Att snabbt identifiera orsaken till mastit är avgörande för korrekt behandling och minskad antibiotikaanvändning. I en nyligen genomförd studie har en AI-baserad bildklassificerare utvärderats mot etablerade laboratoriemetoder för att bedöma dess tillförlitlighet vid identifiering av bakterier från mjölkprov.

Studien omfattade 1 299 prover som analyserades på SVA:s Mastitlaboratorium med både traditionella metoder och den automatiserade bildanalysen. Den aktuella bildklassificeraren kunde särskilja åtta olika bakterietyper på SELMA+ multiagarplattor. Bland de prover som uppfyllde analyskraven (1 212) kunde AI-verktyget ge en tydlig diagnos i 70 procent av fallen. I resterande fall krävdes fortsatt utredning.

Resultaten visar att bildklassificeraren uppnådde hög specificitet för samtliga diagnoser och hög känslighet för vanliga patogener som Escherichia coli, Staphylococcus aureus och icke-beta-hemolytiska streptokocker. Känsligheten var dock lägre för mindre vanligt förekommande bakterier.

Ett sekundärt syfte med studien var att utvärdera effekten av provtransport genom att jämföra analyser gjorda på gården med dem som gjordes i laboratorium. I 62 procent av fallen var diagnosen densamma, men med en genomsnittlig transporttid på 4,9 dagar noterades en påverkan på bakterietillväxten – bland annat påvisades färre blandinfektioner efter transport.

Teknologier som Bacticam – den bildklassificerare som använts i studien – visar på stor potential som stöd i fält, särskilt för veterinärer som arbetar med förebyggande djurhälsa och antibiotikastrategier. Genom att möjliggöra snabbare, målinriktad behandling kan AI-assisterad diagnostik bidra till en mer ansvarsfull antibiotikaanvändning inom mjölkproduktionen.

Läs hela studien här.