Põllumajandusloomad, eriti veised, on oma loomult nn saakloomad. Evolutsioon õpetas neid oma nõrkusi ja haigussümptomeid peitma, et mitte karjast välja langeda ning instinktiivselt kiskjate tähelepanu vältida. Farmeri jaoks on see väljakutse: kui vasikal või veise terviseprobleem on silmaga näha, on haigus sageli juba kaugele arenenud. Hilinenud ravi korral tuleb kasutada hulganisti ravimeid ja see toob märkimisväärse majandusliku kahju, kirjutab Eesti Maaülikooli nooremteadur Rait Rand.

Eesti Maaülikoolis läbiviidud uurimistöö raames otsisime lahendust küsimusele, kuidas tuvastada nn vaikiva patsiendi terviseprobleeme varem, kui haigus silmaga nähtavaks muutub. Vastus peitub kaasaegses tehnoloogias: nahaaluste sensorite ja tehisintellekti koostöös.

Termomeeter, mis ei häiri looma

Veiste tervise kontrollimiseks on kasutatud aastakümneid rektaalset kraadimist. See on looma jaoks stressirohke, töötajale ohtlik, meditsiiniliselt ebatäpne ning seda on võimatu teha piisavalt tihti, et tabada haiguse eri staadiume ja muutusi looma tervislikus seisundis. Alternatiivina on proovinud veterinaarid kasutada muu hulgas neelatavaid vatsaboole ja kõrvasiseseid termomeetreid, kuid nende lahenduste töökindlus jätab soovida ja näidud on olnud samamoodi ebatäpsed. Tulemusi on mõjutanud suuresti see, mis toimub väljapool keha.

Oma uuringus arendasime välja ja kasutasime nahaaluseid implantaate (SCI), mida saab süstida sarnaselt vaktsiinile vasika kaela/õla piirkonda naha alla. Kokku 720 vasikaga tehtud katse tõestas, et neid saab kiiresti paigaldada, vasikatele pole teha tuimestust ega isegi nende karva pügada. Katses ei suutnud me implantaati paigaldada vaid kümnele loomale. Mis veelgi olulisem – nahaalune sensor püsib loomas kindlalt ja ohutult kogu tema elu lõpuni.

Tehisintellekt aitab "kustutada" ilma

Loom asukoht mõjutab ka nahaalust temperatuuri, erinedes keha sise- ehk tüvetemperatuurist. Jahedas laudas jahtub nahk maha, kuumas aga soojeneb, peites nii tegeliku palaviku. Kuna väline keskkond mõjutas esmaseid toorandmeid ja mõõtmisi liiga palju, polnud neist diagnostikas kasu ja need ei kirjeldanud piisava täpsusega looma tervislikku seisundit.

Siinkohal tuli appi tehisintellekt (TI). Selle välja õpetamiseks kasutasime masinõppe algoritme ja üle 160 000 kliinilise katsega kogutud treeningrea andmeid, mis haarasid nahaalust temperatuuri, täpseid ilmastikuolusid ja kontrollväärtusena neelatavate anduritega mõõdetud tegeliku keha sisetemperatuuri.

Neid kombineerides õnnestus meil süsteemile õpetada veise termodünaamikat. Kuna söötsime mudelisse korraga nii nahaaluse sensori näite kui ka täpseid ilmastikuandmeid, õppis TI nende põhjal maha lahutama keskkonna mõju ja tuletama nahaalusest infost veise tegelikku kehatüvetemperatuuri.

Tulemus oli murranguline: kui algselt oli nahaaluse näidu viga võrreldes keha tegeliku tüvetemperatuuriga keskmiselt 1,1 ° C , siis tehisaru abiga vähenes viga 0,4 °C kraadini. Süsteem muutus sellega piisavalt täpseks, et seda saab kasutada loomade kliiniliseks jälgimiseks. Arendatud implantaadist sai diagnostikavahend, mis suudab koos masinõppe ja tehisintellektiga tuletada nahaalusest infost kliiniliselt täpse keha tüvetemperatuuri ilma looma häirimata.

Graafikud näitavad mõõtmisvigu sõltuvalt veist ümbritsevast keskkonnast. Parempoolsel graafikul (B) on näha implantaadi algandmete suur ebatäpsus: külmemas keskkonnas kasvab viga märgatavalt. Vasakpoolne graafik (A) näitab masinõppe mudelitega saadud tulemust – viga on viidud miinimumini ja tulemus ei sõltu enam väliskeskkonnast. Must katkendjoon tähistab ideaalset täpsust (nullviga) tegelikust veise kehatüve temperatuurist ja punane joon meetodiga saadud keskmist täpsust.

Üksikud palavikuhüpped ei pruugi siiski viidata terviseprobleemile, millele reageerima peab. Tänu süsteemi pidevale kehatemperatuuri näidule saime hakata arvutama palavikukoormust (CFL). Selle asemel, et reageerida üksikule palaviku tõusule, arvutab süsteem temperatuuri tõusu kestust ja intensiivsust ajas. Palavikukoormus kirjeldab seetõttu terviseprobleemi olemust paremini. 

Lähenemine aitab eristada ajutisi, näiteks aktiivsusest, stressist või muust normaalsest olekust, tingitud temperatuuritõuse tõelisest haigusest. Palavikukoormust jälgides saame avastada selliseid hiilivaid haigusi nagu vasikate kopsupõletik või kõhulahtisus kuni paar päeva varem, kui farmer seda ise märkaks.

Miks see kõik oluline on?

Tehnoloogia ei ole siin eesmärk omaette, vaid tööriist aitab minna üle tagajärgede ravilt täppisravile. Haiguse varakult avastades saame sekkuda täpsemalt ja õigel ajal. See vähendab vajadust laia spektriga antibiootikumide järele, parandab vasikate heaolu ja loomad on lühemat aega haiged. Ühtlasi kasvab farmi majanduslik efektiivsus – üks töötaja suudab tänu nutikatele implantaatidele  jälgida sadu vasikaid, ilma et keegi neist tähelepanuta jääks.

Oleme andnud nn vaikivale patsiendile hääle, tagades seeläbi jätkusuutlikuma ja hoolivama piimatootmise tuleviku.

Rait Rand insener, teadlane, tehnoloogiajuht ja ettevõtja, kellele meeldib keerulistest ideedest toimivaid lahendusi teha. Ta on juhtinud üle 20 aasta arendusmeeskondi ja loonud tehnoloogiaid telekommunikatsiooni, autotööstuse, juhtsüsteemide ja elektroonika valdkonnas. Praegu tegutseb ta maaülikoolis nooremteaduri ja doktorandina, kus uurib ja üritab tootestada rakendusi, kus masinõpe aitaks loomade tervist paremini jälgida. Rand hindab uudishimu, head koostööd ja praktilist tulemust.

Lugu ilmus Eesti Teaduste Akadeemia ja Eesti Doktorikooli korraldataval konkursil "Teadus 3 minutiga" projekti "Ülikoolide koostöö doktoriõppe edendamisel" (kaasrahastab Euroopa Liit) toetusel. Konkursi finaal toimub 6. oktoobril.