Bandos ir verslo sveikatos valdymas

Pelnas:

• Gebėjimas apibendrinti produktyvumo, ligų ir mirčių duomenis pieno/penėjimo/paukštininkystės įmonėse su AI ir generuoti tendencijų bei rizikos signalus
• Galimybė patikrinti AI varomas bandos sveikatos rekomendacijas atliekant lauko patikrinimą, oficialią registraciją ir veterinarinį vertinimą
• Gebėjimas suprasti verslo duomenų komercinį konfidencialumą ir tai, kad galutinė atsakomybė už bandos sprendimus tenka atsakingam veterinarijos gydytojui.

Skirtingai nuo klinikinės praktikos, kai rūpinamasi vienu gyvūnu, bandos vaistai valdo šimtus ar net tūkstančius gyvūnų kaip visumą. Pieninių galvijų ūkyje tikrasis „ligonis“ yra ne viena karvė, o visa banda: apie bandos sveikatą byloja tokie rodikliai kaip produktyvumo mažėjimas, mastito (tešmens uždegimo) dažnis, apvaisinimo procentas, veršelių mirtingumas, šlubavimo dažnis. Šie rodikliai sukuria didelius duomenis, todėl dirbtinis intelektas (AI) yra galingas: apibendrina išsklaidytus įrašus, parodo tendencijas, anksti pagauna rizikos signalą. Tačiau AI nemato lauko, neapčiuopia gyvūno ir klaidina turėdamas neišsamius duomenis. Šiame skyriuje sužinosite, kaip apibendrinti ir interpretuoti bandos ir verslo duomenis naudojant AI ir patvirtinti rezultatus. Galutinė atsakomybė už bandos sprendimus tenka atsakingam įmonės veterinarijos gydytojui.

AI vaidmuo bandos medicinoje

Yra trys galingi AI naudojimo būdai bandos valdymui. Pirmasis yra apibendrinimas: jis sumažina šimtus derliaus, vakcinacijos ir ligų įrašų eilučių į skaitomą lentelę. Antrasis yra tendencijų aptikimas: jis parodo parametro (pvz., somatinių ląstelių skaičiaus) kryptį laikui bėgant. Trečia, rizikos signalizacija: ankstyvi ženklai, kad buvo peržengta riba arba pažeistas modelis. Visa tai padeda gydytojui „kur ieškoti“; bet neapsisprendžia „ką daryti“.

Patarimas: pateikdami bandos duomenis AI, aiškiai nurodykite laikotarpį, gyvūnų grupę ir matavimo vienetą. Kaip „1 laktacijos karvės per paskutines 90 dienų, kg pieno per dieną“. Dviprasmiški duomenys sukuria dviprasmišką santrauką.

Didžiausi spąstai: trūksta ir netikslūs duomenys

Bandos duomenys dažnai būna neišsamūs, nenuoseklūs arba įvesti neteisingai. Gali būti pamirštas mirties įrašas, neteisingai įrašyta data, supainiotas vienetas (litrai arba kg). AI riboja priešais esantys duomenys: jis nemato trūkstamų duomenų ir kartais bando užpildyti spragą spėjimu, kuris atrodo pagrįstas. Todėl kiekviena tendencija ir signalas, kad AI ekstraktai turi būti patvirtinti oficialia registracija, lauko tyrimu ir veterinariniu įvertinimu. Pavyzdžiui, jei dirbtinis intelektas parodė mažą mirtingumo lygį, lauko kontrolė parodytų, ar tai buvo dėl to, kad jis iš tikrųjų buvo mažas, ar dėl to, kad mirtys nebuvo užregistruotos.

Žingsnis po žingsnio: bandos duomenų analizė naudojant AI

1. Išvalyti duomenis. Suvienodinkite vienetus, datas ir grupes.
2. Anonimizuoti. Išvalykite įmonės pavadinimą ir įmonės kredencialus.
3. Patikslinkite klausimą. "Ar mastito dažnis padidėjo per pastaruosius 3 mėnesius?" Užduokite vieną klausimą, pavyzdžiui:
4. Klauskite santraukos ir tendencijų. Paprašykite AI pateikti skaitinę suvestinę ir kryptį, taip pat slenksčio kirtimo žymėjimą.
5. Patvirtinkite naudodami lauką. Patvirtinkite signalą atlikdami patikrinimą vietoje ir oficialią registraciją.
6. Gydytojas priima sprendimą. Gydymo, skiepijimo programos, skerdimo/rūšiavimo sprendimai priimami veterinarijos gydytojo įvertinimu.
7. Žiūrėti ir įrašyti. Išmatuokite įgyvendinto sprendimo poveikį kitam laikotarpiui.

trys mini dėklai

1 atvejis. 240 galvijų pieno ūkyje somatinių ląstelių skaičius (SCC; pieno kokybės ir tešmens sveikatos rodiklis) per paskutines 60 dienų padidėjo nuo 210 000 iki 480 000 ląstelių/ml. AI pažymėjo šį padidėjimą ir parodė, kad didžiausias padidėjimas buvo konkrečioje melžimo grupėje. Gydytojas ištyrė tą grupę lauke ir nustatė subklinikinius mastito židinius. AI susiaurino fokusavimą; Gydytojas nustatė diagnozę ir gydymą.

2 atvejis. Pašarų aikštelėje AI apibendrino, kad per paskutines 3 savaites kasdienis gyvojo svorio prieaugis sumažėjo 12 % ir tai sutapo su pašarų pasikeitimu. Gydytojas vietoje patikrino racioną ir vandens prieinamumą bei rekomendavo įmonei tai ištaisyti. Duomenys davė užuominų; Galutinį sprendimą priėmė lauko apžiūra.

3 atvejis. Paukštininkystės ūkyje AI parodė savaitinį mirtingumo rodiklį „normaliame diapazone“. Apsilankęs vietoje gydytojas pastebėjo, kad mirtys nebuvo registruojamos keliuose skyriuose; tikroji norma buvo daug didesnė. Šis atvejis rodo, kad esant nepilniems duomenims, AI gali suteikti klaidingą pasitikėjimą ir būtinas lauko patikrinimas.

Palyginimo diagrama

indikatorius

AI indėlis

Privalomas patikrinimas

Pieno kiekio tendencija

Greita santrauka ir kryptis

Matavimo ir įrašymo nuoseklumas

Padidėjęs mastitas/SCC

Fokuso grupės žymėjimas

Lauko apžiūra, kultūra

mirtingumo rodiklis

Viršytas signalas

Trūksta registracijos čekio

Tręšimo procentas

Periodinis palyginimas

reprodukcinis tyrimas

Keturi kopijuojami šablonai

Vaidmuo: Bandos sveikatos duomenų suvestinės asistentas (nesprendžiate, o apibendrinate).Kontekstas: Verslo tipas [...], gyvūnų grupė [...], laikotarpis [...], vienetas [...].Užduotis: Apibendrinkite šiuos duomenis; Pažymėkite [rodiklio] tendenciją (didėjanti / mažėjanti / stabili) ir slenksčio viršijimą. Jei matote, kad trūksta / nenuoseklių duomenų, nurodykite juos atskirai kaip „Reikalingas duomenų patvirtinimas“. Rekomenduojamas gydymas/sprendimas.Duomenys: [...]

Užduotis: parodykite, kuriame pogrupyje sutelktas šių [rodiklio] duomenų pokytis per pastarąsias [X] dienas. Tiesiog atlikite skaitinį palyginimą. Duomenys: [...]

Užduotis: Pažymėkite šio duomenų rinkinio eilutes, kuriose, kaip įtariama, yra neatitikimų, trūksta įrašų arba supainioti vienetai, ir parašykite „Reikalingas lauko / įrašo patikrinimas“. Duomenys: [...]

Užduotis: paverskite šiuos bandos rodiklius į mėnesinės valdymo ataskaitos PROJEKTĄ (suvestinė lentelė + pastebimos tendencijos). Klinikinių sprendimų ir rekomendacijų skiltį palikite tuščią; Jį užpildys atsakingas gydytojas. Rodikliai: [...]

Silpnas raginimas / Stiprus raginimas

Silpnas: "Išanalizuokite šios bandos duomenis, kas negerai?"

Stiprus: "240 pieninių galvijų ūkio galvijų, laktuojančių karvių, paskutinių 90 dienų, vienetas: kg pieno per dieną ir bakas per savaitę SCC (ląstelių/mL). Toliau apibendrinkite duomenis; pažymėkite SCC tendenciją ir kurioje melžimo grupėje yra didžiausias padidėjimas. Atskirai išvardykite trūkstamas / nenuoseklias eilutes. Nerekomenduoju gydyti; sprendimą priimsiu su lauko apžiūra."

Veiklos tipas, grupė, laikotarpis, vienetas ir limitas yra aiškiai nurodyti galingame raginime.

Dažnos klaidos

• Pasikliaujama nepilnais duomenimis. AI neatsižvelgia į įrašą, kurio nemato; Būtinas lauko patikrinimas.
• Nenurodomas vienetas/laikotarpis. Kai sumaišoma litras/kg arba skirtingos grupės, santrauka yra klaidinanti.
• Klaidingas sprendimo signalas. AI sako „žiūrėk kur“; Gydytojas nusprendžia „ką daryti“.
• Neanonimizuoja verslo duomenų. Gali būti pažeistas verslo duomenų konfidencialumas.
• Lauko apžiūros praleidimas. Bandos sprendimas negali būti priimtas be stebėjimo vietoje.

Ekonomika, apsisprendimo slenkstis ir bandos psichologija

Bandos medicinoje kiekvienas klinikinis sprendimas yra ir ekonominis sprendimas. Gydyti ar rūšiuoti gyvūną? ar išplėsti vakcinų programą, ar ją taikyti; Šie sprendimai turi įtakos ir gyvūnų gerovei, ir verslo tvarumui. AI gali greitai sudaryti sąnaudų ir naudos lenteles ir scenarijus: pavyzdžiui, jis gali parengti skaičiavimus, pvz., „koks bus apskaičiuotas pieno netekimas, jei mastito dažnis padidės nuo X% iki Y%. Tai palengvina duomenimis pagrįstą pokalbį su operatoriumi. Bet kiekviena šių skaičiavimų prielaida (kaina, pajamingumas, norma) turi būti patikrinta remiantis realiais veiklos duomenimis ir esama rinkos situacija; Jei viena vieneto kaina, kurią daro AI, yra neteisinga, visas rezultatas bus klaidinantis.

Kitas aspektas yra bandos psichologija ir lauko realybė. Skaičiai gali rodyti tendenciją, tačiau gyvūnų elgesys, laikymo sąlygos, personalo praktika ir sezoninis poveikis matomas tik vietoje. Kartais nuosmukio, kurį AI žymi, priežastis yra ne duomenys, o laukas: sulūžęs vandens dubuo, besikeičiantis globėjas, streso šaltinis. Todėl auksinė taisyklė priimant sprendimus bandoje yra tokia: gaukite duomenis kaip užuominą, patikrinkite priežastį lauke, priimkite sprendimą kartu atsižvelgdami į gyvūnų gerovę ir verslo realybę. Atsakingas veterinarijos gydytojas yra atsakingas ir už bandos sveikatą, ir už pateiktų patarimų rezultatus; Ši atsakomybė negali būti perduota jokiai duomenų suvestinei.

Apibendrinant

Bandos medicinoje AI yra galingas asistentas, kuris apibendrina didelius duomenis, parodo tendencijas ir signalizuoja apie riziką. Bet jis nemato lauko ir klaidina turėdamas neišsamius duomenis. Patikrinkite kiekvieną signalą oficialia registracija, lauko apžiūra ir veterinariniu įvertinimu; Pateikite aiškius vienetus ir taškus; anonimizuoti verslo duomenis. Atsakomybė už tokius sprendimus kaip gydymas, vakcinacijos programa ir skerdimas tenka atsakingam veterinarijos gydytojui. AI suteikia užuominų; Sprendimą priima sritis ir gydytojas.

Taikymo užduotis

Tegul dirbtinis intelektas apibendrina rodiklį (SCC, primilžį, mirtingumą ar vaisingumą) iš paskutinių 90 verslo dienų, kurias stebite. Tada: (1) palyginkite AI pažymėtą tendenciją su oficialiu įrašu, (2) patikrinkite savo srities žinias, ar nėra trūkstamų / nenuoseklių duomenų, (3) užsirašykite, kurį atradimą patvirtinsite atlikdami patikrinimą vietoje. Sudarykite mėnesinę valdymo ataskaitą ir patys užpildykite sprendimų skiltį.

kontrolinis sąrašas

• [ ] Išvaliau duomenis pagal vienetą ir datą.
• [ ] Verslo ID anonimizuojau.
• [ ] Uždaviau vieną aiškų klausimą.
• [ ] Pažymėjau tendenciją ir slenksčio viršijimą.
• [ ] Trūkstamus / nenuoseklius duomenis išvardijau atskirai.
• [ ] Signalą patikrinau atlikdamas lauko apžiūrą ir tarnybinį įrašą.
• [ ] Būdamas atsakingas gydytojas, priėmiau galutinį sprendimą dėl bandos.