Ny AI-metod kan förbättra bröstbenets hälsa hos värphöns

– Vår AI-baserade metod gör det möjligt att identifiera bröstbensskador på ett effektivt och objektivt sätt. Det öppnar upp för nya möjligheter att selektera fram värphöns med bättre benhälsa, vilket både förbättrar djurvälfärden och stärker hållbarheten i äggproduktionen, säger Sallam Mohammad Abdallah, doktorand vid SLU. 

Globalt finns cirka 7,8 miljarder värphöns som producerar 87 miljoner ton ägg per år. I Sverige finns 7,7 miljoner höns som står för 118 000 ton ägg. Trots denna omfattande äggproduktion lider en stor andel av bröstbensskador – något som hittills varit svårt att förebygga.

Traditionellt har problemen kopplats till benskörhet, men forskning visar att även höns med starka ben kan drabbas av skador. Det pekar på att fler faktorer spelar in, som bröstbenets form och struktur. För att förstå vad som faktiskt orsakar skadorna har SLU-forskarna utvecklat en metod där AI och röntgen kombineras för att analysera bröstbenens kvalitet.

Den AI-baserade metoden kan med hjälp av djupinlärning och datorseende analysera bröstbenets form och struktur från röntgenbilder. I en studie av 1050 fåglar undersöktes olika mått på bröstbenets kvalitet. Resultaten visade att bröstbenets täthet inte var en pålitlig indikator på skador, troligtvis eftersom frakturer kan leda till bildning av kallus kring skadan. Däremot visade sig bröstbenets konkava area – ett mått på dess böjning – vara en relevant faktor. Större konkav area var kopplat till fler frakturer och deformationer. Måttet visade sig också vara ärftligt och en genetisk korrelation fanns med antalet frakturer, vilket gör det till en lovande egenskap att selektera bort i avel.

- Metoden kan vidareutvecklas för att analysera andra ben, så som skenbenet, och den kan användas både inom avelsprogram och i forskning. Genom att kombinera digital teknik med genetisk selektion kan vi förbättra djurvälfärden och skapa en mer hållbar äggproduktion, säger Sallam Mohammad Abdallah.