AI kan identifiera bakterier som orsakar mastit

I en ny studie från SLU utvärderades noggrannheten hos en AI-baserad bildklassificerare jämfört med ett ackrediterat referenslaboratorium. Mjölkprover från kliniska mastiter (juverinflammation med synliga symptom) samlades in och analyserades på Statens veterinärmedicinska anstalts (SVA:s) mastitlaboratorium med både ackrediterad metod och bildklassificeraren Bacticam. Klassificeraren kan identifiera påväxt av åtta olika bakterietyper på SELMA+-agarplattor.

Klassificeraren kan från bilder, tagna med över- och under-ljus i en speciell ”fotostudio”, på speciellt framtagna agarplattor (SELMA+) identifiera växt av åtta olika bakterietyper.

Av 1 212 analyserade prover gav klassificeraren diagnos i 70 procent av fallen, medan 30 procent krävde vidare utvärdering. Klassificeraren visade hög specificitet för alla diagnoser och hög sensitivitet för vanliga bakterier som Escherichia coli, Staphylococcus aureus och streptockocker som inte är beta-hemolyserande, men lägre sensitivitet för andra bakterier.

Ett sekundärt syfte var att, i ett urval av prover, undersöka hur hantering och provtransport påverkar diagnoser genom att jämföra resultat från en bildklassificerare placerad på gård med en placerad i laboratorium samt från referenslaboratoriet. För 62 procent av proverna överensstämde diagnoserna. Genomsnittlig transporttid var 4,9 dagar. Blandinfektioner var vanligare vid analys på gård.

Den automatiska bildklassificeraren Bacticam visar potential för att diagnostisera bakterier som orsakar klinisk mastit på gården, vilket stödjer målinriktad antibiotikabehandling och kan minska användningen av antibiotika.

Länk till publikationen

Evaluation of an automatic image classifier for analysis of bacterial growth on a multiple-agar plate developed for bovine mastitis. Tamminen & Dahlberg, PlosOne 2025