Erkennung von Azidose mithilfe von maschinellem Lernen

Erkennung von Azidose mithilfe von maschinellem Lernen

Subakute Pansenübersäuerung (SARA) kann zu reduziertem Milchertrag, Fettproduktion und Faserverdauung führen. Forscher aus Quebec haben mithilfe von Maschinenlernen versucht, diese versteckte Krankheit im Pansen zu untersuchen. Neben Produktionsverlusten fördert SARA auch Entzündungen bei Kühen, was zu einer verminderten Gesundheit führt. Rumen-pH-Wert ist ein wichtiger Indikator für SARA, da ein pH-Wert von 5,8 oder darunter für mehrere Minuten pro Tag auf eine SARA hindeutet. Rumen-pH-Wert von 6,2 ist ideal. Flüchtige Fettsäuren (VFA) sind eine Energiequelle, die durch die Fermentation von Futtermitteln im Pansen entsteht. Wenn diese VFA in Überschuss anfallen, z.B. bei hohen Konzentratdiäten, sinkt der Rumen-pH-Wert, was zu einer Verschiebung der Pansenmikroorganismen führt.

Um den SARA-Status einer Herde besser kontrollieren zu können, suchten Forscher nach einem Ersatzmesswert für den schwer direkt messbaren Rumen-pH-Wert. Unter normalen Bedingungen ist Fett eine fantastische Energiequelle für Kühe während der Laktation. Wenn jedoch der pH-Wert niedrig ist, wird der Prozess der Fettsäurebildung für die Milchproduktion gestört. Das Team erwartete, dass die Reaktion in einem kommerziellen Betrieb anders sein könnte als in einem Forschungsumfeld. Sie versuchten herauszufinden, ob sich Fettprofilveränderungen in der Milch als nicht-invasiver Indikator für SARA bei Kühen in kommerziellen Betrieben eignen. Trotz Heterogenität der Datensätze fühlten sie sich zuversichtlich, dass das Tool auf Herdenebene Einschränkungen finden kann. Durch die Verwendung von Fourierspektrometrie-ermittelten Milchfettsäuredaten konnten die Forscher die SARA-Prävalenz zuverlässig vorhersagen.

Die Anwendung des Computersystems auf einen großen Datensatz ergab eine durchschnittliche vorhergesagte SARA-Prävalenz von 6,6% bei fast 220.000 Kühen. Der Herdenanteil variierte zwischen 0% und 40%. Der Computer konnte auch Faktoren identifizieren, die mit einer höheren vorhergesagten SARA-Prävalenz in Verbindung stehen, wie z.B. Robotermelksysteme, Herdengröße, saisonale Effekte, höherer Milchertrag und gesunkener Milchfettanteil. Die Forscher vermuten, dass höhere Milchbildungsraten zu einer höheren SARA-Prävalenz führen, möglicherweise aufgrund der Zugabe von mehr Konzentrat zur Unterstützung der Produktion. Es wurde jedoch festgestellt, dass eine höhere Milchfettmenge auf eine angemessene Futteraufnahme hinweist und eine geringe Wahrscheinlichkeit für SARA bedeutet.

Es war schwierig, den Zusammenhang zwischen vorhergesagter SARA-Prävalenz und den Diäten der 3000 Herden zu analysieren, da diese Informationen nicht verfügbar waren. Daher kann keine Diätursache angenommen werden. Durch die Erkenntnisse hoffen die Forscher, Herden zu helfen, SARA zu erkennen und zu beseitigen. Die Ergebnisse wurden in einem peer-reviewed Artikel im Journal of Dairy Science zusammengefasst und sind auf der Website www.journalofdairyscience.org verfügbar. Weitere Informationen finden sich im monatlichen Podcast “Dairy Science Digest” auf verschiedenen Plattformen.