Machine Learning for Predicting Somatic Cell Count in Holstein Cattle

In de wereld van de zuivelproductie is de gezondheid van de uier van een koe de meest kritieke factor die de kwaliteit van de geproduceerde melk bepaalt. Boeren vertrouwen op een specifieke meting genaamd het somatisch celgetal om deze gezondheid te peilen. Zie deze cellen als kleine wachters; wanneer de uier van een koe gezond is, is het aantal laag. Wanneer een infectie of ontsteking de kop opsteekt, stuurt het lichaam meer van deze cellen om het probleem te bestrijden, waardoor het aantal scherp stijgt. Hoge niveaus duiden op mastitis, een pijnlijke aandoening die niet alleen het dier pijn doet, maar ook de hoeveelheid melk die het kan geven vermindert en de kwaliteit van het product verlaagt. De uitdaging voor boeren is dat deze celgetallen niet dagelijks worden gemeten. In plaats daarvan worden ze periodiek gecontroleerd, waardoor er tijdsperioden ontstaan waarin de gezondheid van een koe kan veranderen zonder dat iemand het weet. Om deze hiaten op te vullen, hoopten boeren al lang dat andere gegevens die ze dagelijks al verzamelen — zoals de hoeveelheid melk die een koe produceert, het vet- en eiwitgehalte in die melk, en details over haar voortplantingsgeschiedenis — als vroege waarschuwingssignalen zouden kunnen dienen.

Jarenlang hebben wetenschappers geprobeerd om standaard wiskundige formules te gebruiken om deze dagelijkse gegevens te koppelen aan de gezondheid van de uier, maar de relatie is rommelig en complex. De factoren die de gezondheid van een koe beïnvloeden, volgen geen rechte, voorspelbare lijn; ze interageren op manieren die moeilijk te vangen zijn met eenvoudige vergelijkingen. Recentelijk heeft een team onderzoekers in Iran een andere aanpak gekozen: machine learning. Dit zijn computerprogramma's die ontworpen zijn om patronen te vinden in gegevens die te ingewikkeld zijn voor traditionele methoden. Door deze programma's jaren aan gegevens van een commerciële Holstein-veestapel te voeden, wilden de onderzoekers zien of ze een systeem konden bouwen dat het somatisch celgetal voorspelt met behulp van de routinematige informatie die boeren al tot hun beschikking hebben. Hun doel was niet alleen om te zien of het mogelijk was, maar ook om te bepalen welk type computermodel het beste werkte en of het antwoord veranderde afhankelijk van hoe vaak een koe was gekalft.

De onderzoekers verzamelden gegevens van een grote veestapel Holstein-koeien, waarbij ze zich concentreerden op dertien verschillende stukjes informatie die voor elk dier werden geregistreerd. Dit omvatte de leeftijd van de koe, hoe lang ze drachtig was geweest, hoe lang ze niet gemolken was vóór het kalven, en haar dagelijkse productie van melk, vet en eiwit. Ze volgden ook haar voortplantingsgeschiedenis, zoals hoe lang het duurde voordat ze na het kalven weer drachtig werd. Na het opschonen van de gegevens om fouten en uitschieters te verwijderen, bleven er bijna tienduizend records over. Omdat de biologie van een koe aanzienlijk verandert naarmate ze ouder wordt en meer kalveren krijgt, behandelde het team de koeien niet allemaal hetzelfde. In plaats daarvan verdeelden ze de gegevens in vijf afzonderlijke groepen: eerstgeboren moeders, tweede moeders, derde moeders, vierde moeders en zij met meer dan vier kalveren. Deze scheiding was cruciaal, aangezien de regels die de gezondheid van een jonge koe beheersen, vaak verschillen van die van een oudere, meer ervaren koe.

Om de beste manier te vinden om het celgetal te voorspellen, testte het team zeven verschillende computermodelleringstechnieken. Ze begonnen met drie traditionele methoden, die vertrouwen op lineaire vergelijkingen om een rechte lijn door de gegevens te trekken. Vervolgens testten ze vier meer geavanceerde, niet-lineaire methoden die kunnen buigen en draaien om complexe patronen te volgen. Deze omvatten een Bayesiaans neuraal netwerk, dat de manier nabootst waarop het menselijk brein informatie verwerkt; een Random Forest, die veel beslissingsbomen bouwt en hun antwoorden combineert; en twee andere boomgebaseerde systemen die gegevens in categorieën sorteren. Ze trainden deze modellen op drie kwart van de gegevens en testten ze vervolgens op het resterende kwart om te zien hoe goed ze het celgetal konden voorspellen voor koeien die ze nog nooit eerder hadden gezien.

De resultaten toonden een duidelijke kloof tussen de oude en de nieuwe manier van denken. De traditionele lineaire modellen worstelden met het vastleggen van de nuances in de gegevens en misten vaak de plank bij het voorspellen van het celgetal. Daarentegen presteerden de flexibelere, niet-lineaire modellen aanzienlijk beter. Onder deze waren het het Bayesiaans neuraal netwerk en de Random Forest die als de beste presteerders naar voren kwamen. In de eerste paar lactatiegroepen bereikten deze geavanceerde modellen een correlatie met de werkelijke gegevens die varieerde van ongeveer 0,62 tot 0,70. Hoewel dit technisch kan klinken, vertaalt het zich naar een betekenisvolle bekwaamheid om trends te voorspellen die de oudere methoden simpelweg niet konden evenaren. De computermodellen waren in staat om te leren dat de relatie tussen melkproductie en uiergezondheid niet vaststaat; deze verschuift en verandert afhankelijk van de leeftijd en geschiedenis van de koe.

Toen de onderzoekers nauwkeurig keken naar waar de modellen daadwerkelijk op letten, kwam er een consistent verhaal naar voren. De belangrijkste aanwijzingen voor het voorspellen van de uiergezondheid waren de productiekenmerken: de gemiddelde hoeveelheid eiwit, melk en vet die de koe produceerde. In bijna elke groep was de hoeveelheid eiwit in de melk de meest invloedrijke factor. Naarmate de koeien ouder werden, nam het belang van het totale melkvolume toe, wat uiteindelijk de belangrijkste voorspeller werd voor de oudste koeien. Dit is biologisch gezien logisch, aangezien een infectie in de uier vaak de capaciteit van de koe om melk te produceren verstoort en de samenstelling ervan verandert. Andere factoren, zoals de lengte van de droogperiode en de leeftijd waarop de koe voor het eerst een kalf kreeg, speelden een secundaire rol, maar hun belang verschoof afhankelijk van de levensfase van de koe. Voor jongere koeien was de leeftijd bij de eerste kalfsvorming belangrijker, terwijl voor middelbare koeien de lengte van de rustperiode tussen de lactaties een sterker signaal werd.

De studie onthulde echter ook een belangrijke beperking. Hoewel de modellen goed werkten voor koeien in hun eerste paar lactaties, nam hun nauwkeurigheid aanzienlijk af voor de oudste groep, zij met meer dan vier kalveren. De correlatie voor deze oudere koeien daalde naar ongeveer 0,50 en de fout in de voorspellingen nam toe. De onderzoekers schrijven dit niet toe aan een falen van de technologie, maar aan de aard van de gegevens zelf. Er waren veel minder gegevens beschikbaar voor deze oudere koeien — slechts ongeveer 338 in de gehele dataset vergeleken met meer dan 4.000 voor de eerstgeboren moeders. Met zo weinig gegevens om van te leren, en met het feit dat oudere koeien meer variabele en onvoorspelbare gezondheidspatronen vertonen, vonden de computers het veel moeilijker om een betrouwbaar patroon te vinden. Dit suggereert dat hoewel machine learning krachtig is, het nog steeds voldoende gegevens nodig heeft om effectief te werken.

De bevindingen suggereren dat boeren geen dure nieuwe sensoren of complexe apparatuur nodig hebben om een beter inzicht te krijgen in de uiergezondheid tussen de routinematige tests door. Door de productie- en voortplantingsgegevens die ze al verzamelen te gebruiken, en door deze meer geavanceerde computermodellen toe te passen, zouden ze potentieel koeien die een risico lopen op het ontwikkelen van mastitis eerder kunnen identificeren dan voorheen. Het Bayesiaans neuraal netwerk en de Random Forest-modellen bleken de meest betrouwbare instrumenten voor deze taak, die een manier bieden om de verborgen verbanden in het dagelijks leven van een melkveestapel te zien. Toch waarschuwen de onderzoekers dat deze modellen zijn gebouwd op gegevens van een enkele veestapel in Iran. Voordat deze aanpak wereldwijd op boerderijen kan worden toegepast, moet het worden getest op verschillende veestapels met verschillende managementstijlen en genetische achtergronden. De technologie toont groot potentieel om routinematige boerderijgegevens om te vormen tot een proactief monitoringsysteem voor de gezondheid, maar het is nog geen voltooide oplossing voor elke melkveestartbedrijf.