Ein kleiner Prozentsatz der Kühe hat Probleme beim Kalben und die Züchter möchten wissen, welche Kühe gefährdet sind. Anhand des riesigen Datensatzes des niederländischen Rinderzuchtunternehmens CRV haben Informatiker der Universität Groningen mithilfe künstlicher Intelligenz ein Vorhersagemodell entwickelt, das theoretisch die Zahl der Kalbeprobleme halbieren könnte. Ihre Ergebnisse veröffentlichten sie in Präventive Veterinärmedizin.
Rinderzucht ist Data Science. Zuchtbetriebe stellen Bullensperma zur Verfügung und registrieren den Erfolg ihrer Nachzucht. Daten zur Milchleistung der Kühe und viele weitere Merkmale werden zusammen mit den genetischen Daten aller Tiere in einer riesigen Datenbank gesammelt und gespeichert. So können die Unternehmen den Tieren einen „geschätzten Zuchtwert“ zuordnen und Matches für eine optimale Zucht finden.
Ein Aspekt der Zucht ist die Geburt von Kälbern. In etwa 3,3 Prozent aller Fälle tritt während des Kalbens eine Komplikation auf, die als Dystokie bezeichnet wird. „Dies kann vom Ziehen des Kalbes bis hin zum tierärztlichen Eingreifen reichen“, erklärt Ahmad Alsahaf. „Es gibt Modelle, um das Dystokierisiko vorherzusagen, aber diese arbeiten mit Daten, die erst nach der Befruchtung verfügbar sind. Wir wollten ein Modell erstellen, das das Risiko vor der Befruchtung vorhersagen kann.“
Alsahaf arbeitet jetzt als Postdoktorand am Department of Biomedical Sciences of Cells & Systems des University Medical Center Groningen, aber er hat während seiner Promotion an einem Vorhersagemodell für Dystokie gearbeitet. Projekt in der Forschungsgruppe Intelligente Systeme am Bernoulli-Institut für Mathematik, Informatik und künstliche Intelligenz an der Universität Groningen in den Niederlanden.
„Wir wurden gebeten, dieses Modell für das Rinderzuchtunternehmen CRV zu erstellen, und sie gaben uns einen großen Datensatz mit Informationen über Kühe und Bullen“, sagt Alsahaf. „Wir haben zuerst ein maschinelles Lernsystem verwendet, um die Daten zu analysieren und ein vorläufiges Modell zu erstellen. Dann haben wir überprüft, ob die wichtigsten Risikofaktoren sinnvoll sind.
Es gab zwei große Herausforderungen: Die erste bestand darin, die verfügbaren Daten zu bereinigen und zusammenzustellen. Zweitens leiden nur 3,3 Prozent der trächtigen Kühe an Dystokie. „Das bedeutete, dass unser Datensatz ein riesiges Ungleichgewicht hatte“, erklärt Alsahaf. Um dies zu lösen, erstellte er eine große Anzahl von Teilmengen mit ausgewogenen Daten und aggregierte diese, um das Vorhersagemodell zu trainieren. „Anschließend haben wir dieses Modell an einer Teilmenge der Daten getestet, die nicht für das Training verwendet wurde, und die Ergebnisse untersucht.“ Es stellte sich heraus, dass das Modell deutlich besser abschneidet als der Zufall.
„Ein Kollege von uns hat ausgerechnet, dass unser Modell unter idealen Umständen das Dystokie-Risiko etwa halbieren könnte. Dazu braucht es aber eine ideale Kombination von Bulle und Kuh, was nicht immer möglich ist.“ Dennoch kann das Modell den Landwirten und dem Zuchtbetrieb helfen, das Risiko einer bestimmten Verpaarung vor der Besamung abzuschätzen. „Das ist wichtig, da bisher alle anderen Modelle Informationen nach der Besamung benötigen, was bedeutet, dass Sie Komplikationen nicht wirklich verhindern.“
Mehr Informationen:
Ahmad Alsahaf et al., Präinseminationsvorhersage von Dystokie bei Milchvieh, Präventive Veterinärmedizin (2022). DOI: 10.1016/j.prevetmed.2022.105812