Machine Learning for Predicting Somatic Cell Count in Holstein Cattle

酪農の世界において、牛の乳房の健康状態は、生産されるミルクの品質を決定づける最も重要な要因です。農家は、牛の健康状態を測るために「体細胞数」と呼ばれる特定の指標に頼っています。これらの細胞を、小さな「番兵」と考えてみてください。牛の乳房が健康なとき、その数は低くなります。感染症や炎症が発生すると、体がその問題と戦うためにこれらの細胞をより多く送り込むため、数は急激に上昇します。高い数値は乳房炎を示しており、これは動物にとって苦痛であるだけでなく、ミルクの量も減少させ、製品の品質も低下させる状態です。農家にとっての課題は、これらの細胞数が毎日測定されているわけではないことです。代わりに、これらは定期的にチェックされるため、誰にも気づかれずに牛の健康状態が変化してしまう空白の時間が生まれてしまいます。この空白を埋めるために、農家は、すでに毎日収集している他のデータ、例えば、牛がどれだけの量のミルクを生産したか、そのミルクの中にどれだけの脂肪やタンлоタンパク質が含まれているか、そして彼女の繁殖歴の詳細などが、早期警戒信号として機能することを長年期待してきました。

長年、科学者たちは、これらの日常的な記録を乳房の健康状態と結びつけるために標準的な数学的公式を使おうとしてきましたが、その関係性は乱雑で複雑でした。牛の健康に影響を与える要因は、単純な予測可能な直線には従わず、単純な方程式では捉えにくい方法で相互に作用し合います。最近、イランの研究チームは、異なるアプローチ、すなわち「機械学習」に目を向けました。これは、伝統的な手法では複雑すぎるデータのパターンを見つけ出すために設計されたコンピュータプログラムです。研究者たちは、商業用のホルスタイン種の群れの数年分の記録をこれらのプログラムに読み込ませることで、農家がすでに手元に持っている日常的な情報のみを使用して、体細胞数を予測するシステムを構築できるかどうかを検証することを目指しました。彼らの目的は、それが可能かどうかを確認することだけでなく、どのタイプのコンピュータモデルが最も効果的に機能するか、そしてその答えが牛の出産回数によって変わるかどうかを判断することでした。

研究者たちは、ホルスタイン種の大きな群れからデータを収集し、各個体について記録された13種類の異なる情報に焦に焦点を当てました。これには、牛の年齢、妊娠期間、出産前の搾乳停止期間、そして日々の乳量、脂肪量、タンパク質量が含まれます。また、出産後の受胎にかかった期間などの繁殖歴も追跡しました。エラーや外れ値を取り除くためのデータクリーニングを行った結果、約1万件の記録が残りました。牛の生物学的な性質は、加齢や出産回数とともに大きく変化するため、チームはすべての牛を同じものとして扱いませんでした。代わりに、データを5つの明確なグループに分けました：初産牛、2産牛、3産牛、4産牛、そして4回以上の出産経験がある牛です。この分離は極めて重要でした。なぜなら、若い牛の健康を支配するルールは、年配の経験豊富な動物のルールとはしばしば異なるからです。

最適な体細胞数の予測方法を見つけるために、チームは7つの異なるコンピュータモデリング手法をテストしました。まず、データの間に直線を描く線形方程式に依存する3つの伝統的な手法から始めました。次に、複雑なパターンに合わせて曲がったりねじれたりすることができる、より高度な非線形の手法4つをテストしました。これらには、人間の脳の情報処理プロセスを模倣したベイズ・ニューラルネットワーク、多くの決定木を構築してその回答を組み合わせるランダムフォレスト、そしてデータをカテゴリーに分類する他の2つのツリーベースのシステムが含まれます。彼らはこれらのモデルをデータの4分の3で学習させ、残りの4分の1で、これまで見たことのない牛の体細胞数をどれだけ正確に予測できるかをテストしました。

結果は、古い考え方と新しい考え方の間の明確な隔たりを示しました。伝統的な線形モデルはデータの微妙なニュアンスを捉えるのに苦労し、体細胞数を予測する際に的外れになることがよくありました。対照的に、より柔軟な非線形モデルは著しく優れた性能を発揮しました。これらの中で、ベイズ・ニューラルネットワークとランダムフォレストがトップの成績を収めました。最初の数回の泌乳グループにおいて、これらの高度なモデルは、実際のデータとの間で約0.62から0.70の範囲の相関関係を達成しました。これは技術的に聞こえるかもしれませんが、古い手法では到底及ばない、トレンドを予測する有意義な能力を意味しています。コンピュータモデルは、ミルクの生産量と乳房の健康との関係が固定されたものではなく、牛の年齢や履歴に応じて変化することを学習することができました。

研究者がモデルが実際に何に注目しているのかを詳しく調べたところ、一貫した物語が浮かび上がってきました。乳房の健康を予測するための最も重要な手がかりは、生産特性、すなわち牛の平均的なタンパク質、ミルク、および脂肪の量でした。ほぼすべてのグループにおいて、ミルク中のタンパク質量が単一の最も影響力のある要因でした。牛が年を取るにつれて、総乳量の重要性が増し、最終的には最も高齢の牛にとって主要な予測因子となりました。これは生物学的に理にかなっています。なぜなら、乳房の感染症はしばしばミルクの生産能力を妨げ、その組成を変化させるからです。その他の要因、例えば乾乳期間や初産時の年齢などは二次的な役割を果たしましたが、その重要性は牛のライフステージによって変化しました。若い牛にとっては初産の年齢がより重要であり、中齢の牛にとっては泌乳間の休息期間がより強いシグナルとなりました。

しかし、研究は重大な限界も明らかにしました。モデルは最初の数回の泌乳における牛についてはうまく機能しましたが、4回以上の出産経験がある最も高齢のグループについては、精度が著しく低下しました。この高齢の牛における相関関係は約0.50にまで落ち込み、予測誤差が増大しました。研究者たちは、これをテクノロジーの失敗ではなく、データ自体の性質によるものと考えています。全データセットの中で、これらの高齢の牛の記録は、初産牛の4,000件以上に対し、わずか338件しかありませんでした。学習するためのデータが非常に少なく、また高齢の牛はより多様で予測不可能な健康パターンを示すため、コンピュータが信頼できるパターンを見つけることが非常に困難になったのです。これは、機械学習は強力ではあるものの、効果的に機能するためには十分なデータを必要とすることを示唆しています。

この知見は、農家が定期的な検査の合間に乳房の健康状態をより良く把握するために、高価な新しいセンサーや複雑な機器を必要としないことを示唆しています。すでに収集している生産および繁殖データを使用し、より洗練されたコンピュータモデルを適用することで、マスティティス（乳房炎）を発症するリスクのある牛を、従来よりも早く特定できる可能性があります。ベイズ・ニューラルネットワークとランダムフォレストのモデルは、この仕事において最も信頼できるツールであることが証明され、日常的な家畜の生活の中に隠されたつながりを見る方法を提供しました。しかし、研究者たちは、これらのモデルはイランの単一の群れのデータに基づいて構築されたものであると注意を促しています。このアプローチが世界中の農場に展開される前に、異なる管理スタイルや遺伝的背景を持つ異なる群れでテストされる必要があります。この技術は、日常的な農場の記録をプロアクティブな健康モニタリングシステムへと変える大きな可能性を示していますが、まだあらゆる酪農経営における完成された解決策ではありません。