AI hittar rörelseskillnader hos hästar som ögat missar
Små skillnader i hästars rörelsemönster kan vara svåra eller omöjliga att upptäcka med blotta ögat. Genom att kombinera rörelsesensorer, AI och genetiska analyser har forskare vid SLU nu identifierat både tidigare oupptäckta skillnader mellan gångarter och en genetisk region som kan ha betydelse för hur rörelser styrs och koordineras.
Publicerad 2026-08-10
Hur hästar med särskilda gångarter rör sig har traditionellt bedömts genom att studera rörelserna och lyssna på hovslagen. Men när skillnaderna är mycket små kan det vara svårt även för erfarna domare och uppfödare att skilja gångarterna åt.
I en ny studie har forskare undersökt 225 colombianska paso fini hästar. Med hjälp av rörelsesensorer registrerades över 226 000 steg, som därefter analyserades och klassificerades med en AI-modell.
Resultaten visade på tydliga skillnader jämfört med tidigare bedömningar. Nästan hälften av hästarna fick en annan gångartsklassificering av AI-systemet än den som tidigare gjorts av uppfödare och domare. Modellen kunde identifiera små skillnader i bland annat rörelsernas timing och koordination som är mycket svåra för människan att uppfatta.
Forskarna gick sedan vidare och kopplade rörelseanalyserna till hästarnas genetik. Där identifierades en tidigare okänd region på kromosom 16 som skiljer två närbesläktade gångarter hos de colombianska hästarna – colombiansk trocha och colombiansk trav.
I regionen finns flera gener som är aktiva i nervsystemet och har betydelse för koordination av rörelser. Särskilt intressanta är generna ATP2B2 och SRGAP3, som tidigare har kopplats till nervsystemets utveckling och motorisk kontroll hos däggdjur.
Resultaten tyder på att generna kan samverka i de nervkretsar som styr hästens rörelsemönster och koordination. Mekanismen verkar dessutom vara oberoende av mutationen i DMRT3, den så kallade gångartsgenen, som sedan tidigare är känd för att påverka hästars förmåga att utföra alternativa gångarter.
Studien visar enligt forskarna hur kombinationen av AI-baserad rörelseanalys och genomik kan användas för att studera komplexa biologiska egenskaper med större precision. Inom hästaveln skulle metoden på sikt kunna ge mer objektiva verktyg för att klassificera och bevara olika gångarter.
Resultaten är också intressanta ur ett bredare biologiskt perspektiv. De identifierade generna har motsvarande funktioner hos andra däggdjur, däribland människan, vilket gör fynden relevanta för fortsatt forskning om hur nervsystemet reglerar motorik och koordinerade rörelser.