Machine Learning for Predicting Somatic Cell Count in Holstein Cattle

No mundo da pecuária leiteira, a saúde do úbere de uma vaca é o fator mais crítico para determinar a qualidade do leite que ela produz. Os produtores dependem de uma medição específica chamada contagem de células somáticas para avaliar essa saúde. Pense nessas células como pequenos sentinelas; quando o úbere de uma vaca está saudável, a contagem é baixa. Quando uma infecção ou inflamação se instala, o corpo envia mais dessas células para combater o problema, fazendo com que o número suba bruscamente. Níveis elevados indicam mastite, uma condição dolorosa que não apenas fere o animal, mas também reduz a quantidade de leite que ele pode fornecer e diminui a qualidade do produto. O desafio para os produtores é que essas contagens de células não são medidas todos os dias. Em vez disso, elas são verificadas periodicamente, deixando lacunas de tempo onde a saúde de uma vaca pode estar mudando sem que ninguém saiba. Para preencher essas lacunas, os produtores há muito esperam que outros dados que já coletam diariamente — como o quanto de leite uma vaca produz, quanto de gordura e proteína há nesse leite e detalhes sobre seu histórico reprodutivo — possam servir como sinais de alerta precoce.

Por anos, cientistas tentaram usar fórmulas matemáticas padrão para conectar esses registros diários à saúde do úbere, mas a relação é desordenada e complexa. Os fatores que influenciam a saúde de uma vaca não seguem uma linha reta e previsível; eles interagem de formas que são difíceis de capturar com equações simples. Recentemente, uma equipe de pesquisadores no Irã recorreu a uma abordagem diferente: o aprendizado de máquina (machine learning). Estes são programas de computador projetados para encontrar padrões em dados que são complexos demais para os métodos tradicionais. Ao alimentar esses programas com anos de registros de um rebanho comercial de Holandesas, os pesquisadores visaram ver se poderiam construir um sistema que previsse a contagem de células somáticas usando apenas as informações rotineiras que os produtores já têm à mão. O objetivo deles não era apenas ver se era possível, mas determinar qual tipo de modelo computacional funcionava melhor e se a resposta mudava dependendo de quantas vezes uma vaca havia dado à luz.

Os pesquisadores reuniram dados de um grande rebanho de vacas Holandesas, focando em treze informações diferentes registradas para cada animal. Isso incluiu a idade da vaca, há quanto tempo ela estava prenhe, quanto tempo ela ficou sem ser ordenhada antes de dar à luz e sua produção diária de leite, gordura e proteína. Eles também rastrearam seu histórico reprodutivo, como o tempo que levou para conceber após o parto. Após limparem os dados para remover erros e valores discrepantes (outliers), restaram quase dez mil registros. Como a biologia de uma vaca muda significativamente conforme ela envelhece e tem mais bezerros, a equipe não tratou todas as vacas da mesma forma. Em vez disso, dividiram os dados em cinco grupos distintos: mães de primeira viagem, mães de segunda viagem, mães de terceira viagem, mães de quarta viagem e aquelas com mais de quatro crias. Essa separação foi crucial, pois as regras que regem a saúde de uma vaca jovem são frequentemente diferentes das de um animal mais velho e experiente.

Para encontrar a melhor maneira de prever a contagem de células, a equipe testou sete abordagens diferentes de modelagem computacional. Começaram com três métodos tradicionais, que dependem de equações lineares para traçar uma linha reta através dos dados. Em seguida, testaram quatro métodos não lineares mais avançados, que podem se dobrar e contorcer para se ajustar a padrões complexos. Estes incluíam uma Rede Neural Bayesiana, que imita a forma como o cérebro humano processa informações, uma Floresta Aleatória (Random Forest), que constrói muitas árvores de decisão e combina suas respostas, e outros dois sistemas baseados em árvores que classificam os dados em categorias. Eles treinaram esses modelos em três quartos dos dados e depois os testaram no quarto restante para ver quão bem conseguiam prever a contagem de células para vacas que nunca haviam visto antes.

Os resultados mostraram uma divisão clara entre as formas antigas e novas de pensar. Os modelos lineares tradicionais lutaram para capturar as nuances dos dados, muitas vezes errando o alvo ao prever a contagem de células. Em contraste, os modelos não lineares mais flexíveis tiveram um desempenho significativamente melhor. Entre estes, a Rede Neural Bayesiana e a Floresta Aleatória emergiram como os melhores desempenhadores. Nos primeiros grupos de lactação, esses modelos avançados alcançaram uma correlação com os dados reais que variou de aproximadamente 0,62 a 0,70. Embora isso possa parecer técnico, traduz-se em uma capacidade significativa de prever tendidades que os métodos antigos simplesmente não conseguiam igualar. Os modelos computacionais foram capazes de aprender que a relação entre a produção de leite e a saúde do úbere não é fixa; ela muda e se transforma dependendo da idade e do histórico da vaca.

Quando os pesquisadores analisaram de perto o que os modelos estavam realmente observando, uma história consistente surgiu. As pistas mais importantes para prever a saúde do úbere foram os traços de produção: a média de proteína, leite e gordura produzida pela vaca. Em quase todos os grupos, a quantidade de proteína no leite foi o fator individual mais influente. À medida que as vacas envelheciam, a importância do volume total de leite cresceu, tornando-se eventualmente o principal preditor para as vacas mais velhas. Isso faz sentido biológico, pois uma infecção no úbere frequentemente interrompe a capacidade da vaca de produzir leite e altera sua composição. Outros fatores, como a duração do período seco e a idade em que a vaca deu à luz pela primeira vez, desempenharam um papel secundário, mas sua importância mudou dependendo do estágio de vida da vaca. Para vacas mais jovens, a idade do primeiro parto importava mais, enquanto para vacas de meia-idade, o tempo de período de descanso entre as lactações tornou-se um sinal mais forte.

No entanto, o estudo também revelou uma limitação significativa. Embora os modelos tenham funcionado bem para vacas em suas primeiras lactações, sua precisão caiu visivelmente para o grupo mais velho, aquelas com mais de quatro crias. A correlação para essas vacas mais velhas caiu para cerca de 0,50, e o erro nas previsões aumentou. Os pesquisadores atribuem isso não a uma falha da tecnologia, mas à própria natureza dos dados. Havia muito menos registros para essas vacas mais velhas — apenas cerca de 338 em todo o conjunto de dados, comparado a mais de 4.000 para as mães de primeira viagem. Com tão poucos dados para aprender, e com vacas mais velhas exibindo padrões de saúde mais variados e imprevisíveis, os computadores acharam muito mais difícil encontrar um padrão confiável. Isso sugere que, embora o aprendizado de máquina seja poderoso, ele ainda precisa de dados suficientes para funcionar de forma eficaz.

As descobertas sugerem que os produtores não precisam de sensores caros ou equipamentos complexos para ter um melhor controle sobre a saúde do úbere entre os testes de rotina. Ao utilizar os dados de produção e reprodução que já estão coletando, e ao aplicar esses modelos computacionais mais sofisticados, eles poderiam potencialmente identificar vacas que correm o risco de desenvolver mastite mais cedo do que antes. Os modelos de Rede Neural Bayesiana e Floresta Aleatória provaram ser as ferramentas mais confiáveis para este trabalho, oferecendo uma maneira de visualizar as conexões ocultas na vida diária de um rebanho leiteiro. No entanto, os pesquisadores alertam que esses modelos foram construídos com dados de um único rebanho no Irã. Antes que essa abordagem possa ser implementada em fazendas ao redor do mundo, ela precisa ser testada em diferentes rebanhos com diferentes estilos de manejo e origens genéticas. A tecnologia mostra grande potencial para transformar registros rotineiros de fazendas em um sistema proativo de monitoramento de saúde, mas ainda não é uma solução final para todas as operações leiteiras.