基于传感器健康监测系统检测奶牛临床乳腺炎的性能评估

《Animals》：Performance of a Sensor-Based Health Monitoring System for the Detection of Clinical Mastitis in Dairy Cows

　　

乳腺炎是奶牛养殖中最重要的生产性疾病之一，影响动物福利、乳品质及牧场盈利能力。自动化健康监测系统的应用日益增加，温度感应性网胃瘤胃丸被用于检测乳腺炎及其他疾病或生理反应。本研究旨在评估在田间条件下，smaXtec系统生成的乳腺炎警报是否与随后确诊的临床乳腺炎相关。本项基于警报的前瞻性病例系列研究在德国北部和西部的九个奶牛场开展。所有收到smaXtec乳腺炎警报且可获得相应乳样的奶牛均被纳入。研究人员对其实施临床检查、乳区乳样采集及微生物学分析。在102头被警报的奶牛中，40头在4天观察期内被确诊为临床乳腺炎，且多数病例为非重症。这对应阳性预测值为39.2%。研究人员得出结论：基于加速度计和温度监测的系统可能有助于识别临床乳腺炎，但本研究表明，当作为独立工具在田间实际条件下应用时，其诊断价值有限。

**基于传感器健康监测系统检测奶牛临床乳腺炎的性能：一项现场前瞻性病例系列研究的系统解读**

**一、研究背景与问题提出**

乳腺炎是奶牛养殖中最重要的生产性疾病之一，不仅造成产奶量下降和治疗成本升高，还对动物福利和乳品质产生负面影响。随着自动挤奶系统的普及，临床乳腺炎（clinical mastitis, CM）的自动化检测日益成为乳品质量保障和动物福利管理的关键环节。乳腺炎还显著影响奶牛场的抗菌药物使用量，进而涉及抗菌药物管理策略。欧盟设定了2030年畜禽及水产养殖抗菌药物销售减少50%的目标，而奶牛乳房感染的治疗在其中占有相当比例。

体温测量是评估奶牛整体健康状态、识别发热相关疾病的重要指标。传统上多依赖直肠温度测量，但该方法需人工操作且数据采集频率有限。近年来，自动化核心体温监测系统逐渐兴起，可避免直接接触奶牛，降低劳动强度。体温自动测量的部位包括阴道、腹腔、鼓膜、乳房、乳房表面及瘤胃等。其中，网胃—瘤胃温度（reticuloruminal temperature, RTT）监测因可定期获取数据而受到关注。温度感应性网胃丸可实现每十分钟一次的温度采集。相关研究显示直肠温度与RTT之间存在较强相关性。然而，RTT受饮水、环境温度、产奶量、品种、采食行为、发情、胎次等多种因素影响，这给基于RTT的疾病预警带来了挑战。

发热是机体对感染或炎症刺激的全身性反应，由外源性致热原（如细菌脂多糖等）触发内源性致热原释放，进而引起下丘脑体温调定点升高。区分发热与体温过高至关重要。乳腺炎相关病原体如大肠杆菌（*Escherichia coli*, *E. coli*）的脂多糖和革兰氏阳性菌的脂磷壁酸在致热性方面存在差异。smaXtec健康监测系统不仅监测网胃温度，还结合活动量和反刍行为数据，通过人工智能（artificial intelligence, AI）分析个体奶牛的温度基线偏差并生成乳腺炎警报。然而，此前研究多聚焦单一传感器参数或实验性诱导乳腺炎，其结论难以推广到商品化多因子AI警报在实际牧场条件下的表现。因此，本研究旨在评估smaXtec乳腺炎警报与随后确诊的CM之间的关联，重点关注阳性预测值（positive predictive value, PPV）。

**二、研究设计与关键技术方法**

研究团队开展了一项基于警报的前瞻性病例系列研究，时间为2025年1月至2025年11月，对象为位于德国北部和西部的九个荷斯坦—弗里斯兰奶牛场，牛群规模为230至545头泌乳牛，平均年单产为10200至13510千克，体细胞数（somatic cell count, SCC）为80000至276000个/毫升。八个牧场采用传统挤奶系统，一个使用自动挤奶系统。所有牧场均使用smaXtec系统，并同意在警报发生后尽快进行临床检查和采样。研究人员在实验室中采用标准微生物学方法对乳样进行分析，包括血琼脂平板培养、菌落鉴定及基质辅助激光解吸电离飞行时间质谱（MALDI-TOF）技术；同时使用流式细胞术测定SCC。临床乳腺炎根据国际标准分为非重症（仅局部异常）和重症（伴有发热等全身症状），观察期定义为采样日（第0天）起四天。主要统计指标为PPV及其95%置信区间（confidence interval, CI），采用Wilson方法计算。

**三、研究结果**

**3.1 PPV的总体表现**
在102次有效乳腺炎警报中，40头奶牛在观察期内被确诊为CM，PPV为39.2%（95% CI: 30.3%–48.9%）。不同牧场的PPV从0%到100%不等，但牧场间的警报次数与临床治疗发病率无明确对应关系。

**3.2 牧场对警报的应对行为**
在诊断为CM的奶牛中，15%仅接受非甾体抗炎药（non-steroidal anti-inflammatory drug, NSAID）治疗，85%同时接受抗生素和NSAID。在未被诊断CM的62头奶牛中，51.6%仅接受NSAID，11.3%接受抗生素治疗，8.1%同时使用NSAID。这一现象提示治疗本身可能影响了后续临床表现。

**3.3 微生物学发现**
对400份乳区乳样分析显示，无临床CM的乳区最常出现无细菌生长；非重症CM乳区以革兰氏阳性菌为主，而重症CM乳区则更多检出革兰氏阴性菌。最常见的病原体为大肠杆菌、链球菌属及混合菌种。在全部乳样中，大肠菌群（coliforms）检出率为11.8%；在重症CM乳区中，大肠菌群检出率高达44.4%，显著高于非重症（30.6%）和无CM乳区（9%）。

**四、讨论与结论**

**4.1 诊断性能与局限性探讨**
由于研究未设对照组，无法计算敏感性和特异性。PPV受疾病流行率影响，本研究无法确定群体患病率，但各牧场报告的临床治疗发病率差异较大。低PPV的可能原因包括：传感器参数对乳腺炎并不特异，受多种生理和环境因素影响；亚临床乳腺炎也可能触发警报，但本研究未将其视为真阳性。

**4.2 严重程度与体温的关联**
分析发现80%的检出CM病例为非重症，20%为重症。与历史研究相比，重症比例偏高，这与重症CM常伴随体温升高有关，也与预期一致。值得注意的是，8个重症CM病例中有5例在牧场人员发现之前，警报已经发出。

**4.3 病原体特异性温度反应**
研究观察到大肠杆菌及大肠菌群在警报病例中的比例高于一般乳腺炎病原谱，这与其强致热性（LPS）相符。不同病原体导致体温反应差异的机制可能与血乳屏障开放模式和致热原释放量的不同有关。实验研究也表明，革兰氏阴性菌LPS可诱发发热，而革兰氏阳性菌LTA则不引起明显发热，这与本研究的病原分布特征相呼应。

**4.4 与其他传感器检测方法的比较**
smaXtec系统综合使用温度、活动和反刍数据。已有研究表明反刍时间和活动量有助于识别CM，但其有效性因病原种类而异，对大肠杆菌所致的CM效果较好。这些行为参数也有助于AI区分乳腺炎与其他疾病。

**4.5 对治疗及抗生素使用的影响**
本研究中大多数非重症CM接受了抗生素联合NSAID治疗，而部分未患CM的奶牛也被使用抗生素，这有悖于抗菌药物谨慎使用原则。抗生素治疗可能掩盖了部分潜在的临床发病，从而影响PPV的估计。兽医实践应结合病原诊断和个体病史，减少不必要的抗生素暴露。

**4.6 AI的“黑箱”困境**
smaXtec警报算法具有专有性，具体阈值、权重和训练数据不公开，导致结果难以解释。这种缺乏透明度可能影响兽医和牧场的信任，并带来临床决策风险。可解释性AI在兽医领域尚缺乏明确的监管框架。

**4.7 未来研究方向**
未来需要设计包含对照组的研究以全面评估敏感性、特异性和阴性预测值，并探讨系统检测亚临床乳腺炎的能力及病原分布差异。扩大样本来源和标准化方案有助于验证系统的跨牧场适用性。

**五、结论**

在这项现场初步研究中，大多数乳腺炎警报并未在4天观察期内与临床乳腺炎的诊断相关联。所观察到的病例分布提示，基于AI的系统可能更易检出重症CM而非非重症CM，且病原体特异性特征可能影响警报生成概率。这些假设属于探索性发现，需在更大规模研究中验证。研究结果表明，由AI分析温度感应性网胃丸和加速度计数据所生成的警报有助于发现CM，但在实际条件下作为独立工具的诊断价值有限。因此，乳腺炎警报不应作为治疗奶牛CM的唯一依据。