Mercedes González & Nuria Garcia
La tuberculosis bovina es una enfermedad zoonótica, es decir, que además de afectar al ganado vacuno, afecta a los seres humanos. La Organización Mundial de la Salud calcula que cada año unos 10 millones de personas al año padecen tuberculosis, y mueren aproximadamente más de 1 millón. Una parte importante de estas cifras se debe a la tuberculosis bovina, que se transmite por consumir leche que no se ha tratado correctamente, o por convivencia y trato directo con los animales.
La tuberculosis es una enfermedad muy grave y muy difícil de tratar, tiene distribución mundial, y al considerarse uno de los mayores problemas globales de salud pública se considera fundamental aplicar buenas medidas de prevención para evitar infecciones. Además, en las granjas de vacuno lechero la tuberculosis produce importantes pérdidas económicas, por decomisos de canales en los mataderos debido a las lesiones granulomatosas en la carne o en los pulmones, y por los descensos en la producción de leche de los animales afectados.
La forma más sencilla, barata y eficaz de control y erradicación de la tuberculosis bovina es realizar la prueba intradérmica de la tuberculina, que además está estandarizada. Muchos países la hacen de forma oficial para detectar los animales infectados y retirarlos de los rebaños, generalmente con destino al matadero, para cortar la transmisión entre animales y por ello, también al ser humano.
La prueba de la tuberculina consiste en inyectar una pequeña cantidad de antígeno (un derivado purificado proteínico derivado de la bacteria) dentro de la piel de las vacas, y medir el grosor de la reacción que se produce. Se considera un resultado positivo cuando el grosor supera un límite establecido, por lo que las vacas afectadas se deben retirar por el riesgo de transmisión que suponen hacia otros animales y hacia las personas (por contacto y a través de la leche). Sin embargo, podría haber otros métodos de detección de tuberculosis en las granjas eficaces y sencillos.
Utilidad de las técnicas analíticas espectroscópicas de infrarrojo medio en granjas lecheras
Desde hace años, en las granjas lecheras se aplican las técnicas analíticas espectroscópicas de infrarrojo medio (MIR). Se trata de una técnica que se utiliza ampliamente en la industria alimentaria para detectar la presencia de diversas sustancias, basándose en la excitación y vibración de las moléculas presentes en el material analizado al hacer incidir un haz de luz infrarroja de un espectro determinado (una frecuencia de 4000 a 400 cm−1).
En general, en la industria alimentaria los análisis de MIR se emplean para detectar fraudes y adulteraciones, mientras que en las granjas lecheras hace tiempo que se han implementado para predecir de forma eficiente, rutinaria y con bajo coste el contenido en grasa y proteína de la leche. Algunos estudios han demostrado su utilidad como un método predictivo para evaluar los ácidos grasos de la leche, el estado energético de las vacas, las emisiones de metano, los cuerpos cetónicos, e incluso el estado de gestación.
En algunos países, como Reino Unido, se registran los datos de MIR de la leche en muchas granjas de forma rutinaria y se vuelcan en sistemas de inteligencia artificial que tienen algoritmos con capacidad de aprendizaje profundo mediante modelos computacionales complejos, para investigar la relación entre los componentes de la leche y algunas características importantes de las granjas que se deseen estudiar, empleando métodos estadísticos.
Por ejemplo, se han creado redes neuronales convolucionales profundas (sistemas de inteligencia artificial) en el que se asocian los datos de gestación de las vacas con los resultados de los análisis MIR de la leche, y se ha observado que los espectros de infrarrojo de la leche tienen características específicas relacionadas con los estados de gestación y metabólicos de las vacas, por lo que se puede crear un modelo que tiene una precisión predictiva bastante alta para detectar inicios o pérdidas de gestación.
Este fue el caso de la tuberculosis: un estudio realizado en Reino Unido (Denholm et al., 2020) combinó los datos obtenidos de la base de datos nacional del programa de cribado con tuberculina y la información obtenida de los análisis MIR de la leche de ordeño para alimentar las redes neuronales artificiales, lo que permitiría predecir el estado de tuberculosis de forma rutinaria.
Se incluyeron datos de más de 1,600,000 vacas de rebaños lecheros de Reino Unido, que aportaban datos al sistema nacional de registros. La base de datos se alimentó con los registros de producción y composición de la leche, edad de los animales, resultados de las pruebas de tuberculina, estado de las lesiones de la piel, cultivos microbiológicos, y resultados de matadero. Se añadieron también datos sobre movimientos de animales, nacimientos y muertes.
Especificidad y sensibilidad de la prueba de la tuberculina para detectar tuberculosis en granjas lecheras
La prueba de la tuberculina tiene una alta especificidad (superior al 99.9%), que indica su capacidad para detectar animales que están libres de la enfermedad cuando dan negativos a la prueba. Sin embargo, la sensibilidad (capacidad para detectar correctamente los animales que están realmente enfermos cuando la prueba es positiva) no es tan alta, es de un 80% de media.
Esto significa que la mayoría de las vacas que dan negativo a la tuberculina serán realmente negativas, por lo que desde el punto de vista de la salud pública y de la salud animal se puede tener mucha seguridad de que no quedan animales enfermos que pueden transmitir la tuberculosis a otros animales o a las personas. Sin embargo, de los animales que dan positivos a la prueba, queda un porcentaje que serían dudosos si están realmente enfermos o no, produciendo pérdidas económicas.
La prueba del gamma interferón es más cara y tiene una sensibilidad más alta (85-90%) pero una especificidad algo más baja (96.6%). El método de los análisis MIR demostró ser una herramienta innovadora, de bajo coste y no invasiva que ofrece información sobre el estado de salud de las vacas y permite tomar decisiones de manejo y bienestar animal, y es un buen complemento a las medidas de control oficiales de la tuberculosis, por lo que podría ser una ayuda para su control y erradicación, vigilancia, manejo de brotes, y prevención de transmisión por parte de la fauna silvestre.
Los resultados obtenidos con este estudio abren nuevas posibilidades para aplicarlo con otras enfermedades de interés, como la paratuberculosis (enfermedad de Johne), una enteritis crónica y contagiosa producida por Mycobacterium avium subsp. Paratuberculosis.
Conclusiones
En este estudio se concluyó que las redes de aprendizaje profundo basadas en análisis del espectro de infrarrojo medio de la leche son un método prometedor para predecir el estado de tuberculosis en vacas lecheras individuales. El sistema demostró ser capaz de alertar qué vacas podrían fallar en las pruebas de tuberculina, con una precisión del 95%. Las predicciones se correlacionaron con solidez con los valores reales.
Esto sería una herramienta útil para los ganaderos, ya que la predicción automática durante el ordeño de cada vaca podría facilitar la toma de decisiones sobre aquellas vacas que pudieran ser posiblemente reactivas a la prueba (y, por lo tanto, estar infectadas). En un futuro próximo podría ser una herramienta rutinaria útil.
Referencia
Scott J. Denholm, Werner Brand, Andrew P. Mitchell, Abbygail T. Wells, Tomasz Krzyzelewski, Stephanie L. Smith, Eileen Wall, Mike P. Coffey. Predicting bovine tuberculosis status of dairy cows from mid-infrared spectral data of milk using deep learning. Journal of Dairy Science. 2020 Oct; 103(10): 9455-9367.
© 2020 Dairy Knowledge Center. All Rights Reserved.
