Perspektívy využitia umelej inteligencie v produktívnej veterinárnej medicíne

22620057

International Visegrad Fund

2026 - 2029

Zigo František, doc. MVDr., PhD. (2026: 50%  |  2027: 50%  |  2028: 50%  |  2029: 50%)

200 - Veterinary Sciences

V modernom poľnohospodárstve sa čoraz viac využívajú nové technológie na zlepšenie efektívnosti, welfare zvierat a kvality produktov. Veterinárna medicína preto zažíva paradigmatickú zmenu prostredníctvom využívania umelej inteligencie (AI) a strojového učenia pri predpovedaní chorôb a monitorovaní hospodárskych zvierat. Kľúčovou výzvou zostáva riadenie údajov z fariem a ich efektívne využívanie. Tento pilotný projekt sa bude realizovať na komerčných mliečnych farmách nachádzajúcich sa v krajinách V4 a bude založený na kombinácii rutinne zhromažďovaných údajov z dojacích systémov (dojivosť, elektrická vodivosť, zloženie mlieka, index produkcie) s mesačnými laboratórnymi správami (počet somatických buniek - SCC, tuk, bielkoviny, laktóza). Obzvlášť dôležitá je schopnosť predpovedať ochorenie mliečnej žľazy - mastitídu, jedno z troch najčastejších ochorení kráv, ktoré spôsobuje farmárom značné ekonomické straty v dôsledku zníženej produkcie a kvality mlieka, ako aj predčasného vyradzovania. Takáto predikcia mastitídy založená na AI je tiež v súlade s nedávnym úsilím o zlepšenie welfare zvierat, zníženie strát v produkcii a cielenejšie a zodpovednejšie používanie antimikrobiálnych látok. Syntéza veľkého množstva údajov z fariem do modelu AI umožní posun smerom k prediktívnemu riadeniu stáda, minimalizuje straty v produkcii a uľahčí včasné, empirické veterinárne zásahy. Očakáva sa, že projekt sa po overení na skutočnej farme spustí na úrovni TRL4 a prinesie plne škálovateľný systém podpory rozhodovania založený na umelej inteligencii, ktorý bude v súlade s cieľmi udržania kvalitnej živočíšnej výroby.

Modern agriculture is increasingly turning to new technologies to improve efficiency, animal welfare and product quality. Veterinary medicine is therefore experiencing a paradigm shift through the use of artificial intelligence (AI) and machine learning in disease prediction and livestock monitoring. The key challenge remains managing farm data and using it effectively. This pilot project will be carried out on commercial dairy farms located in the V4 countries and will be based on a combination of routinely collected data from milking systems (milk yield, electrical conductivity, production and market value index - SPP) with monthly laboratory reports (somatic cell count - SCC, fat, protein, lactose). Of particular importance is the ability to predict mastitis, one of the top three diseases in cows, which causes significant economic losses for farmers through reduced milk production and quality, as well as premature culling. Such AI-based mastitis prediction is also in line with recent efforts to improve animal welfare, reduce production losses, and make antimicrobial use more targeted and responsible. Synthesizing large amounts of farm data into an AI model will enable a shift towards predictive herd management, improve animal welfare, minimize production losses, and facilitate timely, empirical veterinary interventions. The project is expected to start at TRL4 after validation on a real farm, delivering a fully scalable, AI-based decision-support system aligned with the goals of value retention and sustainable livestock production.