En los últimos años se han desarrollado cada vez más tecnologías para la producción animal. Muchas de estas se basan en la ciencia de datos y en el desarrollo de algoritmos de inteligencia artificial para ayudar en los problemas cotidianos de la producción. La investigación para desarrollar y validar tecnologías que monitoreen enfermedades respiratorias se […]
En los últimos años se han desarrollado cada vez más tecnologías para la producción animal. Muchas de estas se basan en la ciencia de datos y en el desarrollo de algoritmos de inteligencia artificial para ayudar en los problemas cotidianos de la producción.
La investigación para desarrollar y validar tecnologías que monitoreen enfermedades respiratorias se ha incrementado debido a las consecuencias que este grupo de enfermedades tiene sobre el bienestar animal y la rentabilidad de las unidades productivas.
Estas tecnologías se basan en el término “Ganadería de Precisión“, que se define por el uso de sensores para monitorizar continuamente a los animales, alertando así al productor cuando los animales sufren enfermedades respiratorias.
La implementación de una tecnología eficaz promete ayudar y agilizar la toma de decisiones ante un brote, teniendo un impacto positivo en la salud de los animales y en la rentabilidad de la unidad de producción.
Ante estos dos escenarios y el creciente interés en la implementación de innovaciones, surge la pregunta de si “¿podemos realmente confiar en las tecnologías para el monitoreo de enfermedades respiratorias en la producción animal?”
Se realizó una revisión exhaustiva de la literatura para encontrar artículos científicos sobre el desarrollo de estas tecnologías para la monitorización de las enfermedades respiratorias en la producción animal.
En la revisión se buscaron artículos dirigidos a la producción porcina, avícola y bovina. A partir de los estudios, se recopiló información relevante para comprender si las pruebas demuestran que la tecnología puede ser eficaz cuando se aplica en una situación real.
Se encontró un total de 23 artículos científicos, de los cuales 13 son tecnologías desarrolladas para la producción porcina. Todas las tecnologías encontradas para cerdos utilizan micrófonos para monitorizar los sonidos de la tos.
La tos es un signo clínico muy común en los casos de enfermedades respiratorias, y la monitorización de este signo clínico puede ser útil.
Para las aves de corral se encontraron 6 tecnologías y, al igual que en los cerdos, todas ellas monitorizan los sonidos. Para los bovinos se encontraron otros dos enfoques, la monitorización de la temperatura con cámaras termográficas (puede ser problemático porque muchas enfermedades pueden aumentar la temperatura del animal) y el movimiento del animal con acelerómetros (el movimiento del animal puede disminuir debido a varios factores además de las enfermedades respiratorias).
Los enfoques utilizados para los bovinos pueden adaptarse a los cerdos, pero es necesario comprender si estos comportamientos o signos clínicos son realmente útiles para indicar la aparición de enfermedades respiratorias en esta especie.
Antes de saber si las tecnologías funcionan, es importante entender cómo se desarrollaron. En el caso de las tecnologías para cerdos, primero fue necesario recoger datos sobre la tos de los animales.
Las medidas de performance suelen utilizarse para demostrar la eficacia de las tecnologías. Los cálculos de las medidas de rendimiento se basan en comparar lo detectado por la tecnología con una prueba de referencia.
Las medidas de rendimiento serán altas cuando una tecnología pueda identificar correctamente la mayoría de los signos clínicos detectados por la prueba de referencia elegida. Para confiar en la tecnología, es esencial que las medidas de rendimiento sean altas.
En los estudios realizados con cerdos, casi todas las tecnologías alcanzaron una “tasa de detección de la tos” superior al 90%. Esta medida de rendimiento por sí sola puede llevar al lector a creer que todas las tecnologías son eficaces y que podemos confiar en ellas para vigilar las enfermedades respiratorias en una granja. Sin embargo, estos resultados deben analizarse con cautela, ya que otros puntos de la metodología pueden camuflar la eficacia real de la tecnología.
Además de que el rendimiento sea elevado, es esencial analizar las condiciones en las que se llevó a cabo el desarrollo y la validación de la tecnología.
Algunos estudios se realizaron en condiciones controladas de laboratorio. Las pruebas de laboratorio son importantes para los estudios iniciales con la tecnología. Sin embargo, es importante realizar pruebas en condiciones reales para garantizar que la tecnología sea eficaz cuando se aplique sobre el terreno.
Una tecnología puede haber alcanzado altas medidas de rendimiento en el laboratorio, pero cuando se aplica en una explotación comercial el rendimiento es deficiente. Cuatro de los estudios encontrados en nuestra revisión sólo se probaron en el laboratorio y, por lo tanto, estas tecnologías aún necesitan una validación comercial en el campo.
El segundo punto que afecta al rendimiento es la prueba de referencia. La prueba de referencia se utiliza para determinar la señal o el comportamiento clínico que debe detectar la tecnología.
Los datos de la prueba de referencia se utilizan para entrenar la tecnología y calcular las medidas de rendimiento. Es importante que la prueba de referencia sea fiable, ya que a partir de ella la inteligencia artificial “aprenderá” lo que debe detectar.
Una prueba de referencia muy utilizada por los estudios fue la identificación de toses a distancia a partir de grabaciones realizadas en la granja. Esta prueba presenta algunos problemas, ya que el observador que no realiza la recogida en persona puede no identificar las toses emitidas por los animales (Aerts et al., 2005).
Es importante que la prueba de referencia se realice cara a cara para que la acción de toser de un animal se observe e identifique correctamente. En nueve estudios no se consideró que la prueba de referencia fuera ideal para utilizarla como base de datos para entrenar y probar la inteligencia artificial.
A la vista de lo expuesto anteriormente, en los estudios de validación se deben presentar tres factores para aumentar la fiabilidad en la tecnología. Las medidas de rendimiento deben ser elevadas, con pruebas realizadas en condiciones reales y utilizando una prueba de referencia fiable para entrenar el algoritmo.
La validación que respeta estos factores es una indicación de la eficacia de la tecnología en situaciones reales. En nuestra investigación, sólo un estudio respetó todos estos factores. Los demás estudios no realizaron pruebas en situaciones reales o utilizaron alguna prueba de referencia menos fiable.
Este escenario muestra que aún debemos ser cautelosos a la hora de confiar al 100% en las tecnologías para el seguimiento de las enfermedades respiratorias en una granja.
Sin embargo, el avance de la investigación en el área de la Ganadería de Precisión y la inteligencia artificial es un indicio de que en el futuro será posible monitorizar las enfermedades respiratorias utilizando estas tecnologías.
