AI die de gezondheid van katten voorspelt in de kattenbak

Inzicht uit elke plas en poeppatroon

Wat voor de meeste katteneigenaren slechts een onvriendelijk klusje is, beschouwen wetenschappers als een goudmijn aan gedragsdata: de kattenbak. Onderzoekers van Nestlé Purina PetCare gingen na wat katten precies doen in hun kattenbak — van de voor-de-zak-klauw, het draaien, tot het nauwkeurig bedekken — en stelden een gedragscatalogus — een “ethogram” — op met 39 verschillende handelingen.

Door videobeelden van deze handelingen te koppelen aan gewichtssensoren onder de kattenbak, leerden ze een AI-systeem te bouwen dat onderscheid kan maken tussen normale en afwijkende patronen.

Hoe werkt het systeem?

Het project begon in 2018 met 191 katten, deels in het onderzoekscentrum, deels in huissituaties. Rond elk kattenbezoek werd video en sensorgegevens vastgelegd, en gedragsdeskundigen hielpen bij het labelen van elk klein signaal — oorstand, snorhaarstand, draaiing — om de AI te trainen. In totaal verwerkten ze meer dan 300.000 opname-events om het algoritme te verfijnen.

Het systeem – dat inmiddels aanwezig is onder de naam Petivity Smart Litter Box Monitor (gelanceerd in 2022) — wordt onder een gewone kattenbak geschoven en kan via gewicht, tijdstip en gedragspatronen elke kat in huis herkennen en monitoren. Wanneer de gemeten waarden afwijken van wat normaal is voor die kat, stuurt het systeem een waarschuwing naar de eigenaar.

Waarom dit waardevol kan zijn

Katten zijn meesters in het verbergen van symptomen. Veel ziekten — zoals nierproblemen — manifesteren zich vaak pas in een vergevorderd stadium, als eigenaren al veranderingen opmerken. Dit AI-systeem probeert die kloof te verkleinen door subtiele afwijkingen vroegtijdig te signaleren. Bijvoorbeeld: een plotse toename van urineren, of een lichte maar gestage gewichtsafname, kunnen vroegere tekenen zijn die bij de mens vaak over het hoofd worden gezien.

Onder meer Jessica Quimby (klinisch specialist) gebruikt de monitor in haar onderzoekswerk naar nierziekten bij katten en ziet dat trends die de monitor identificeert — zoals vaker urineren of gewichtsverlies — vaak voorafgaan aan de diagnose.

Grenzen en uitdagingen

Het systeem kent ook beperkingen:

• Wanneer twee katten in gewicht en gedrag erg op elkaar lijken, kan de AI moeite hebben om ze correct te onderscheiden.
• Huiselijke ruis — zoals robotstofzuigers of luidruchtige machines — kan de metingen verstoren.
• In een situatie die de onderzoekers tegenkwamen, haalde de hond de uitwerpselen weg vóór de AI die kon registeren — een onverwachte factor.
• Zeker bij een groot aantal katten in één huishouden (meer dan vijf) daalt de betrouwbaarheid.

Bovendien benadrukken de ontwikkelaars dat de monitor geen vervanging is voor diagnostiek: hij kan geen ziekten behandelen of genezen, maar geeft mogelijke signalen door die om veterinaire opvolging vragen.

De toekomst: Slimmer, kleiner, nauwkeuriger

Met verbeteringen in deep learning-modellen verwachten de onderzoekers dat de AI steeds subtielere verschillen kan leren onderscheiden — zelfs tussen katten met vergelijkbare gewichten. Mogelijk ziet men in de toekomst dat dergelijke systemen verder worden geïntegreerd met andere vormen van huisdierenmedische AI, waarmee preventieve zorg nog krachtiger kan worden.