Machine Learning for Predicting Somatic Cell Count in Holstein Cattle

Nel mondo dell'allevamento lattiero-caseario, la salute della mammella di una vacca è il fattore più critico che determina la qualità del latte prodotto. Gli allevatori si affidano a una misurazione specifica chiamata conta dei globuli somatici per valutare questa salute. Considerate questi globuli come piccole sentinelle; quando la mammella di una vacca è sana, il conteggio è basso. Quando un'infezione o un'infiammazione prende il sopravvento, il corpo invia più di queste cellule per combattere il problema, facendo aumentare bruscamente il numero. Livelli elevati indicano la mastite, una condizione dolorosa che non solo danneggia l'animale, ma riduce anche la quantità di latte che può dare e abbassa la qualità del prodotto. La sfida per gli allevatori è che questi conteggi cellulari non vengono misurati ogni giorno. Invece, vengono controllati periodicamente, lasciando intervalli di tempo in cui la salute di una vacca potrebbe cambiare senza che nessuno lo sappia. Per colmare queste lacune, gli allevatori sperano da tempo che altri dati che già raccolgono ogni giorno — come la quantità di latte che una vacca produce, quanto grasso e proteine ci sono in quel latte e i dettagli sulla sua storia riproduttiva — possano servire come segnali di allerta precoce.

Per anni, gli scienziati hanno cercato di usare formule matematiche standard per collegare questi registri quotidiani alla salute della mammella, ma la relazione è disordinata e complessa. I fattori che influenzano la salute di una vacca non seguono una linea retta e prevedibile; interagiscono in modi che sono difficili da catturare con semplici equazioni. Recentemente, un team di ricercatori in Iran si è rivolto a un approccio diverso: il machine learning. Si tratta di programmi informatici progettati per trovare schemi nei dati che sono troppo complicati per i metodi tradizionali. Alimentando questi programmi con anni di registri provenienti da un gregge commerciale di Holstein, i ricercatori miravano a vedere se potessero costruire un sistema in grado di prevedere la conta dei globuli somatici utilizzando solo le informazioni di routine che gli allevatori hanno già a disposizione. Il loro obiettivo non era solo vedere se fosse possibile, ma determinare quale tipo di modello informatico funzionasse meglio e se la risposta cambiasse a seconda di quante volte una vacca avesse partorito.

I ricercatori hanno raccolto dati da un grande gregge di vacche Holstein, concentrandosi su tredici diversi pezzi di informazione registrati per ogni animale. Questo includeva l'età della vacca, quanto tempo era stata incinta, quanto tempo era rimasta senza essere munta prima del parto e la sua produzione giornaliera di latte, grassi e proteine. Hanno anche monitorato la sua storia riproduttiva, come ad esempio quanto tempo ci era voluto per concepire dopo il parto. Dopo aver pulito i dati per rimuovere errori ed outlier, si sono ritrovati con quasi diecimila record. Poiché la biologia di una vacca cambia significativamente con l'invecchiamento e il numero di vitelli partoriti, il team non ha trattato tutte le vacche allo stesso modo. Invece, ha suddiviso i dati in cinque gruppi distinti: primipare, seconde partorienti, terze partorienti, quarte partorienti e quelle con più di quattro parti. Questa separazione era cruciale, poiché le regole che governano la salute di una giovane vacca sono spesso diverse da quelle di un animale più vecchio e sperimentato.

Per trovare il modo migliore per prevedere la conta cellulare, il team ha testato sette diversi approcci di modellazione informatica. Sono partiti con tre metodi tradizionali, che si affidano a equazioni lineari per tracciare una linea retta attraverso i dati. Successivamente, hanno testato quattro metodi non lineari più avanzati, capaci di piegarsi e torcersi per adattarsi a schemi complessi. Questi includevano una Rete Neurale Bayesiana, che imita il modo in cui il cervello umano elabora le informazioni, una Random Forest, che costruisce molti alberi decisionali e combina le loro risposte, e altri due sistemi basati su alberi che classificano i dati in categorie. Hanno addestrato questi modelli su tre quarti dei dati e poi li hanno testati sul quarto rimanente per vedere quanto bene potessero prevedere la conta cellulare di vacche che non avevano mai visto prima.

I risultati hanno mostrato una netta divisione tra i vecchi e i nuovi modi di pensare. I modelli lineari tradizionali faticavano a catturare le sfumature dei dati, mancando spesso l'obiettivo nel prevedere la conta cellulare. Al contrario, i modelli non lineari, più flessibili, hanno ottenuto prestazioni significativamente migliori. Tra questi, la Rete Neurale Bayesiana e la Random Forest sono emerse come i top performer. Nei primi gruppi di lattazione, questi modelli avanzati hanno raggiunto una correlazione con i dati reali che variava approssimativamente tra 0,62 e 0,70. Sebbene questo possa sembrare tecnico, si traduce in una capacità significativa di prevedere tendenze che i metodi più vecchi semplicemente non potevano eguagliare. I modelli informatici sono stati in grado di apprendere che la relazione tra la produzione di latte e la salute della mammella non è fissa; essa cambia e si sposta a seconda dell'età e della storia della vacca.

Quando i ricercatori hanno esaminato da vicino a cosa stavano prestando attenzione i modelli, è emersa una storia coerente. Gli indizi più importanti per prevedere la salute della mammella erano i tratti produttivi: la quantità media di proteine, latte e grassi prodotti dalla vacca. In quasi ogni gruppo, la quantità di proteine nel latte è stata il fattore più influente. Man mano che le vacche invecchiavano, l'importanza del volume totale di latte cresceva, diventando infine il principale predittore per le vacche più anziane. Ciò ha senso dal punto di stato biologico, poiché un'infezione alla mammella spesso interrompe la capacità della vacca di produrre latte e ne altera la composizione. Altri fattori, come la durata del periodo di asciutta e l'età in cui la vacca è partorita per la prima volta, hanno giocato un ruolo secondario, ma la loro importanza cambiava a seconda della fase di vita della vacca. Per le vacche giovani, l'età al primo parto contava di più, mentre per le vacche di mezza età, la durata del periodo di riposo tra le lattazioni diventava un segamento più forte.

Tuttavia, lo studio ha anche rivelato un limite significativo. Sebbene i modelli funzionassero bene per le vacche nelle prime fasi di lattazione, la loro accuratezza diminuiva sensibilmente per il gruppo più anziano, ovvero quello con più di quattro parti. La correlazione per queste vacche più vecchie è scesa intorno a 0,50 e l'errore nelle previsioni è aumentato. I ricercatori attribuiscono questo non a un fallimento della tecnologia, ma alla natura stessa dei dati. C'erano molti meno record per queste vacche più anziane — solo circa 338 nell'intero dataset rispetto a oltre 4.000 per le primipare. Con così pochi dati a disposizione per imparare, e con le vacche più anziane che mostrano schemi di salute più vari ed imprevedibili, i computer hanno trovato molto più difficile individuare un modello affidabile. Ciò suggerisce che, sebbene il machine learning sia potente, ha comunque bisogno di abbastanza dati per funzionare efficacementamente.

Le scoperte suggeriscono che gli allevatori non hanno bisogno di nuovi sensori costosi o attrezzature complesse per avere una gestione migliore della salute della mammella tra i test di routine. Utilizzando i dati di produzione e riproduttivi che già raccolgono, e applicando questi modelli informatici più sofisticati, potrebbero potenzialmente identificare le vacche a rischio di sviluppare la mastite prima rispetto al passato. La Rete Neurale Bayesiana e la Random Forest si sono dimostrate gli strumenti più affidabili per questo compito, offrendo un modo per vedere le connessioni nascoste nella vita quotidiana di un gregge lattiero-caseario. Tuttavia, i ricercatori avvertono che questi modelli sono stati costruiti su dati provenienti da un singolo gregge in Iran. Prima che questo approccio possa essere implementato nelle fattorie di tutto il mondo, deve essere testato su diversi greggi con diversi stili di gestione e background genetici. La tecnologia mostra grande promessa nel trasformare i registri agricoli di routine in un sistema di monitoraggio proattivo della salute, ma non è ancora una soluzione finita per ogni operazione lattiero-casearia.