La inteligencia artificial mejora la detección precoz de la mastitis

La inteligencia artificial mejora la detección precoz de la mastitis subclínica en vacas lecheras según un estudio

Un estudio publicado en Scientific Reports demuestra que los modelos de aprendizaje automático pueden identificar vacas con mastitis subclínica con una precisión superior al 77 %, utilizando información rutinaria de la explotación y estableciendo un nuevo umbral de recuento de células somáticas.

La mastitis subclínica continúa siendo una de las enfermedades más costosas para la producción lechera mundial. A diferencia de la mastitis clínica, esta patología no presenta signos visibles, por lo que puede pasar desapercibida durante semanas mientras reduce la producción, altera la calidad de la leche y favorece la diseminación de patógenos dentro del rebaño. Ahora, un estudio publicado en Scientific Reports demuestra que la inteligencia artificial puede convertirse en una herramienta eficaz para detectar de forma temprana esta enfermedad utilizando únicamente datos obtenidos de manera rutinaria en las explotaciones lecheras.

La investigación, desarrollada por científicos de la Universidad de Peradeniya (Sri Lanka) en colaboración con la Texas A&M University (Estados Unidos), analizó información procedente de 2.420 vacas en lactación pertenecientes a tres grandes explotaciones lecheras, convirtiéndose en uno de los estudios más amplios realizados hasta la fecha sobre el uso del aprendizaje automático para el diagnóstico de mastitis subclínica.

Un problema silencioso con un elevado impacto económico

La mastitis subclínica representa un importante desafío sanitario porque las vacas infectadas no muestran alteraciones visibles en la ubre ni en la leche, aunque la inflamación ya está presente y afecta tanto al rendimiento productivo como a la calidad del producto.

Además de reducir la producción de leche, esta enfermedad incrementa los costes derivados de tratamientos, mano de obra, eliminación de leche durante los periodos de retirada y reposición prematura de animales. Su detección precoz constituye, por tanto, uno de los principales objetivos de los programas de salud mamaria.

Tradicionalmente, el diagnóstico se basa en pruebas como el California Mastitis Test (CMT) y en el recuento de células somáticas (RCS). Sin embargo, el valor umbral utilizado para interpretar este último puede variar entre regiones y sistemas de producción, dificultando la identificación precisa de los animales afectados.

Un nuevo umbral para mejorar el diagnóstico

Uno de los primeros objetivos del estudio fue determinar cuál era el recuento de células somáticas que mejor diferenciaba a las vacas sanas de aquellas con mastitis subclínica.

Tras comparar los resultados del California Mastitis Test con diferentes valores de RCS, los investigadores establecieron que el umbral óptimo se situaba en 353.000 células por mililitro de leche, una cifra obtenida mediante el índice de Youden, ampliamente utilizado para evaluar pruebas diagnósticas.

Este nuevo valor permitió clasificar con mayor precisión a los animales antes de entrenar los algoritmos de inteligencia artificial.

La inteligencia artificial alcanza una precisión superior al 77 %

Una vez definido el umbral diagnóstico, los investigadores desarrollaron distintos modelos de aprendizaje automático (machine learning) utilizando información que las explotaciones ya registran de forma habitual.

Entre las variables analizadas figuraban:

Producción diaria de leche.
Conductividad eléctrica de la leche.
Densidad de la leche.
Contenido en grasa y proteína.
Número de lactación.
Días en leche.
Edad del animal.

Los científicos compararon varios algoritmos de inteligencia artificial para determinar cuál ofrecía mejores resultados. El modelo basado en XGBoost obtuvo la mayor capacidad predictiva, alcanzando una precisión del 77,3 %, mientras que otros modelos, como CatBoost, también mostraron resultados prometedores cuando se utilizaron menos variables.

Según los autores, estos niveles de precisión demuestran que la inteligencia artificial puede utilizarse como herramienta de apoyo para identificar animales con mayor riesgo de padecer mastitis subclínica, permitiendo actuar antes de que aparezcan pérdidas productivas importantes.

La conductividad de la leche, el mejor predictor

Uno de los hallazgos más relevantes fue la identificación de las variables con mayor capacidad predictiva.

La conductividad eléctrica de la leche apareció como el indicador más importante en prácticamente todos los algoritmos evaluados, por delante incluso del recuento celular y de otros parámetros productivos.

Este resultado tiene una explicación fisiológica. Cuando se produce una inflamación de la glándula mamaria, aumenta la permeabilidad de los tejidos y se modifica la concentración de sodio y cloro presentes en la leche, provocando un incremento de su conductividad eléctrica.

Tras este parámetro, el número de lactación y la densidad de la leche fueron los factores que mayor influencia ejercieron sobre la capacidad predictiva del modelo, mientras que, en los modelos simplificados, destacó también la producción diaria de leche.

Una herramienta para la ganadería de precisión

Los investigadores destacan que la principal ventaja de estos modelos es que utilizan información disponible en la mayoría de las explotaciones modernas, sin necesidad de incorporar pruebas de laboratorio adicionales.

Muchos sistemas de ordeño automatizado ya registran de forma continua variables como la producción, la conductividad o la composición de la leche. Integrar estos datos con algoritmos de inteligencia artificial permitiría generar alertas automáticas cuando una vaca presente un riesgo elevado de desarrollar mastitis subclínica, facilitando la intervención temprana del veterinario y reduciendo la propagación de la enfermedad dentro del rebaño.

Esta estrategia encaja plenamente en el concepto de ganadería de precisión, donde la monitorización continua de los animales permite optimizar tanto la salud como la eficiencia productiva.

Beneficios para la salud animal y el uso responsable de antibióticos

La detección precoz de la mastitis no solo tiene repercusiones económicas.

Identificar antes a los animales afectados permite instaurar medidas de manejo específicas y realizar tratamientos únicamente cuando son necesarios, favoreciendo un uso más racional de los antimicrobianos y contribuyendo a las estrategias internacionales frente a la resistencia bacteriana.

Asimismo, una actuación temprana puede reducir la gravedad de las infecciones, disminuir las pérdidas de leche y mejorar el bienestar de las vacas.

Próximos pasos

Aunque los resultados son prometedores, los autores señalan que será necesario validar estos modelos en otros países, razas y sistemas de producción, ya que factores como el clima, el manejo o la genética pueden modificar el comportamiento de los algoritmos.

También consideran que la incorporación de nuevos datos procedentes de sensores, robots de ordeño y dispositivos de monitorización individual permitirá mejorar aún más la capacidad predictiva de estas herramientas.

En un contexto en el que la digitalización avanza con rapidez en las explotaciones lecheras, la inteligencia artificial se perfila como un aliado para transformar la prevención de enfermedades, ayudando a los veterinarios y productores a tomar decisiones más rápidas, precisas y basadas en datos objetivos.