Yapay zekâ buzağılarda hastalıkları erken tespit edecek

Estonya Yaşam Bilimleri Üniversitesi'nde (Eesti Maaülikool) yürütülen bir araştırmada, buzağıların sağlık sorunlarını hastalık gözle görülür hale gelmeden önce tespit etmek için deri altı sensörü ile yapay zekâyı birleştiren bir sistem geliştirildi. Çiftlik hayvanları, özellikle sığırlar, doğaları gereği av hayvanıdır ve zayıflıklarını gizleme eğilimindedir. Bu nedenle bir hastalık fark edildiğinde tedavi genellikle geç kalır.

Deri altı sensörü ve yapay zekâ birlikte çalışıyor

Hayvanların sağlığını izlemek için onlarca yıldır rektal termometre kullanılıyor. Ancak bu yöntem hayvan için stresli, çalışan için riskli ve tıbbi olarak yeterince hassas değil. Alternatif olarak denenen yutulabilir rumen bolusları ve kulak içi termometreler de güvenilir sonuç vermedi. Araştırmada, aşı gibi buzağının boyun veya omuz bölgesine deri altına enjekte edilebilen implantlar (SCI) geliştirildi. Toplam 720 buzağıyla yapılan deneyde implantların hızlıca yerleştirilebildiği, anestezi veya tıraş gerektirmediği görüldü. Sadece on hayvana implant takılamadı. Daha da önemlisi, sensör hayvanın yaşamı boyunca güvenli şekilde kaldı.

Hayvanın bulunduğu ortam, deri altı sıcaklığını etkiliyor ve gerçek vücut çekirdek sıcaklığından farklılaştırıyor. Soğuk ahırda deri soğurken sıcak ortamda ısınarak gerçek ateşi gizleyebiliyor. Çevresel etkiler nedeniyle ilk ham veriler tanıda yeterince kullanılamadı. Bu noktada yapay zekâ devreye girdi. Makine öğrenmesi algoritmaları ve 160 binden fazla klinik deneyden toplanan eğitim verisiyle sistem eğitildi. Veriler deri altı sıcaklığı, kesin hava koşulları ve kontrol değeri olarak yutulabilir sensörlerle ölçülen gerçek vücut iç sıcaklığını içeriyordu.

Model, deri altı sensör verisiyle hava durumu verilerini birlikte işleyerek çevresel etkiyi ayıklamayı ve hayvanın gerçek vücut çekirdek sıcaklığını hesaplamayı öğrendi. Sonuç çığır açıcıydı: Başlangıçta deri altı ölçümünün gerçek çekirdek sıcaklığa kıyasla ortalama hatası 1,1 °C iken, yapay zekâ desteğiyle bu hata 0,4 °C'ye düştü. Sistem, hayvanları klinik olarak izlemek için yeterince hassas hale geldi.

Ateş yükü ile hastalık ayrımı

Tek başına ateş yükselmeleri her zaman müdahale gerektiren bir sağlık sorununa işaret etmeyebilir. Sistemin sürekli vücut sıcaklığı ölçümü sayesinde ateş yükü (CFL) hesaplanabiliyor. Tek bir ateş yükselmesine tepki vermek yerine sistem, sıcaklık artışının süresini ve şiddetini zaman içinde değerlendiriyor. Bu yaklaşım, aktivite, stres veya normal durumlardan kaynaklanan geçici sıcaklık artışlarını gerçek hastalıktan ayırmaya yardımcı oluyor. Ateş yükü izlenerek buzağılarda zatürre veya ishal gibi sinsi hastalıklar, çiftçinin fark etmesinden birkaç gün önce tespit edilebiliyor.

Araştırmacı Rait Rand'a göre teknoloji burada amaç değil, sonuçları tedavi etmekten hassas tedaviye geçişi sağlayan bir araç. Hastalığın erken tespiti daha isabetli ve zamanında müdahale imkânı sunuyor, geniş spektrumlu antibiyotik ihtiyacını azaltıyor, hayvan refahını iyileştiriyor ve hayvanların daha kısa süre hasta kalmasını sağlıyor. Ayrıca bir çalışan akıllı implantlar sayesinde yüzlerce buzağıyı izleyebiliyor ve hiçbiri ihmal edilmiyor.

Rand, telekomünikasyon, otomotiv, kontrol sistemleri ve elektronik alanlarında 20 yılı aşkın süredir geliştirme ekiplerini yöneten bir mühendis, bilim insanı ve girişimci. Şu anda üniversitede genç araştırmacı ve doktora öğrencisi olarak makine öğrenmesinin hayvan sağlığını daha iyi izlemesine yardımcı olacak uygulamalar üzerine çalışıyor. Haber, Estonya Bilimler Akademisi ve Estonya Doktora Okulu'nun düzenlediği "3 Dakikada Bilim" yarışması kapsamında yayımlandı. Yarışmanın finali 6 Ekim'de yapılacak.