大多数人不会去思考如何在牛奶生产过程中保证动物的健康，以及如何让最终产品达到消费标准。

对于奶农而言，牛结核病（bTB）是少数几种会使他们的努力功亏一篑的疾病。这种疾病发展缓慢，是一种会使牛逐渐变得衰弱的慢性疾病，对全球养牛业提出重大经济挑战。

近期，总部位于爱丁堡的苏格兰农业学院（SRUC）率先使用GPU加速AI和数据科学，开展关于如何更快速有效地的监测、治疗bTB的研究。

牛结核病由细菌引起，在牛群中具有很强的传染性并且可传染给其他动物和人类。

这种疾病还会引发非自愿扑杀、动物行动限制，并导致控制和根除该疾病方案花销的产生，进而造成巨大的经济压力。在没有对牛结核病携带畜群实施强制性根除方案的国家，这种疾病还会对公共卫生产生巨大影响。

牛结核病是一种发展缓慢的疾病。因此，直到疾病发展到最后阶段，牛才会出现感染迹象。

为了监测牛群的健康状况，牛群需要定期接受诊断检测。目前所采取的标准做法是单一结核菌素皮内比较试验（SICCT）。但这项试验耗时耗力，而且准确率只有约50-80%。

SRUC通过研究发现了一种新的牛结核病监测方法。该方法使用中红外（MIR）分析技术对为进行定期质量控制检查而采集的牛奶样本进行检测。

首先，使用与传统SICCT皮试结果、培养状态、奶牛是否被屠宰以及是否观察到任何牛结核病病变有关的数据创建牛结核病表型（感染动物的可观察特征），然后结合其中每个类别的信息创建一个二元表型，其中0代表健康奶牛，1代表已感染牛结核病的奶牛。

在每月常规牛奶记录中采集同期个体牛奶MIR数据，与SICCT检测日个体动物的牛结核病状态进行匹配，并转换为53×20像素的图像。在NVIDIA DGX Station上使用这些数据训练一个能够识别牛结核病特定高级特征的深度卷积神经网络。

SRUC的模型能够识别哪些奶牛无法通过SICCT皮试，其准确率为95%，灵敏度和特异度分别为0.96和0.94。

为了处理用于训练牛结核病预测模型的数百万个数据点，SRUC的团队需要一个快速、稳定和安全的计算系统。通过使用NVIDIA DGX Station，以前需要几个月时间才能完成开发的模型，现在只需要几天就可以完成。该团队在RAPIDS数据科学软件的基础上，进一步加快了研究速度，并在短短几个小时内就启动了深度学习模型的开发工作。

SRUC动物育种团队负责人兼EGENES主管Mike Coffey教授表示：“借助RAPIDS，在NVIDIA DGX Station上运行我们的模型，将模型开发速度至少提高了十倍。这让我们能够更快地把预防牛结核病的有效解决方案交付到奶农手中，并显著改善全国应对牛结核病的方式。”

使用平时采集的牛奶样本提前发现感染牛结核病的奶牛是一种创新的、低成本的检测方法，而且更重要的是，这是一种非侵入性的检测方法。它将为英国及其他地区牛结核病的根除做出巨大贡献。

这种工具将帮助奶农更快获得关键信息，让他们能够做出更有效、明智的决策，在大幅提高动物健康程度和安全性的同时，降低农场、政府和纳税人的成本。

使用深度学习预测牛结核病状态所取得的成功，也为类结核病（约翰氏病）等其他疾病的MIR分析标定校准带来了可能性，有助于进一步改善牛群的健康。