Diese Woche dabei: Infrarot gegen Sporotrichose, Wärmebild gegen Mastitis
Ein Infrarot-Fingerabdruck im Plasma erkennt Sporotrichose bei Katzen, und eine Wärmebild-KI findet Mastitis, wenn die Kuh geradeaus schaut.
Fachbegriff der Studie
Area under the Curve (AUC) – Ein Gesamtmaß dafür, wie gut ein Test oder Modell zwei Gruppen voneinander trennt, etwa kranke und nicht kranke Tiere. Ein Wert von 1,0 bedeutet perfekte Trennung, 0,5 entspricht einem Münzwurf. Werte über 0,9 gelten als sehr gut.
Infrarot-Fingerabdruck im Plasma erkennt Sporotrichose bei Katzen
Lässt sich eine Sporotrichose bei Katzen an einer Blutprobe erkennen, ohne wochenlang auf die Pilzkultur zu warten? Ein Team der Universidade Federal do Paraná in Brasilien hat dafür Infrarotspektroskopie mit Machine Learning kombiniert und an 75 Katzen getestet. Bei 15 Katzen, die das System vorher nicht kannte, ordneten die besten Modelle alle Tiere richtig ein. Zum Hintergrund: Die Pilzerkrankung ist eine Zoonose und in Teilen Lateinamerikas, vor allem in Brasilien, weit verbreitet. Goldstandard der Diagnose ist die Pilzkultur – und die kann bis zu 30 Tage dauern.
Das Verfahren hat zwei Schritte. Zuerst misst ein Infrarotspektrometer 25 Mikroliter Plasma, ohne Reagenzien: Das Gerät durchleuchtet die Probe mit Infrarotlicht (abgeschwächte Totalreflexion mit Fourier-Transformations-Infrarotspektroskopie, ATR-FTIR) und zeichnet auf, welche Wellenlängen die Moleküle schlucken. Heraus kommt ein Spektrum, eine Art chemischer Fingerabdruck der Probe. Es zeigt nicht den Erreger, sondern wie sich der Stoffwechsel der Katze durch die Infektion verändert, vor allem bei Kohlenhydraten und Fetten. Im zweiten Schritt kommt die KI ins Spiel: Machine-Learning-Modelle haben an den Spektren von 60 Katzen mit bekanntem Kulturergebnis gelernt, worin sich kranke und gesunde Tiere unterscheiden. Ohne sie ginge es nicht: Die Unterschiede sind so fein, dass sich die Kurven infizierter und gesunder Katzen mit bloßem Auge kaum unterscheiden lassen.
Geprüft wurde auf zwei Wegen, beide Male mit der Pilzkultur als Vergleich. Beim ersten wurde jede der 60 Lernkatzen einmal herausgenommen und von einem Modell beurteilt, das ohne sie trainiert worden war. Hier erreichte das beste Modell eine AUC (siehe Tech-Glossar) von 0,90 – 1,0 wäre perfekt. Beim zweiten Weg kamen 15 völlig neue Katzen hinzu: Die besten Modelle erkannten alle infizierten und alle gesunden Tiere richtig, auch wenn pro Katze nur eine einzige Messung ausgewertet wurde.
Die Prüfgruppe ist allerdings klein und stammt aus einer einzigen Region. Weil die Methode die Reaktion des Wirts misst, könnten andere Entzündungen, Infektionen oder Tumoren das Muster stören; das muss erst noch untersucht werden. Als schnelles, reagenzienfreies Screening wäre das Prinzip auch für andere Infektionen denkbar.
Quelle: Domingos EL, El Zein AK, Surek M, Greca Junior H, Castilhos Ribeiro dos Santos-Weiss I, Ferreira LM, Pontarolo R
Rapid identification of feline sporotrichosis by ATR-FTIR spectroscopy coupled with machine learning.
Analytical and Bioanalytical Chemistry, 2026
https://doi.org/10.1007/s00216-026-06671-3
– Lizenz CC BY 4.0
Wärmebildkamera erkennt Mastitis – wenn die Kuh geradeaus schaut
Kann eine Wärmebildkamera im Treibgang Kühe mit subklinischer Mastitis herausfinden, ganz ohne Milchprobe? Ein Team der Inner Mongolia Agricultural University in China hat dafür ein KI-System gebaut, das zuerst die Körperhaltung der Kuh prüft und erst dann die Temperatur auswertet. Bei 40 Kühen, die das System nicht kannte, lag es 35-mal richtig. Das Prinzip dahinter ist bekannt: Ein entzündetes Euter ist wärmer als ein gesundes. Als Vergleichswert dient die Temperatur am Auge, weil sie kaum schwankt. Liegt das Euter um mehr als 0,8 °C darüber, gilt die Kuh als verdächtig.
Das Problem: Dreht die Kuh im Vorbeigehen den Kopf zur Kamera, ist das Auge näher an der Linse und erscheint wärmer, als es ist. In einem Beispiel aus der Studie stieg die gemessene Augentemperatur derselben Kuh dadurch um ein ganzes Grad. Der Abstand zum Euter schrumpft, und eine Mastitis kann übersehen werden.
Das System arbeitet deshalb in drei Schritten. Zuerst erkennt ein KI-Modell im Wärmebild Körperpunkte wie Augen, Nase, Widerrist, Schwanzansatz und Hufe und entscheidet daraus, ob die Kuh seitlich zur Kamera geradeaus läuft; nur solche Bilder werden behalten. Dann markiert ein zweites KI-Modell auf diesen Bildern automatisch Auge und Euter und liest für beide die höchste Temperatur aus. Die Diagnose selbst trifft am Ende keine KI, sondern eine feste Regel: der Temperaturunterschied von 0,8 °C. So bleibt nachvollziehbar, worauf das Ergebnis beruht.
Geprüft wurde an 40 Kühen aus demselben Betrieb, die beim Training nicht dabei waren: 20 gesunde und 20 mit subklinischer Mastitis, festgestellt über die Zellzahl in der Milch. Das vollständige System ordnete 35 der 40 Kühe richtig ein; von den 20 erkrankten erkannte es 17. Wertete dasselbe System alle Bilder aus, ohne die Haltung zu prüfen, waren es nur 31 richtige Einordnungen. Allein der Haltungsfilter brachte also vier Kühe mehr auf die richtige Seite.
Getestet wurde allerdings in nur einem Betrieb, in einer einzigen Saison und an einer kleinen Gruppe. Klinische Mastitiden waren nicht dabei, und die Zellzahl ist selbst nur ein indirekter Maßstab. Für den Praxiseinsatz bräuchte es Daten aus vielen Herden. Das Prinzip, Messwerte erst nach einer automatischen Haltungsprüfung zu verwenden, ließe sich auf andere berührungslose Messungen im Stall übertragen.
Quelle: A Posture-Constrained Infrared Thermography Framework for Dairy Cow Mastitis Detection with DAT-YOLO26
Bao G, Jin X, Gao J, Li X, Han Z, Song J
Animals, 2026
https://doi.org/10.3390/ani16142220
– Lizenz CC BY 4.0
Diese Woche besonders interessant:
Kann ein Algorithmus aus Blutbild, Labor und Röntgen erkennen, ob ein Hund mit Mitralklappenerkrankung Pimobendan braucht – ganz ohne Echo? Die Studie der Woche ordnet ein, wie gut das funktioniert und warum Röntgenwerte knapp unter dem Grenzwert kein Entwarnungssignal sind.
Zur Studie der Woche →
