《Smart Agricultural Technology》：Multi-frequency bioelectrical impedance and machine learning for non-invasive detection of Caseous Lymphadenitis in goats: a one health precision surveillance approach
编辑推荐：
干酪性淋巴结炎（Caseous lymphadenitis，CL）是一种由假结核棒状杆菌（Corynebacterium pseudotuberculosis）引起的绵羊和山羊慢性传染病，对动物健康、农场生产力、胴体价值和职业暴露风险具有重大影响。由于受感染动
干酪性淋巴结炎（Caseous lymphadenitis，CL）是一种由假结核棒状杆菌（Corynebacterium pseudotuberculosis）引起的绵羊和山羊慢性传染病，对动物健康、农场生产力、胴体价值和职业暴露风险具有重大影响。由于受感染动物可能保持临床无症状或发展成慢性病变，因此需要实用的现场筛查工具来改善早期检测和群体层面的疾病管理。本研究评估了多频生物电阻抗分析（multi-frequency bioelectrical impedance analysis，BIA）是否能利用电阻（resistance）、电抗（reactance）、相位角（phase angle）及衍生频谱特征区分健康/对照山羊与CL阳性山羊。测量值在50、100和180 kHz频率下进行汇总，随后进行了多变量可视化、马氏距离（Mahalanobis distance）分析、留一受试者交叉验证、个体层面风险排序、校准评估和决策曲线分析（decision curve analysis）。CL阳性山羊表现出明显的频率依赖性阻抗行为，包括改变的电阻-电抗谱以及跨频率持续较高的相位角响应。CL阳性动物的多变量频谱距健康质心的距离显著更大，表明其生物电阻偏离了健康阻抗谱。在留一受试者ROC分析中，非线性模型优于线性模型，曲线下面积（AUC）为0.68，而线性模型为0.56，表明基于原始阻抗测量具有中等判别能力。个体层面风险排序进一步显示CL阳性山羊在高预测风险动物中富集，而决策曲线分析则表明在较低临床阈值概率下具有潜在的筛查价值。这些发现支持了BIA作为一种快速、无创辅助筛查工具用于山羊CL相关风险分类的可行性。从同一健康（One Health）视角来看，该方法可改善动物福利、减少小型反刍动物系统中的疾病持续性、支持生产者决策，并降低与感染动物及受污染农场环境相关的人类暴露风险。
论文解读：多频生物电阻抗与机器学习用于山羊干酪性淋巴结炎的无创检测
研究背景与问题
干酪性淋巴结炎（Caseous lymphadenitis，CL）是由假结核棒状杆菌（Corynebacterium pseudotuberculosis）引起的一种绵羊和山羊慢性传染病。该病以浅表和内部淋巴结形成脓肿为特征，受感染动物可能长期保持临床无症状或难以被常规检查发现，导致病原体在畜群内持续存在。CL不仅严重影响动物福利、牧场生产力、胴体品质和长期畜群健康管理，还因病原体可在环境中存活且治疗反应有限而使得控制极为困难。此外，CL具有重要的同一健康（One Health）意义：尽管其主要感染小型反刍动物，但已有报道称该病原体可感染人类，尤其是与羊只密切接触的职业人群。当前的CL诊断通常依赖于临床检查、脓肿评估、细菌培养、血清学或尸检结果，但这些方法存在明显局限：临床筛查易遗漏早期、内部或亚临床感染，血清学结果随病程和免疫状态波动，且大多需要实验室支持和侵入性采样。因此，亟需一种快速、适用于现场、可重复且非侵入性的筛查工具，以帮助识别需要进一步检查或确诊的动物。
研究目的与方法
本研究旨在评估多频生物电阻抗分析（bioelectrical impedance analysis，BIA）能否通过测量电阻（resistance）、电抗（reactance）、相位角（phase angle）及衍生频谱特征，有效区分健康/对照山羊与CL阳性山羊。研究人员假设CL阳性山羊会表现出与健康山羊不同的阻抗信号，且非线性建模能比线性模型更好地捕捉疾病相关的频谱模式。通过整合非侵入性传感技术、机器学习、慢性疾病监测和人畜共患病风险意识，本研究支持了一种针对山羊CL的同一健康精准监测方法。
关键技术方法
本研究采用了以下主要技术方法：
- 1.
研究设计与动物来源：一项观察性诊断可行性研究，选取美国佐治亚州Fort Valley State University农业技术中心农场的58只西班牙雄性完整山羊（约24月龄，体重36-50 kg）作为研究对象。
- 2.
数据采集：使用Quality Food CQR 3.0便携式设备，在50、100和180 kHz三个频率下，通过尾部接触点区域采集山羊的生物电阻抗测量值。最终数据集包含来自58只动物的2673次阻抗测量记录（1721次健康/对照，952次CL阳性）。
- 3.
数据分析与建模：采用主成分分析（PCA）和马氏距离（Mahalanobis distance）进行多变量探索；分别使用逻辑回归（线性基线）和支持向量机（SVM）径向基函数（RBF）核（非线性模型）进行分类建模；通过分层五折交叉验证和留一受试者交叉验证（leave-one-subject-out validation，LOSO）评估模型性能；采用SHAP值进行模型解释，并进行校准分析和决策曲线分析（decision curve analysis）。
研究结果
3.1 数据集结构与测量分布：最终分析数据集包含2673次阻抗测量，其中1721次为健康/对照，952次为CL阳性。34只山羊贡献了至少一次健康/对照测量，30只山羊贡献了至少一次CL阳性测量，其中6只山羊在两个健康状态类别中均有测量记录。
3.2 整体阻抗与生理特征差异：CL阳性测量的平均电抗、相位角、阻抗模量、电抗/电阻比值（Xc/Rs ratio）和马氏距离均显著高于健康/对照测量。最强的统计分离出现在相位角、Xc/Rs比值和马氏距离，而电阻单独显示的分离较弱。这表明CL相关的生物电变化更多体现在电抗相关和多变量阻抗特征中。
3.3 频率特异性阻抗与相位角响应：CL阳性山羊在所有三个频率下的相位角均更高，且呈现随频率升高而增加的趋势（50 kHz时36.95°升至180 kHz时41.08°），而健康/对照山羊的相位角则略有下降（从34.23°降至32.21°）。这种频率依赖性的相位行为为CL相关生物电变化提供了有用信息。
3.4 多变量阻抗分离：尽管原始电阻-电抗散点图显示两组间存在大量重叠，但马氏距离分析提供了更强的组级分离证据。CL阳性测量的平均马氏距离（2.44±1.00）显著大于健康/对照测量（1.73±1.01），表明CL阳性测量偏离健康阻抗谱的程度更大。
3.5 模型判别力与敏感性分析：在留一受试者交叉验证中，非线性原始模型的AUC为0.68，优于线性原始模型的0.56，表明其对未见山羊具有中等判别能力。混合效应敏感性模型显示，在考虑动物内重复测量后，电阻、电抗、相位角和log10频率仍与CL状态显著相关。
3.6 个体层面风险排序、模型解释与临床效用：个体层面风险排序显示CL阳性记录在高预测风险动物中富集。SHAP分析表明非线性模型使用了多个预测因子。校准分析显示预测概率与观测风险方向一致但未完全校准。决策曲线分析表明，在低至中等阈值概率下，模型引导的筛查具有正向净收益。
讨论与结论
讨论总结：本研究提供了概念验证证据，证明多频BIA能够捕获健康/对照与CL阳性山羊之间的可测量生物电差异。最强的组级差异出现在电抗、相位角、阻抗模量、Xc/Rs比值和马氏距离。CL阳性山羊表现出的较高相位角不应过度解读为细胞健康改善，而可能反映疾病相关的组织电容变化、脓肿结构、炎症重塑或测量路径效应。频率响应模式进一步强化了这一解释，表明诊断信息不仅限于绝对阻抗值，还取决于阻抗随频率的变化方式。非线性模型优于线性模型，但留一受试者AUC仅为0.68，表明当前模型尚不足以在商业农场条件下独立部署，需进行外部验证和模型优化。从工程部署角度看，本研究使用的便携式低压BIA设备具备快速测量、云端存储和坚固外壳等现场适用特性。未来研究应优先在多独立畜群中进行外部验证，并使用更宽频率范围的升级版仪器。
结论翻译：本研究提供了概念验证证据，表明多频生物电阻抗分析能够捕获健康/对照山羊与干酪性淋巴结炎阳性山羊测量值之间的可测量生物电差异。CL阳性测量显示出改变的电抗、相位角、阻抗模量、Xc/Rs比值，以及与健康阻抗谱更大的多变量距离，表明疾病相关变化可能反映在宿主水平的阻抗信号中。非线性建模相比线性建模提高了判别力，但动物感知验证显示性能中等，支持谨慎解读。因此，这些发现初步证实了BIA作为一种快速、无创辅助筛查工具用于山羊CL相关风险分类的可行性，尤其适用于个体层面风险排序和确诊检验优先级划分，但不能作为商业农场条件下的独立诊断工具。从同一健康视角看，更早地识别高风险山羊有助于支持畜群健康管理、减少环境污染、改善生物安全并限制与感染动物相关的职业暴露。
