《Scientific Reports》：The preliminary assessment of using the artificial neural networks to diagnose ketosis in Polish Red cattle based on β-hydroxybutyric acid and haematological parameters
编辑推荐：
编辑短评：针对保护品种波兰红牛缺乏酮病监测手段的痛点，作者首次将血浆BHB与11项血常规指标输入多层感知器(MLP)人工神经网络(ANN)，以AUC>0.6验证淋巴细胞、血红蛋白、红细胞体积对亚临床酮病的判别价值，为资源匮乏牧场提供低成本智能预警新思路。
在喀尔巴阡山脚下的家庭牧场，波兰红牛(PR)以耐寒、长寿、易分娩闻名，却因单产低、规模小而被现代乳业忽视。随着代谢病监测技术向高产荷斯坦倾斜，这一欧洲唯一山地红系保护品种陷入“无人问诊”的尴尬——酮病悄然侵蚀繁殖力与乳质，却缺乏适配的早诊工具。传统血酮检测(BHB≥1.2 mmol/L)成本高、设备门槛高，小牧场难以普及；而血常规仪几乎家家具备，其参数能否成为酮病的“无声哨兵”尚缺系统验证。更棘手的是，PR牛生存环境粗粝、营养波动大，血液基础值与高产奶牛差异显著，直接套用既有阈值极易误诊。于是，一支来自克拉科夫农大的团队尝试用AI破局：把最易获取的11项血常规与BHB一起“喂”给多层感知器，让机器自己找出保护品种特有的疾病语言。
研究样本取自波兰南部6家家庭牧场，共59头PR牛(52头经产牛+7头青年母牛)，均为舍饲越冬期，避免放牧干扰。颈静脉采血后，EDTA管送兽医实验室(VetLab)测全血细胞计数与血浆BHB；同时记录胎次、乳量、乳脂率等生产数据。BHB≥0.86 mmol/L即判为亚临床酮病阳性，共27头(45%)入组，无一表现临床神经症状。作者用STATISTICA 13?构建11-10-1结构的MLP-ANN：输入层11节点对应白细胞、中性粒、淋巴、单核、嗜酸、嗜碱、红细胞、血红蛋白、红细胞压积、平均红细胞体积(MCV)、血小板；单隐层10神经元；输出层0/1分类。数据按70%训练、15%验证、15%测试随机拆分，采用BFGS二阶优化与early stopping(42轮)防止过拟合，激活函数隐层tanh、输出层线性。模型性能以ROC-AUC、Youden指数、敏感性分析(error quotient≥1)综合评估。
关键技术速览：①PR牛 conservation breed 血液队列；②11项血常规+血浆BHB同步采集；③11-10-1 MLP-ANN反向传播训练；④BFGS算法+early stopping；⑤ROC-AUC、Youden指数、敏感性三重验证。
研究结果
血液学与BHB概览
多数个体血常规值落在牛只通用参考区间，但27头BHB升高(0.86–6.7 mmol/L)牛中，2头出现中性粒3.62 G/L、淋巴8.02 G/L的免疫偏移，提示亚临床阶段已触发机体防御。
MLP-ANN训练表现
9次独立重复显示训练集Pearson r 0.996–0.998，验证集r 0.213–0.698；SOS误差训练0.567–1.292，验证0.170–0.477，表明模型对内部数据拟合极佳，对外推具有一定波动。
敏感性分析筛出关键变量
淋巴(LYM)、血红蛋白(HGB)、平均红细胞体积(MCV)的error quotient持续≥1，被视为“网络最信赖”的预测节点。
ROC-AUC验证诊断效能
LYM AUC=0.633±0.074，MCV AUC=0.631±0.081，HGB AUC=0.616±0.075，均>0.6，达到可接受水平；其余8项参数AUC 0.45–0.58，未能跨越0.6门槛。
Youden最佳截点
LYM 3.98 G/L、HGB 100 g/L、MCV 55.2 fL被确定为判别阈值，综合约登指数分别为0.30、0.32、0.21，为后续场边快速判读提供量化标尺。
结论与讨论
这项发表于《Scientific Reports》的初步研究首次证明：在缺乏高端生化平台的山区牧场，仅需一支血常规管，即可借助ANN-MLP把淋巴、血红蛋白、红细胞体积转化为亚临床酮病的“数字听诊器”。AUC虽未到0.9，但对资源保护品种而言，0.63的敏感度已足以提醒农户及时调控日粮、减少产后淘汰。作者坦言，模型外推能力受限于样本量(n=59)与单区域遗传背景，未来需扩大队列、引入代谢酶谱、交叉验证隐层结构，并考虑将算法封装为PMML文件嵌入廉价血常规仪，真正实现“边采血、边预警”。一旦优化完成，该思路不仅可守护波兰红牛遗传资源，也为全球地方品种的健康监测提供可复制的“AI+血常规”低成本范式。
