ai diagnos swine device

Artificial Intelligence Diagnos

La valoración de las lesiones pulmonares compatibles con neumonía enzóotica en matadero es una de las técnicas de referencia para valorar la afectación de esta enfermedad en las granjas porcinas, y supone la técnica número uno para valorar la eficacia de las vacunas frente Mycoplasma hyopneumonia (Mhyo).

Introducción

Hasta el día de hoy, monitorear el grado de afectación pulmonar debida a Mhyo suponía, en primer lugar, contar con técnicos altamente capacitados para realizar la puntuación pulmonar en los mataderos.

Para ello, estos técnicos debían acudir a la línea de faena, con las restricciones que eso significaba, para poder revisar manual e individualmente cada pulmón y anotar la puntuación en un papel o una tableta.

Este proceso es, sin duda, muy lento y laborioso y, pese a requerir de personal cualificado, la disparidad en la evaluación pulmonar entre distintos técnicos pone de manifiesto el factor humano y la subjetividad de dicho proceso.

mhyo artificial intelligence diagnos

En cuanto a la Rinitis Atrófica, nos encontramos en una situación muy similar, dónde los técnicos cualificados deben acudir al matadero, separar las cabezas, cortar la jeta, y evaluar individualmente cada animal, anotando las puntuaciones de las volutas y septo en un papel o tableta. De nuevo, un proceso laborioso y subjetivo.

La inteligencia artificial (IA) se define como la habilidad de una máquina de presentar las mismas capacidades que los seres humanos.

La IA permite que los sistemas tecnológicos perciban su entorno, se relacionen con él, resuelvan problemas y actúen con un fin específico. La máquina recibe datos (ya preparados o recopilados a través de sus propios sensores, por ejemplo, una cámara), los procesa y responde a ellos.

Aunque la IA parezca futurista, y a ciertas personas les imprima cierto respeto, la realidad es que la IA es el día a día de nuestras vidas: cuando buscamos el mejor camino con el GPS para volver a casa, cuando el robot limpia nuestra casa, o cuando hacemos cualquier búsqueda por internet. La IA tiene numerosas aplicaciones también en medicina tanto humana como veterinaria, aplicaciones que pueden mejorar la calidad de vida de las personas y profesionales de cada sector, así como mejorar la eficiencia de procesos relacionados con las rutinas de trabajo de diferentes sectores.

El monitoreo de pulmones o de cornetes forma parte de la rutina del veterinario en el control sanitario de sus explotaciones porcinas. Monitoreo tedioso, complicado y totalmente subjetivo que lo hace un claro candidato a ser automatizado aplicando la tecnología IA.

HIPRA, con su compromiso constante con la innovación, se propuso ir un paso más allá y desarrollar un nuevo sistema diagnóstico, totalmente automático, que permita simplificar, objetivizar y facilitar todo el proceso de valoración en matadero de lesiones compatibles con Mhyo en pulmones y de Rinitis Atrófica en cornetes.

Artificial Intelligence Diagnos (AI Diagnos), un sistema inteligente que a partir de imágenes de pulmones y cornetes es capaz de puntuar las lesiones individual y objetivamente.
ai diagnos

En el siguiente articulo vamos a describir las características principales de este nuevo servicio que HIPRA ofrece, desde su funcionamiento, detección y clasificación, hasta la emisión de resultados y aplicación práctica.

Funcionamiento: Detección y Clasificación

Definición de los procesos de detección y clasificación de las imágenes

Esta sección define cómo los algoritmos detectan las distintas partes de una imagen y cómo las clasifica; teniendo en cuenta los dos casos desarrollados: Rinitis y Mycoplasma.

El proceso general de detección y clasificación es el siguiente:

1. La imagen primero pasa por un “filtro” (detector de foco) con el objetivo de detectar el morro del cerdo, en el caso de rinitis o el pulmón, en el caso de Mycoplasma. Una vez se consigue dicho objetivo, se guarda la imagen resultante.

2. La imagen ya procesada, se pasa por un detector de áreas de interés que identifica cada una de las secciones objetivo para cada enfermedad (por ejemplo, septo y volutas para rinitis, o los diferentes lóbulos pulmonares en caso de neumonía enzóotica).

3. A estas detecciones se les aplica un nuevo “filtro” que comprueba su posición dentro de la imagen para corregir posibles errores de detección.

4. Cuando se han detectado las secciones, se recorta cada una de ellas y se guardan por separado manteniendo la relación con la imagen inicial (la imagen resultante del punto número 1).

5. Cada sección es pasada por un nuevo “filtro” (clasificador), que está entrenado para puntuar el grado de lesión de cada sección en particular.

6. Finalmente, se calcula el grado de afectación total y se retorna dicha información adjunta a la predicción de todas las secciones.

rhinitis swine

Imagen 1 – Procesado del modelo de rinitis.

mycoplasma model

Imagen 2 – Procesado del modelo de Mycoplasma.

Detección

La detección de objetos es una técnica de reconocimiento inteligente de imágenes, que permite identificar y ubicar objetos en una imagen. AI DIAGNOS cuenta con dos detectores por cada modelo: el detector de foco -que identifica el pulmón o tabique nasal- y el detector de áreas de interés -que identifica las diferentes zonas del pulmón o tabique nasal.

Por cada detector se necesita entrenar el reconocimiento de la imagen para encontrar el foco o las áreas de interés; para ello se necesitan dos pasos:

1. Configurar los parámetros de entrenamiento, donde indicamos el número de ciclos de entrenamiento y el número de imágenes que se introducen a la red para que entrene.

2. Añadir las imágenes y enlazarlos con el sistema para este pueda utilizar estos datos.

ai diagnos swine service

Clasificación

Las secciones que tenemos por cada caso desarrollado:

· Rinitis: voluta dorsal derecha, voluta dorsal izquierda, voluta ventral derecha, voluta ventral izquierda y tabique.

· Mycoplasma: apical derecho, apical izquierdo, cardíaco derecho, cardíaco izquierdo, diafragmático derecho y diafragmático izquierdo.

Para crear nuestros modelos ha sido necesario entrenar el sistema para que este sea capaz de clasificar el grado de lesión de las diferentes áreas de interés, según el conjunto de imágenes analizado con anterioridad por el mismo sistema durante el entrenamiento. El modelo coge cada una de las imágenes a analizar y nos muestra el grado de lesión para cada sección.

Para entrenar cada modelo y que aprenda las valoraciones adecuadas, debemos especificar:

· El repositorio de imágenes.

· Las instrucciones de transformación de las imágenes, es decir, si va a ser necesario rotar las imágenes, limpiarlas de sangre o tener en cuenta otros factores que pueden afectar a la correcta clasificación.

El sistema se ha entrenado con más de 11.000 imágenes que han sido evaluadas por el sistema y corregidas para su aprendizaje por diferentes especialistas en Mhyo de todo el mundo, obteniendo así la validación del sistema.

El resultado de esta validación ha sido que, actualmente, el sistema tiene una precisión superior al 85% en acierto directo sistema-evaluador, es decir que el sistema y el evaluador han dado la misma puntuación, y de más 96% con un error por lóbulo de ±1.

ai diagnos swine device

Ejemplo práctico

Un reporte de AI Diagnos para un caso de Neumonía enzoótica

Para iniciar un análisis de AI Diagnos, primero se debe seleccionar la empresa donde se realiza la evaluación, a continuación se debe introducir la granja de origen (madres) y de crecimiento (cebo), y se debe especificar la patología que se quiere analizar, neumonía enzoótica o rinitis atrófica, y finalmente se deben cargar las imágenes (pulmones o cornetes), siempre en posición vertical y que se vean bien los lóbulos de los pulmones o volutas de los cornetes.

AI Diagnos swine analysis

A continuación, el sistema empieza el análisis, que puede durar varios minutos según el número de imágenes, y seguidamente realiza automáticamente el informe que veremos a continuación:

Primero se clasifican los pulmones según el grado de lesión:

Grado 0: 0% de lesión

Grado 1: 0.1-11 % de lesión

Grado 2: 1.1-21 % de lesión

Grado 3: 21.1-31 % de lesión

Grado 4: 31.1-41 % de lesión

Grado 5: 41.1-51 % de lesión

Grado 6: 51.1-100 % de lesión

AI Diagnos swine analysis

Además, se analizan varios parámetros como:

Índice de enfermedad: grado medio de lesión de todos los pulmones.

Incidencia: porcentaje de pulmones con lesión.

Superficie media de pulmón lesionado: superficie media de pulmón lesionado de todos los pulmones.

Índice de lesión: grado medio de lesión de los pulmones afectados.

Además, el sistema realiza una evaluación del retorno de la inversión (ROI) según el porcentaje de animales que hay con cada grado de lesión, ya que existe una correlación directa entre el grado de lesión y una reducción del crecimiento y un incremento en la conversión, que además significa un consumo de pienso extra1.

El sistema permite descargar un informe en formato pdf donde se recopila toda la información además de poder compartirlo fácilmente.

Conclusiones

Artificial Intelligence Diagnos es un gran avance para la industria porcina, ya que supone un nuevo sistema para evaluar las lesiones de neumonía enzoótica y rinitis atrófica con unas ventajas muy claras:

· Automatizado: solo se tienen que hacer las fotos y colgarlas en el sistema, por lo que evitamos que los técnicos especialistas se tengan que desplazar al matadero, y a la vez ahorramos tiempo en las valoraciones individuales.

· Fiable: es un proceso totalmente objetivo, donde eliminamos la subjetividad entre evaluadores, y donde las imágenes son evaluadas siempre bajo los mismos criterios establecidos. Además, como ya hemos comentado anteriormente, el sistema se ha entrenado con más de 8.000 imágenes validadas para los principales especialistas en Mhyo del mundo.

· Sencillo: es un sistema fácil de utilizar para el usuario, donde únicamente se deben completar los datos de la explotación y añadir las imágenes de los pulmones/cornetes para que el sistema realice la evaluación automáticamente. Además, el sistema genera automáticamente un informe para facilitar la interpretación al usuario.

BIBLIOGRAFÍA

1-     Straw BE, Tuovinen VK, Bigras-Poulin M (1989) Estimation of the cost of pneumonia in swine herds. Journal of the American Veterinary Medical Association, 195, 1702-1706.