Un petit pourcentage de vaches connaîtront des problèmes lors du vêlage et les éleveurs aimeraient savoir quelles vaches sont à risque. À l’aide du vaste ensemble de données de la société néerlandaise d’élevage de bovins CRV, des informaticiens de l’Université de Groningue ont utilisé l’intelligence artificielle pour développer un modèle prédictif qui, en théorie, pourrait réduire de moitié le nombre de problèmes de vêlage. Ils ont publié leurs résultats dans Médecine vétérinaire préventive.
L’élevage bovin est une science des données. Les entreprises d’élevage fournissent de la semence de taureaux et enregistrent le succès de leur progéniture. Les données sur la production de lait des vaches et de nombreuses autres caractéristiques sont collectées et stockées dans une énorme base de données, ainsi que les données génétiques de tous les animaux. Cela permet aux entreprises d’attribuer une « valeur d’élevage estimée » aux animaux et de trouver des correspondances pour une reproduction optimale.
Un aspect de l’élevage est la mise bas des veaux. Dans environ 3,3 pour cent de tous les cas, une sorte de complication survient pendant le vêlage, appelée dystocie. « Cela peut aller du veau devant être tiré à une intervention vétérinaire », explique Ahmad Alsahaf. « Il existe des modèles pour prédire le risque de dystocie, mais ceux-ci fonctionnent avec des données qui ne sont disponibles qu’après l’insémination. Nous voulions produire un modèle qui pourrait prédire le risque avant l’insémination. »
Alsahaf travaille maintenant comme chercheur postdoctoral au Département des sciences biomédicales des cellules et des systèmes du Centre médical universitaire de Groningue, mais il a travaillé sur un modèle prédictif de la dystocie au cours de son doctorat. projet au sein du groupe de recherche sur les systèmes intelligents de l’Institut Bernoulli de mathématiques, d’informatique et d’intelligence artificielle de l’Université de Groningue aux Pays-Bas.
« On nous a demandé de créer ce modèle pour l’entreprise d’élevage de bovins CRV et ils nous ont fourni un vaste ensemble de données comprenant des informations sur les vaches et les taureaux », explique Alsahaf. « Nous avons d’abord utilisé un système d’apprentissage automatique pour analyser les données et créer un modèle provisoire. Ensuite, nous avons vérifié si les facteurs de risque les plus importants avaient un sens. Ils l’ont fait et, par conséquent, nous avons procédé à la construction d’un modèle complet. »
Il y avait deux défis principaux : le premier était de nettoyer et de compiler les données disponibles. La seconde était que seulement 3,3 % des vaches gestantes souffrent de dystocie. « Cela signifiait qu’il y avait un énorme déséquilibre dans notre ensemble de données », explique Alsahaf. Pour résoudre ce problème, il a créé un grand nombre de sous-ensembles avec des données équilibrées et les a agrégées pour former le modèle prédictif. « Par la suite, nous avons testé ce modèle sur un sous-ensemble de données qui n’a pas été utilisé pour la formation et avons étudié les résultats. » Il s’est avéré que le modèle fonctionnait nettement mieux que le hasard.
« Un de nos collègues a calculé que, dans des circonstances idéales, notre modèle pourrait réduire de moitié environ le risque de dystocie. Mais cela nécessite une combinaison idéale de taureau et de vache, ce qui n’est pas toujours possible. » Néanmoins, le modèle peut aider les agriculteurs et l’entreprise de sélection à évaluer le risque d’un accouplement particulier avant l’insémination. « C’est important car, jusqu’à présent, tous les autres modèles nécessitent des informations recueillies après l’insémination, ce qui signifie que vous n’empêchez pas vraiment les complications. »
Plus d’information:
Ahmad Alsahaf et al, Pré-insémination prédiction de la dystocie chez les bovins laitiers, Médecine vétérinaire préventive (2022). DOI : 10.1016/j.prevetmed.2022.105812