《Journal of Dairy Science》:A randomized controlled trial evaluating the use of an intelligent, fully automated 2D imaging system to detect lame cows and control lameness
编辑推荐:
摘要:一种利用机器学习生成实时行动力评分(mobility score)的全自动二维(2D)成像系统已被开发,并以人工行动力评分及蹄部病变记录作为金标准进行过外部验证。本随机对照试验评估了将该系统集成入早期检测与及时治疗(EDPET)跛行管理方案中,对英国大型
摘要:一种利用机器学习生成实时行动力评分(mobility score)的全自动二维(2D)成像系统已被开发,并以人工行动力评分及蹄部病变记录作为金标准进行过外部验证。本随机对照试验评估了将该系统集成入早期检测与及时治疗(EDPET)跛行管理方案中,对英国大型奶牛场的影响。共计419头泌乳天数(day in milk, DIM)≤30 d的多胎次奶牛被随机分配至对照组(CON组,n=208,按农场常规方案管理)或干预组(AUTO组,n=211)。CON组方案包括泌乳早期(约80 DIM)和中期(约180 DIM)常规修蹄,以及对农场人员发现跛行牛的检查;AUTO组除CON方案外,获取每周自动评分,凡周平均自动化行动力评分(weekly average automated mobility score, WAVG)≥50(0–100分制)或前两周内绝对分值升高≥20分者,安排检查与治疗。月度人工行动力评分比较采用Fisher精确检验或卡方检验,计算相对危险度(RR)和比值比(OR);修蹄次数、蹄病变患病率与严重程度及蹄块(hoof block)应用数比较采用泊松回归和卡方检验;周平均产奶量影响采用线性混合效应模型(linear mixed effects models);淘汰风险采用Cox比例风险回归(COXPHR);首次人工授精(AI)时间及150 DIM内受孕时间采用Cox比例风险回归,首配受胎率采用二项logistic回归。结果显示,与CON组相比,AUTO组发生严重跛行(评分3)的比例更低(2.0% vs. 7.9%,RR=0.25;95% CI:0.09–0.66;OR=0.24;95% CI:0.08–0.69),慢性跛行比例亦更低(3.9% vs. 9.8%,RR=0.40;95% CI:0.18–0.91;OR=0.38;95% CI:0.16–0.88)。AUTO组研究期内每头牛修蹄事件估计边际均值(estimated marginal means, EMM)为2.67次,CON组为1.83次。180 DIM常规修蹄时,AUTO组无病变牛比例更高(22.4% vs. 12.0%),中度病变比例更低(16.0% vs. 25.3%)。AUTO组中二胎次牛首配受胎率更高(OR=7.6;95% CI:1.6–36.7),150 DIM内受孕风险更高(HR=3.1;95% CI:1.3–7.3)。周平均产奶量与淘汰风险两组无差异。研究表明,自动行动力监测可降低严重与慢性跛行发生率并改善泌乳中期蹄部健康,可提升奶牛跛行控制方案效果。
论文解读:智能全自动2D成像系统检测奶牛跛行及控制效果的随机对照试验研究
本文由Siachos N、Wilson JP、Anagnostopoulos A、Neary JM、Smith RF及Oikonomou G(利物浦大学家畜与同一健康系)完成,发表于Journal of Dairy Science。
研究背景与目的
奶牛跛行(lameness)由感染性及非感染性蹄部病变引起,是全球奶牛业普遍存在的问题,会造成显著经济损失并损害动物福利。早期检测与及时治疗(Early Detection and Prompt Effective Treatment, EDPET)原则对控制爪角蛋白 disruption lesions(claw horn disruption lesions, CHDLs)至关重要,但农场实施EDPET面临的主要障碍是人力不足及难以察觉步态细微变化。虽然已有基于红外热成像、地面反作用力及计算机视觉(含CattleEye——一种商用2D摄像头结合机器学习的自动行动力评分系统)的自动检测工具报道,且CattleEye系统与人工评分一致性良好,但其集成入EDPET方案后对动物治疗响应及生产繁殖结局的影响尚属未知。本研究通过随机对照试验(randomized controlled trial, RCT),评估将CattleEye 2D智能成像系统整合入跛行管理方案,能否降低跛行发生率、改善蹄部健康并提高生产繁殖性能。
主要技术方法
研究在英国单座存栏>2000头荷斯坦经产牛的商业奶牛场开展。将419头新转入泌乳舍、DIM≤30 d且近30 d未修蹄的多胎次牛按Excel RAND公式随机分至对照组(CON组,n=208,常规管理:80 DIM和180 DIM常规修蹄+农场人员发现跛行后检查)与干预组(AUTO组,n=211,常规管理基础上每周获取CattleEye生成的周平均自动化行动力评分 weekly average automated mobility score, WAVG,WAVG≥50或两周内升幅≥20分则安排针对性修蹄治疗,距上次修蹄<28 d者暂缓)。研究人员每月对所有泌乳牛进行AHDB 0–3分制人工行动力评分(human mobility scoring, HMS;2/3分为跛行),记录180 DIM常规修蹄时四蹄病变并按国际 claw health atlas分级(无病变/轻度/中度/重度)。产奶量取自在线计量器,繁殖与淘汰数据取自牛群管理软件。统计学方法包括:Fisher精确检验/卡方检验(跛行患病率、慢性跗行定义:连续≥2或≥3次评分为2/3)、相对危险度(RR)/比值比(OR)/需治人数(NNT);泊松回归(修蹄事件数、蹄块应用数、病变检出数);线性混合效应模型(LMM,WAVG及周平均产奶量 weekly average milk yield, WAMY);Cox比例风险回归(首次自动判定跛行时间、首配时间、150 DIM内受孕、淘汰风险);二项logistic回归(首配受胎);多分类/binary logistic回归(180 DIM蹄病变分级)。所有多变量模型采用向后逐步似然比剔除(P>0.10),满足比例风险假定。
研究结果
Human mobility scores(人工行动力评分)
两组各次月度评分总跛行率(评分2+3)无显著差异(P≥0.141),研究期内累计跛行率也无差异(P=0.620)。第二次月度评分中CON组严重跛行(评分3)比例为4.9%而AUTO组为0%(P=0.002),RR=0.05。整个研究期AUTO组发生严重跛行的牛比例更低(2.0% vs. 7.9%,RR=0.25,95% CI:0.09–0.66,OR=0.24,95% CI:0.08–0.69,NNT=17);慢性跛行(连续3次评分2/3,CHRONIC_3S)AUTO组亦更低(3.9% vs. 9.8%,RR=0.40,95% CI:0.18–0.91,OR=0.38,95% CI:0.16–0.88,NNT≈17)。
Weekly Average Automated Mobility Scores(周平均自动化行动力评分)
组×周交互作用显著(P=0.007),无组主效应(P=0.26)。AUTO组在第3、5、8、9、10周WAVG估计边际均值低于CON组,第8周差异显著(P=0.004)。Cox回归显示AUTO组首次被系统判定为跛行的风险更低(HR=0.90,95% CI:0.85–0.95,P<0.001),中位首次跛行时间CON组83 d、AUTO组98 d(P=0.002)。
Weekly average milk yield(周平均产奶量)
周与胎次主效应显著,组主效应不显著(P=0.14),组×周交互不显著,组×胎次交互边缘显著(P=0.054),二胎次CON组WAMY略高于AUTO组,整体产奶量不受干预影响。
Reproduction performance(繁殖性能)
首配时间(150 DIM内)两组无差异。AUTO组整体首配受胎率更高(OR=7.57,95% CI:1.6–35.6),但该效应仅见于二胎次亚组(二胎次n=34,OR=7.6,95% CI:1.6–36.7);AUTO组150 DIM内受孕风险更高(HR=3.10,95% CI:1.7–5.7),同样仅二胎次显著。
Culling hazard(淘汰风险)
组及组×胎次交互对150 DIM及365 d产后淘汰风险均无影响(P>0.69)。
Count of foot trimming events and hoof block applications(修蹄事件数与蹄块应用数)
AUTO组修蹄事件EMM为2.67次/头,CON组1.83次/头(P<0.001,IRR=0.68)。蹄块应用数及每次修蹄蹄块应用率两组无差异。
Count of foot lesions during the entire study period(研究期内蹄病变检出数)
每次修蹄检出的至少一例中度和/或重度病变比例两组无差异。
Foot lesion records at the 180 DIM routine trim(180 DIM常规修蹄时蹄病变记录)
AUTO组无病变比例更高(22.4% vs. 12.0%,P=0.015),中度病变比例更低(16.0% vs. 25.3%,P=0.042),轻度和重度病变比例无差异。按二类划分(无病变+轻度 vs. 中度+重度),AUTO组更多落于较好类别(78.2% vs. 67.7%,P=0.037),CON组更易发生中度或重度病变(vs. AUTO组,OR=1.71,95% CI:1.02–2.87)。180 DIM时AUTO组未检出 Sole Ulcer(SU,溃疡),CON组检出。多分类logistic回归显示CON组较AUTO组更易出现轻度(OR=2.06)或中度病变(OR=3.27)而非无病变。
讨论与结论总结
讨论部分指出,自动监测联合EDPET降低了严重与慢性跛行发生率并改善泌乳中期蹄健康,提示早期干预阻断了轻度CHDL(如sole hemorrhage)向重度病变(如SU)进展;减少慢性跛行具重要福利与经济意义。繁殖获益仅见于少量二胎次牛,需谨慎解释。AUTO组修蹄频次增加但未增加蹄块应用,180 DIM时病变谱改善说明早诊早治有效。研究局限含单场设计、评分与病变记录者为同一研究人员(但评分时不回溯分组、修蹄工盲法)、未纳入初产牛、治疗中未常规使用非甾体抗炎药(NSAIDs)。
结论(翻译)
将智能全自动2D成像系统集成入常规跛行监测与管理方案,可显著降低严重与慢性跛行发生率、改善泌乳中期蹄部健康,并在限定亚组(二胎次牛)显示出繁殖性能提升趋势,这些益处归因于对跛行牛的早期检测及针对早期病变牛的靶向干预。未来研究应探索最优实施方案、优化报警阈值,并调查跨胎次长期影响。