दूध निकालने का अंतराल, और उसका दैनिक दूध, वसा और प्रोटीन का उत्पादन शामिल था। उन्होंने उसके प्रजनन इतिहास को भी ट्रैक किया, जैसे कि जन्म के बाद उसे गर्भधारण करने में कितना समय लगा। त्रुटियों और बाहरी डेटा (outliers) को हटाने के लिए डेटा को साफ करने के बाद, उनके पास लगभग दस हजार रिकॉर्ड बचे। चूंकि एक गाय की जीव विज्ञान उसकी उम्र बढ़ने और अधिक बछड़े होने के साथ काफी बदल जाती है, इसलिए टीम ने सभी गायों के साथ एक जैसा व्यवहार नहीं किया। इसके बजाय, उन्होंने डेटा को पांच अलग-अलग समूहों में विभाजित किया: पहली बार माँ बनने वाली गाय, दूसरी बार माँ बनने वाली, तीसरी बार, चौथी बार, और चार से अधिक बछड़ों वाली गाय। यह विभाजन महत्वपूर्ण था, क्योंकि एक युवा गाय के स्वास्थ्य के नियम अक्सर एक पुरानी, अधिक अनुभवी गाय के नियमों से भिन्न होते हैं।

सेल काउंट की भविष्यवाणी करने का सबसे अच्छा तरीका खोजने के लिए, टीम ने सात अलग-अलग कंप्यूटर मॉडलिंग दृष्टिकोणों का परीक्षण किया। उन्होंने तीन पारंपरिक तरीकों के साथ शुरुआत की, जो डेटा के माध्यम से एक सीधी रेखा खींचने के लिए रैखिक समीकरणों (linear equations) पर भरोसा करते हैं। फिर, उन्होंने चार अधिक उन्नत, गैर-रैखिक (non-linear) तरीकों का परीक्षण किया जो जटिल पैटर्न के अनुरूप मुड़ और झुक सकते हैं। इनमें एक बेयसियन न्यूरल नेटवर्क (Bayesian Neural Network) शामिल था, जो मानव मस्तिष्क के सूचना संसाधित करने के तरीके की नकल करता है; एक रैंडम फॉरेस्ट (Random Forest), जो कई निर्णय वृक्षों (decision trees) का निर्माण करता है और उनके उत्तरों को जोड़ता है; और दो अन्य ट्री-आधारित सिस्टम जो डेटा को श्रेणियों में वर्गीकृत करते हैं। उन्होंने इन मॉडलों को डेटा के तीन-चौथाई हिस्से पर प्रशिक्षित किया और फिर शेष एक-चौथाई पर उनका परीक्षण किया ताकि यह देखा जा सके कि वे उन गायों के सेल काउंट की कितनी अच्छी तरह भविष्यवाणी कर सकते हैं जिन्हें उन्होंने पहले कभी नहीं देखा था।

परिणामों ने सोचने के पुराने और नए तरीकों के बीच एक स्पष्ट अंतर दिखाया। पारंपरिक रैखिक मॉडल डेटा की बारीकियों को पकड़ने में संघर्ष करते थे, और अक्सर सेल काउंट की भविष्यवाणी करते समय चूक जाते थे। इसके विपरीत, अधिक लचीले, गैर-रैखिक मॉडल काफी बेहतर प्रदर्शन करते थे। इनमें से, बेयसियन न्यूरल नेटवर्क और रैंडम फॉरेस्ट शीर्ष प्रदर्शन करने वाले मॉडल के रूप में उभरे। पहले कुछ लैक्टेशन समूहों में, इन उन्नत मॉडलों ने वास्तविक डेटा के साथ लगभग 0.62 से 0.70 के बीच सहसंबंध (correlation) प्राप्त किया। हालांकि यह तकनीकी लग सकता है, लेकिन यह रुझानों की भविष्यवाणी करने की एक सार्थक क्षमता को दर्शाता है जिसे पुराने तरीके नहीं पकड़ सके। कंप्यूटर मॉडल यह सीखने में सक्षम थे कि दूध उत्पादन और थन के स्वास्थ्य के बीच का संबंध स्थिर नहीं है; यह गाय की उम्र और इतिहास के आधार पर बदलता और परिवर्तित होता रहता है।

जब शोधकर्ताओं ने इस बात पर बारीकी से गौर किया कि मॉडल वास्तव में किस चीज़ पर ध्यान दे रहे थे, तो एक सुसंगत कहानी सामने आई। थन के स्वास्थ्य की भविष्यवाणी करने के लिए सबसे महत्वपूर्ण सुराग उत्पादन संबंधी लक्षण थे: गाय द्वारा उत्पादित प्रोटीन, दूध और वसा की औसत मात्रा। लगभग हर समूह में, दूध में प्रोटीन की मात्रा सबसे प्रभावशाली कारक थी। जैसे-जैसे गायें बड़ी होती गईं, कुल दूध की मात्रा का महत्व बढ़ता गया, और अंततः सबसे पुरानी गायों के लिए यह प्रमुख भविष्यवक्ता बन गया। यह जैविक रूप से तर्कसंगत है, क्योंकि थन में संक्रमण अक्सर दूध उत्पादन की क्षमता को बाधित करता है और इसकी संरचना को बदल देता है। अन्य कारक, जैसे कि 'ड्राई पीरियड' (दूध निकालना बंद करने की अवधि) की लंबाई और जिस उम्र में गाय पहली बार माँ बनी, ने माध्यमिक भूमिका निभाई, लेकिन उनकी महत्ता गाय के जीवन के चरण के आधार पर बदलती रही। युवा गायों के लिए, पहली बार जन्म लेने की आयु अधिक महत्वपूर्ण थी, जबकि मध्यम आयु वाली गायों के लिए, लैक्टेशन के बीच विश्राम की अवधि एक मजबूत संकेत बन गई।

हालांकि, अध्ययन ने एक महत्वपूर्ण सीमा को भी उजागर किया। जबकि मॉडल पहले कुछ लैक्शन समूहों के लिए अच्छी तरह से काम करते थे, सबसे पुराने समूह, यानी चार से अधिक बछड़ों वाली गायों के लिए उनकी सटीकता उल्लेखनीय रूप से गिर गई। इन पुरानी गायों के लिए सहसंबंध गिरकर लगभग 0.50 हो गया, और भविष्यवाणियों में त्रुटि बढ़ गई। शोधकर्ता इस गिरावट का कारण तकनीक की विफलता नहीं, बल्कि स्वयं डेटा की प्रकृति को मानते हैं। इन पुरानी गायों के लिए रिकॉर्ड बहुत कम थे—पूरे डेटासेट में केवल 338 रिकॉर्ड थे जबकि पहली बार माँ बनने वाली गायों के लिए 4,000 से अधिक थे। इतने कम डेटा से सीखने के लिए, और पुरानी गायों द्वारा अधिक विविध और अप्रत्याशित स्वास्थ्य पैटर्न प्रदर्शित करने के कारण, कंप्यूटरों के लिए एक विश्वसनीय पैटर्न खोजना बहुत कठिन हो गया। यह सुझाव देता है कि हालांकि मशीन लर्निंग शक्तिशाली है, फिर भी इसे प्रभावी ढंग से काम करने के लिए पर्याप्त डेटा की आवश्यकता होती है।

निष्कर्ष बताते हैं कि किसानों को नियमित परीक्षणों के बीच थन के स्वास्थ्य को बेहतर ढंग से समझने के लिए महंगे नए सेंसर या जटिल उपकरणों की आवश्यकता नहीं है। उत्पादन और प्रजनन संबंधी डेटा का उपयोग करके, जो वे पहले से ही एकत्र कर रहे हैं, और इन अधिक परिष्कृत कंप्यूटर मॉडलों को लागू करके, वे संभावित रूप से उन गायों की पहचान कर सकते हैं जिनमें मास्टिटिस विकसित होने का खतरा है। बेयसियन न्यूरल नेटवर्क और रैंडम फॉरेस्ट मॉडल इस कार्य के लिए सबसे विश्वसनीय उपकरण सिद्ध हुए, जो डेयरी झुंड के दैनिक जीवन में छिपे हुए संबंधों को देखने का एक तरीका प्रदान करते हैं। फिर भी, शोधकर्ता चेतावनी देते हैं कि ये मॉडल ईरान के एक एकल झुंड के डेटा पर आधारित थे। इससे पहले कि इस दृष्टिकोण को दुनिया भर के फार्मों में लागू किया जा सके, इसे विभिन्न प्रबंधन शैलियों और आनुवंशिक पृष्ठभूमि वाले विभिन्न झुंडों पर परखा जाना चाहिए। यह तकनीक नियमित फार्म रिकॉर्ड को एक सक्रिय स्वास्थ्य निगरानी प्रणाली में बदलने की बड़ी क्षमता दिखाती है, लेकिन यह अभी तक हर डेयरी संचालन के लिए एक पूर्ण समाधान नहीं है।