پیش‌بینی مشکلات زایمان گاوها پیش‌از تلقیح، با کمک هوش مصنوعی در دامپروری

دانشمندان کامپیوتر دانشگاه خرونینگن، به‌منظور کاهش تعداد مشکلات زایمان در گاوها، از هوش مصنوعی برای ایجاد یک مدل پیش‌بینی استفاده‌ کرده‌اند. این مدل به‌صورت تئوری قادر است، مشکلات زایمان گاوها را پیش‌از تلقیح به نصف کاهش دهد، و یکی از مزیت‌های ارزنده‌ای است که هوش مصنوعی در دامپروری رقم زده است.

به گزارش هوشیو، درصد کمی از گاوها هنگام زایمان با مشکلاتی مواجه می‌شوند و پرورش‌دهندگان می‌خواهند بدانند کدام‌یک از گاوها در‌معرض خطر قرار دارند. دانشمندان کامپیوتر دانشگاه خرونینگن، با استفاده از مجموعه داده‌های شرکت گاوداری CRV، از هوش مصنوعی برای توسعه یک مدل پیش‌بینی ریسک در دامپروری استفاده کرده‌اند. این مدل قادر است در مرحله تئوری، تعداد مشکلات زایمان گاوها را به نصف کاهش دهد. آنها نتایج تحقیقات خود را در مجله Preventive Veterinary Medicine منتشر کردند.

گاوداری صنعتی مبتنی بر علم داده است که در آن شرکت‌های پرورش‌دهنده، اسپرم را از گاو نر تهیه می‌کنند و به‌این‌ترتیب موفقیت گوساله‌هایشان را به ثبت می‌رسانند. داده‌های مربوط به تولید شیر گاوها و بسیاری از خصوصیات دیگر، همراه با داده‌های ژنتیکی تمامی حیوانات، در یک پایگاه داده بزرگ جمع‌آوری و ذخیره می‌شوند. این اطلاعات به شرکت‌ها اجازه می‌دهد تا «ارزش اصلاحی برآورد‌شده» را به حیوانات نسبت دهند و مطابقت‌هایی را برای پرورش بهینه آن‌ها پیدا کنند. «ارزش اصلاحی برآورد‌شده» به‌عنوان یکی از مقوله‌های مهم اصلاح ‌نژاد به‌شمار می‌رود.

شناسایی خطراتی که سلامت و جان گوساله‌ها را تهدید می‌کند

یکی از جنبه‌های پرورش گاو، تولد گوساله است. در حدود ۳.۳ درصد از موارد نوعی عارضه در‌حین زایمان رخ می‌دهد، که به آن دیستوشی (سخت‌زایی) گفته می‌شود. احمد الصحاف توضیح می‌دهد: «این عارضه می‌تواند از نیاز به بیرون کشیدن گوساله تا نیاز به مداخله دامپزشکی بیشتر متغیر باشد.» مدل‌هایی برای پیش‌بینی خطر دیستوشی وجود دارد، اما این مدل‌ها با داده‌هایی کار می‌کنند که فقط پس‌از تلقیح در‌دسترس هستند. اما دانشمندان دانشگاه خرونینگن می‌خواستند، مدلی تولید نمایند که بتواند خطر را پیش‌از تلقیح پیش‌بینی نماید.

چالش‌های پیش‌رو، برای پیش‌بینی خطرات پیش‌از تلقیح

الصحاف اکنون به‌عنوان محقق فوق‌دکترا در گروه زیست پزشکی دانشگاه خرونینگن کار می‌کند، او در‌طول پروژه دکتری خود بر ‌روی یک مدل پیش‌بینی برای دیستوشی کار کرده است.

الصحاف می‌گوید: «از ما خواسته شد که این مدل را برای شرکت گاوداری CRV ایجاد کنیم و آن‌ها مجموعه‌ای از داده‌ها شامل اطلاعات گاو ماده و گاو نر به ما دادند. ما ابتدا از یک سیستم یادگیری ماشینی برای تجزیه‌و‌تحلیل داده‌ها و ایجاد یک مدل موقت استفاده کردیم. سپس بررسی کردیم که آیا مهم‌ترین عوامل خطر منطقی هستند یا خیرو براین‌اساس اقدام به ساخت یک مدل کامل کردیم.»

وی ادامه می‌دهد: «برای انجام این پروژه دو چالش اصلی وجود داشت: اولی پاکسازی و جمع‌آوری داده‌های موجود بود. مورد دوم این بود که تنها ۳.۳ درصد از گاوهای باردار دچار دیستوشی می‌شوند.» الصحاف توضیح می‌دهد: «این بدان معناست که یک عدم‌تعادل بزرگ در مجموعه داده‌های ما وجود داشت.» برای حل این مشکل او تعداد زیادی زیرمجموعه با داده‌های متعادل ایجاد کرد و آن‌ها را برای آموزش مدل پیش‌بینی جمع‌آوری نمود. وی افزود: «متعاقباً، این مدل را روی زیرمجموعه‌ای از داده‌هایی که برای آموزش استفاده نمی‌شد، آزمایش کردیم و نتایج را مطالعه نمودیم. درنهایت مشخص شد که این مدل به طرز قابل‌توجهی خوب عمل می‌کند.»

یکی از همکاران ما محاسبه کرد که در شرایط ایده‌آل، مدل ما می‌تواند خطر دیستوشی را تقریباً به نصف کاهش دهد. اما این نیاز به یک ترکیب ایده‌آل از گاو نر و گاو ماده دارد، که همیشه ممکن نیست. با این وجود، این مدل می‌تواند به کشاورزان و شرکت اصلاح‌کننده کمک کند، تا خطر جفت‌گیری‌های خاص را پیش‌از تلقیح ارزیابی نمایند. الصحاف یادآورشد: «این مهم است، زیرا تاکنون تمام مدل‌های دیگر نیاز به اطلاعات جمع آوری‌شده پس از تلقیح داشتند، و این روند به این معنی بود که شما واقعا از عوارض جلوگیری نمی‌کردید.»