Predicción de problemas de parto antes de la inseminación

Un pequeño porcentaje de vacas experimentará problemas al parir y a los criadores les gustaría saber qué vacas están en riesgo. Utilizando el vasto conjunto de datos de la empresa holandesa de cría de ganado CRV, los informáticos de la Universidad de Groningen utilizaron inteligencia artificial para desarrollar un modelo predictivo que, en teoría, podría reducir a la mitad la cantidad de problemas de parto. Publicaron sus resultados en Medicina Veterinaria Preventiva.

La cría de ganado es ciencia de datos. Las empresas de cría proporcionan semen de toros y registran el éxito de sus crías. Los datos sobre la producción de leche de las vacas y muchas otras características se recopilan y almacenan en una enorme base de datos, junto con los datos genéticos de todos los animales. Esto permite a las empresas atribuir un «valor de cría estimado» a los animales y encontrar coincidencias para una cría óptima.

Un aspecto de la cría es el nacimiento de los terneros. En alrededor del 3,3 por ciento de todos los casos, se produce algún tipo de complicación durante el parto, lo que se conoce como distocia. «Esto podría variar desde la necesidad de jalar a la cría hasta la necesidad de una intervención veterinaria», explica Ahmad Alsahaf. «Existen modelos para predecir el riesgo de distocia, pero estos funcionan con datos que solo están disponibles después de la inseminación. Queríamos producir un modelo que pudiera predecir el riesgo antes de la inseminación».

Alsahaf ahora trabaja como investigador postdoctoral en el Departamento de Ciencias Biomédicas de Células y Sistemas del Centro Médico Universitario de Groningen, pero ha trabajado en un modelo predictivo de distocia durante su Ph.D. proyecto en el grupo de investigación de Sistemas Inteligentes del Instituto Bernoulli de Matemáticas, Ciencias de la Computación e Inteligencia Artificial de la Universidad de Groningen en los Países Bajos.

«Nos pidieron que creáramos este modelo para la empresa de cría de ganado CRV y nos dieron un gran conjunto de datos que incluía información sobre vacas y toros», dice Alsahaf. «Primero usamos un sistema de aprendizaje automático para analizar los datos y crear un modelo provisional. Luego, verificamos si los factores de riesgo más importantes tenían sentido. Lo tenían y, por lo tanto, procedimos a construir un modelo completo».

Hubo dos desafíos principales: el primero fue limpiar y compilar los datos disponibles. El segundo fue que solo el 3,3 por ciento de las vacas preñadas experimentan distocia. «Esto significaba que había un gran desequilibrio en nuestro conjunto de datos», explica Alsahaf. Para resolver esto, creó una gran cantidad de subconjuntos con datos equilibrados y los agregó para entrenar el modelo predictivo. «Posteriormente, probamos este modelo en un subconjunto de datos que no se utilizó para el entrenamiento y estudiamos los resultados». Resultó que el modelo funcionó significativamente mejor que el azar.

«Un colega nuestro calculó que, en circunstancias ideales, nuestro modelo podría reducir aproximadamente a la mitad el riesgo de distocia. Pero esto requiere una combinación ideal de toro y vaca, lo que no siempre es posible». No obstante, el modelo puede ayudar a los ganaderos y a la empresa de cría a evaluar el riesgo de un apareamiento en particular antes de la inseminación. «Esto es importante ya que, hasta ahora, todos los demás modelos requieren información recopilada después de la inseminación, lo que significa que en realidad no se están evitando complicaciones».