今天发表在《科学报告》上的这项新研究发现，机器学习具有增强和提高兽医准确诊断牛群乳腺炎起源并降低奶牛场乳腺炎水平的能力。

乳腺炎是奶牛的一种极为昂贵的地方病，在英国花费约1.7亿英镑。控制乳腺炎的关键第一步是确定引起乳腺炎的病原体。细菌是来自奶牛的环境，还是通过挤奶厅传染性地传播?

这种诊断通常由兽医通过分析奶牛场的数据进行，并且是广泛使用的农业和园艺发展委员会(AHDB)乳腺炎控制计划的基石，但这需要时间和专业兽医培训。

从过滤垃圾邮件和Netflix电影的建议到皮肤癌的准确分类，机器学习算法得到了广泛的应用。这些算法以学生医生或兽医的方式解决诊断问题。从数据中学习规则，并将其应用于新患者。

这项研究由诺丁汉大学兽医与科学学院的兽医和研究员罗伯特·海德(Robert Hyde)领导，旨在创建一个自动诊断支持工具，以诊断牛群级乳腺炎的起源，这是AHDB的重要第一步乳腺炎控制计划。

在三个月的时间内输入了来自1,000个牧群的乳腺炎数据。使用机器学习算法对牛群乳腺炎的起源进行分类，并与专家兽医进行的专家诊断进行比较。

与专家兽医诊断相比，机器学习算法能够对环境性与传染性乳腺炎进行分类，准确率达到98%，对泌乳期与干燥期环境性乳腺炎进行分类，准确率达到78%。

海德博士说：“乳腺炎对奶农而言是一个巨大的问题，无论从经济还是从福利角度而言。我们的研究表明，机器学习算法可以准确地诊断奶牛场这种病的根源。这种诊断工具具有该行业具有解决这种情况的巨大潜力，并可以协助兽医临床医生快速诊断成群的乳腺炎，以便在动物健康，生产力，福利和抗菌药物使用方面迅速实施对极具破坏性的疾病的控制措施。 ”