IMPACTO DA ROTULAGEM PRESENCIAL E REMOTA NA PERFORMANCE DE UMA INTELIGÊNCIA ARTIFICIAL PARA DETECÇÃO DE TOSSES EM BEZERROS

INTRODUÇÃO: Os problemas respiratórios em bovinos representam uma grande preocupação na produção pecuária, afetando a saúde, a produtividade dos animais e aumentando os custos de tratamento. Esses problemas acometem tanto gados leiteiros quanto de corte. Para abordar essa questão, pesquisadores desenvolveram tecnologias através da inteligência artificial para detectar precocemente infecções respiratórias com a coleta de sons de tosse. Porém o desempenho das tecnologias desenvolvidas é baixo, sendo necessário buscar soluções que sejam efetivas no monitoramento das doenças respiratórias. Um dos problemas é a qualidade da base de dados utilizada para treinamento da Inteligência Artificial. Sendo que a coleta e rotulagens de sons de tosse ao vivo pode fazer diferença na efetividade das tecnologias desenvolvidas. OBJETIVOS: O objetivo desse estudo foi comparar a efetividade da rotulagem de tosses realizada por um observador presencialmente com a rotulagem feita por outros dois observadores a distância. MATERIAIS E MÉTODO: Foram utilizados quatro microfones da PecSmart, onde foram instalados para gravar sons de tosses. As gravações foram feitas em períodos específicos do dia e analisadas tanto presencialmente quanto remotamente. Um observador de forma presencial rotulou os sons em tempo real, para desenvolverem o padrão ouro da pesquisa. Após definirem o padrão ouro, a mesma rotulagem foi feita de forma remota. A rotulagem remota foi realizada sem acesso às rotulagens feitas presencialmente. A concordância entre os sons identificados presencialmente com os sons identificados pelos observadores remotamente foi analisada. RESULTADOS: A análise estatística revelou uma baixa concordância entre as tosses rotuladas presencialmente e à distância. O observador presencial identificou 371 tosses, enquanto os observadores remotos identificaram 299 e 294 tosses, respectivamente. A concordância foi de 56% para o primeiro observador remoto e 47% para o segundo observador remoto, indicando que muitos sons de tosse não foram corretamente identificados. Os resultados sugerem que a rotulagem presencial é mais confiável do que a remota devido à variabilidade na percepção dos observadores e à interferência de ruídos externos nas gravações. Isso impacta a qualidade dos dados coletados e, consequentemente, o treinamento da inteligência artificial. CONSIDERAÇÕES FINAIS: Apesar dos desafios, a inteligência artificial tem potencial para ser uma ferramenta eficaz no diagnóstico precoce de doenças respiratórias em bovinos, desde que seja treinada com dados precisos e de alta qualidade. Futuros desenvolvimentos devem focar na otimização das metodologias de coleta e rotulagem de dados para melhorar a eficácia e confiabilidade das tecnologias de monitoramento automatizado.

PALAVRAS-CHAVE: Problemas respiratórios; Produção bovina; Inteligência artificial; Monitoramento de tosses; Rotulagem presencial