Stora framsteg görs idag inom humanmedicinsk diagnostik med hjälp av artificiell intelligens (AI), som bland annat används för att tolka ultraljud och röntgenbilder. Inom veterinärmedicin har dock AI ännu inte fått samma genomslag.

Studier har till exempel visat att det är svårt att visuellt bedöma om hästar haltar, även för erfarna veterinärer. Hältbedömning kräver en mycket komplex mönsterigenkänning där det mänskliga seendet har begränsningar i tolkning och tidsupplösning. Dagens analyser använder bara en bråkdel av tillgänglig information, vilket ger en förenklad tolkning av rörelsemönstret.

SLU har en unik databas med videodata från halta och ohalta hästar som utgör en perfekt träningsmöjlighet för en dator som ska lära sig att klassificera hälta. AI skulle öppna nya möjligheter till diagnostiska framsteg genom en komplex, självlärande mönsterigenkänning och skulle så småningom kunna användas för att skapa allt från stora system för välfärdsövervakning av kor till appar för mobiltelefoner som används av privata hästägare.

Målet med det här projektet är att utforska nya kreativa metoder för att detektera hälta hos häst genom automatiska analyser av videofilm och är ett första steg mot en framtid där AI används för att underlätta tidig upptäckt av ortopediska skador.