2025年6月14-16日，第六届国际兽医检测诊断大会（AVDC）在六朝古都南京盛大召开。作为亚洲兽医诊断领域的顶级盛会，大会再次聚焦“强有力的兽医诊断，提高动物健康与食品安全”的核心宗旨，汇聚了全球智慧。 

百余位海内外顶尖专家围绕分子诊断、AI应用、病理学、实验室质量管理等关键领域，分享了最前沿的研究成果与实践经验。 

为将这份知识盛宴传递给更多同仁，冠牧精准诊断团队特将大会的精华内容梳理提炼。我们将陆续与您分享这些宝贵的学习笔记，希望能与您共同学习，一起进步。敬请持续关注！

会议笔记（一）

报告人：爱荷华州立大学，张建强教授

报告主题：破译蓝耳“族谱”——全新谱系/亚谱系分类法在猪场精准防控中的应用指南

会议笔记（二）

报告人：黎凡潘（Le Van Phan）副教授，越南国立农业大学（VNUA）

报告主题：越南非洲猪瘟疫情及疫苗研发最新进展

会议笔记（三）

报告人：赵康宁博士，南京农业大学

报告主题：构建现代养猪生产的“预警与刹车”系统——检测及监测体系设计

会议笔记（四）

报告人：吴宗福，南京农业大学教授

报告主题：猪链球菌病及其病原检测

会议笔记（五）

报告人：Derick Whitley 博士，美国兽医病理学专科医师

报告主题：兽医诊断的未来——AI如何重塑行业格局

会议笔记（六）

报告人：李文涛博士，华中农业大学动物医学教授

报告主题：G2c变异株已成主流，猪流行性腹泻（PED）防控面临新挑战

会议笔记（七）

报告人：Giovani Trevisn 博士，爱荷华州立大学，助理教授

报告主题：诊断流程及实验室诊断数据整合在流行病学决策中的应用

会议笔记（八）

报告人：张振东，扬州大学兽医学院副教授，硕士研究生导师

报告主题：猪繁殖与呼吸综合征的实验室检测与解析

会议笔记（九）

报告人：黎凡潘（Le Van Phan）副教授，越南国立农业大学（VNUA）

报告主题：越南ASFV毒株的分子检测及病理特征

会议笔记（十）

报告人：张炜，现任中国噬菌体学组委会会员

报告主题：基于计算机视觉的实时动物感染诊断

会议笔记（十一）

报告人：陈芳洲，华中农业大学博士

报告主题：人工智能技术在兽医诊断的应用

2025年6月16日，在第六届国际AVDC大会上，陈芳洲博士发表了题为《人工智能技术在兽医诊断的应用》的精彩报告。陈博士结合其在企业和博士工作站的实践经验，系统性地阐述了人工智能（AI）技术，如何以一种“温和而革命性”的方式，逐步改变兽医诊断的现有范式。本次分享不仅涵盖了AI在兽医领域的最新应用进展，还深入探讨了其面临的挑战与未来方向，为行业带来深刻启示。

陈芳洲，毕业于华中农业大学预防兽医专业，农学博士，博士期间在美国明尼苏达大学联合培养一年，国家留学基金委基金，国家自然科学基金项目获得者，华中农业大学博士后，广东恒兴集团养猪事业部生产技术总监，2025年建立恒兴博士工作站。参与发表SCI论文20余篇，擅长新病原的挖掘和新发重大传染病的防控，特别是非洲猪瘟、病毒性腹泻和蓝耳等的综合防控及集团公司生产管理事项。李曼中国养猪大会四星级贡献者，《猪业科学》编委、抗非大家谈公众号公益编辑、中国改革开放养猪40年表彰之百名博士，广东养猪协会青年委员。

讲座开篇，陈博士引用了OpenAI CEO Sam Altman于2025年6月11日提出的观点：“奇点（Singularity）正在温和、革命性地改变着我们”。他解释道，过去人们想象的技术“奇点”是一场突如其来的大爆炸，但现实是，它更像一股不声不响的潮水，正逐步渗透并重塑我们的生活方式与工作逻辑。我们实际已经跨过了技术的临界点，爆发已然开始。

Altman更是为未来三年的AI发展给出了清晰的时间线预测：

· 2025年：能完成真正认知工作的AI智能体将会出现。

· 2026年：能发现全新科学洞见的系统将会诞生。

· 2027年：能在现实世界执行任务的机器人将会问世。

讲者认为，这些预测揭示了AI发展的巨大潜力，也预示着各行各业，包括兽医领域，即将迎来深刻的变革。

为了解行业对AI的真实态度，讲者分享了一项于2024年由AJVR和AVMA联合发布的、针对兽医专业人员的AI调查。该调查共收到3,968份有效回复，受访者背景多样，覆盖了不同年龄层、职业角色、机构类型及工作场景，具有较强的代表性。

1. 从业者态度：整体乐观，但怀疑者众

调查显示，兽医行业对AI的整体态度偏向乐观。数据显示，13.9%的受访者表示“非常乐观”，19.9%表示“有些乐观”。然而，仍有相当一部分人持保留甚至怀疑态度，其中29.2%“有些怀疑”，11.7%“非常怀疑”，另有25.2%持中立态度。这表明，尽管行业看到了AI的潜力，但信任的建立仍需过程。

2. 使用频率：AI工具已成日常

在AI工具的使用频率上，数据显示其已深度融入日常工作。接近七成（69.5%）的从业人员每周至少使用一次AI工具，其中35.9%的受访者更是“每天”都在使用。这反映出AI工具在提升工作效率方面的价值已得到广泛认可。

3. 应用领域：影像学与行政管理领跑

AI在兽医实践中的应用领域呈现出多元化趋势。其中，“影像学与放射学”（39.0%）和“记录保存与管理任务”（39.0%）是目前AI渗透最深的两大领域。此外，语音转录、疾病诊断、客户沟通等也成为AI应用的热点。讲者补充说，病理诊断是目前应用的热门方向，但这与实际情况相符，也说明AI在其他方面的潜力尚未被充分挖掘。

4. 应用障碍：可靠性与数据安全是首要担忧

尽管应用广泛，但AI的推广仍面临诸多障碍。从业者最主要的担忧集中在“AI系统的可靠性与准确性”（70.3%）和“数据安全与隐私”（53.9%）。此外，缺乏相关培训、实施成本高昂以及潜在的法律问题也是阻碍AI进一步应用的重要因素。讲者强调，这些担忧是客观存在的，主观上大家非常推崇AI，但实际推进时会遇到很多困难。

5. 未来意愿：明确愿意者不足半数

在被问及近期是否愿意引入AI工具时，仅有45.8%的受访者表示“明确愿意”。多数人（30.1%）持保留态度，表示“有保留地愿意”，而15.5%的人则尚不确定。这再次印证了从主观期望到实践落地之间存在的鸿沟。

讲者总结认为，AI在兽医领域的潜力目前更多是受限于“信任赤字”，而非技术本身。因此，他建议采用“案例验证 + 低风险场景（如行政）试点 → 逐步扩展至诊断”的路径，以此来平衡效率与安全，稳步推进AI的应用。

讲者指出，兽医AI的应用是一个多学科交叉的复杂领域，它融合了动物健康（AH）、人工智能（AI）以及软件工程、数据科学、统计学等多个相关学科。通过这种交叉融合，可以将海量、多维度的数据转化为对动物健康的有效洞察。

AI系统通过整合来自农场内外的各类数据——如外部的天气景观，农场内的建筑环境，以及动物本身的健康、生产和行为数据——构建预测性或机理模型。这些模型能够生成警报、提供建议，从而辅助农场主和兽医做出更合理的治疗决策。

在养猪业中，AI技术的应用尤为具体。通过在猪场部署移动设备、计算单元和传感器，可以实现对个体及群体的健康监测。这些数据经过机器学习算法处理后，能够为临床诊断和治疗方案提供决策支持。

讲者详细展示了机器智能在养猪场的标准工作流程。该流程始于数据采集，涵盖行为、病理、环境等多种指标；随后进行数据预处理和特征提取；最终通过监督式或无监督式学习算法进行分类或回归分析，形成决策支持工具，用以评估风险、生成警报。

他强调，虽然目前存在许多零散的应用，但关键的挑战在于如何将这些技术真正地、自动化地结合起来，让系统变得“智能”而非“笨拙”，避免因体验不佳而被用户抛弃。

1. 跨界借鉴：人医领域的成功经验

讲者认为，AI在人医领域的应用，尤其是在COVID-19防控中的成功实践，为兽医领域提供了宝贵的借鉴。例如，AI在疫情预测、接触者追踪、早期诊断（如通过CT影像和咳嗽声分析）、药物研发乃至信息管理等全流程中都发挥了关键作用。这些成熟的应用模式完全可以移植到兽医领域。

2. 聚焦猪病：非洲猪瘟（ASF）的AI防控

聚焦到对养猪业影响最大的非洲猪瘟（ASF），AI技术同样展示了其应用价值。研究表明，通过AI分析LFA试纸图像、监测动物行为（如发热引起的运动减速），可以实现ASF的早期预警和快速诊断。此外，结合气象地理数据的随机森林模型还能预测疫情的暴发风险。尽管如此，讲者坦言，目前AI在猪兽医领域的应用，相较于人医和宠物医疗，仍存在非常大的差距。

讲者对比了中国与北美在兽医诊断流程上的差异。他指出，国内传统的诊断流程较为线性，往往依赖于临床送检的样本，诊断与临床前端存在一定脱节，流行病学知识也相对匮乏。这导致了“检出是否等于发病”等一系列问题。

相比之下，北美已形成更为先进的检测诊断报告处置流程。该流程以一个覆盖了全美过半母猪存栏的共享数据平台（SDRS）为核心，整合了多个参与实验室的数据。通过标准化的数据搜集、分享和分析，能够为生产者、兽医和政府机构提供宏观的趋势预测和精准的临床问题解决方案。讲者认为，这种联合体的模式是国内可以借鉴的方向。

1. 多模态AI：诊断的未来范式

讲者陈博士重点介绍了“多模态人工智能”这一核心概念。他解释说，兽医诊断是一个复杂的过程，涉及从临床信息收集、问题分析到检查诊断的全流程。未来的AI诊断系统必须是多模态的，即能够集成和分析来自不同维度的信息。

讲者陈博士将兽医诊断的全流程分解为多个步骤，并指出AI可以在“鉴别诊断”和“辅助决策”等关键环节发挥重要作用，为兽医提供强有力的支持。

那么，多模态AI具体包含哪些数据类型呢？

· 医学影像学 (Medical Imaging)：如X射线、CT扫描，是目前应用最广泛的领域。

· 行为视频 (Behavioural Videos)：如步态分析、采食行为监测。

· 文本数据 (Textual Data)：如实验室报告、临床记录。

· 音频数据 (Audio Data)：如呼吸声、咳嗽声。

通过一个集成的多模态AI系统，对这些数据进行融合分析，最终可以产出更精准的诊断洞察。讲者进一步探讨了这类系统所扮演的角色，它可以是工具、助手，甚至是提供“第二诊疗意见”的“同事”。

具体而言，多模态AI能在影像中检测异常标记，通过视频分析步态，利用自然语言处理（NLP）技术从临床记录中提取洞见，并通过分析呼吸音来识别呼吸系统疾病。最终，它能综合所有信息，为兽医提供可操作的见解，减轻认知负荷，提升复杂病例的决策准确性。

2. 现有工具与猪场实践

目前，已有多种网络服务器和工具可用于预测人畜共患病和兽医疾病的传播，这些工具为兽医提供了极大的便利。

在猪场实践中，精准养猪技术（Precision Pig Farming）的实施正是多模态AI理念的体现。通过部署智能摄像头、RFID、以及各种环境传感器（温度、湿度、CO2、氨气等），猪场可以构建一个数据采集网络。这些数据被传输至AI决策系统进行分析，从而实现对猪群健康的实时监控和管理。

讲者展示了分析动物行为的AI算法流程图，该流程清晰地阐述了AI系统如何处理和解读从传感器收集到的数据，进而做出判断。

图像分析是其中的关键一环。讲者介绍了检索增强生成（RAG）技术，它能结合检索与生成，让AI在处理大量文本或图像数据时，提供更准确、更连贯的响应。图中展示了应用于猪场RGB图像的多种处理技术，如二值化、分割、颜色空间转换及骨架分析等，这些技术是AI“看懂”图像的基础。

图像处理的核心流程包括预处理、特征提取、分割和分类。通过提取颜色、纹理、形状等特征，AI能够将视觉信息转化为机器可理解的语言。

基于RGB成像技术的AI应用，可以实现疾病症状的早期检测（如皮肤病变、呼吸异常）、追踪疾病进展、监测动物行为（如咬尾、跛行）乃至评估体重和膘情，从而极大地提升了养猪业的健康管理水平。

在音频分析方面，讲者以SoundTalks系统为例。该系统通过部署在猪舍的监视器（包含麦克风和传感器）来收集声音和环境数据。系统能计算出“呼吸窘迫指数（RDI）”，并根据该指数的变化来预警猪群的呼吸道健康风险。图表清晰地展示了在一次流感和支原体暴发期间，RDI指数与温湿度的变化关系，证明了其在疾病早期发现中的巨大作用。

该系统的有效性也得到了实验室病原检测结果的支持，其监测结果与PRRSV、PCV2、猪流感病毒（SWIAV）等病原的PCR检测高度相关。

讲者深入分析了以SoundTalks为代表的声学监测技术。其核心是通过分析咳嗽声这一最明显的临床症状来评估猪群呼吸健康。尽管在商业上已取得成功，但该技术仍面临挑战，如警报阈值依赖特定农场历史数据、无法定位患病个体、以及难以区分病原感染与环境因素引起的咳嗽。这些都是未来需要努力突破的方向。

3. 多智能体AI：迈向更智能的交互式诊断

讲者进一步介绍了更为前沿的“多智能体AI（Multi-Agent AI）”概念。这是一种模拟人类专家团队工作的AI系统，通过不同功能的“智能体”协同工作，实现更复杂的诊断任务。对话流程示意图展示了用户如何与系统进行多轮交互，系统通过查询分类、疾病预测和知识检索（RAG）等模块的协作，最终给出可操作的兽医建议，甚至能指导采样。

性能对比数据显示，无论是GPT-4o、Claude-3-sonnet，还是Gemini-1.5 Pro，这些先进的大语言模型在猪病诊断任务上都表现出相当高的准确率，验证了该技术路线的可行性与前瞻性。

4. 可穿戴设备的应用

除了环境传感器，物联网（IoT）可穿戴设备也为AI诊断提供了新的数据维度。讲者展示了Zephyr BioHarness设备在仔猪身上的应用。通过这种设备，可以精准采集动物的生理数据（如心率、呼吸）和行为数据（如步态），为压力评估和健康监测提供了宝贵的洞察。

5. 宠物医疗领域的成熟AI工具

最后，讲者列举了一系列在宠物医疗领域已广泛应用的优秀AI工具。这些工具的功能覆盖了语音病历生成（Scribvet）、影像辅助诊断（Vetology）、癌症个性化治疗（PidoCure）、活体癌细胞药敏预测（ImpriMed）以及通过智能项圈进行生命体征监测（PetFace）等多个方面。他认为，这些成熟的商业化产品，为畜禽领域的AI应用开发提供了极具价值的参考。

尽管前景广阔，但AI在兽医诊断领域的应用仍面临诸多挑战。讲者将其归纳为数据和应用两大层面。数据层面的挑战包括数据质量与标准化、带注释数据集的缺乏、数据采集的可变性等。应用层面的挑战则涉及实施成本、技术专长、从业者对AI预测的信任度以及伦理问题。

为应对这些挑战，未来的发展方向应聚焦于：

· 数据层面：协作创建共享、稳健的数据集，并制定全球统一标准。

· 技术层面：开发可扩展的AI模型和用户友好的工具。

· 应用层面：构建经济实惠的AI工具，简化用户界面，并提供充分的教育培训以建立信任。

讲者强调，工程师与兽医的紧密联合工作是解决这些问题的关键。

讲座最后，陈芳洲博士做出总结。他重申，技术奇点正以一种温和而深刻的方式改变着世界，我们应以主动的姿态欢迎AI和智能体的到来。AI在兽医诊断领域具备巨大优势且已成趋势，但当前畜禽方面的应用仍落后于人医和宠物医疗。然而，最重要的是，“未来已来”，当前的技术奇点已足以支撑和推进AI在兽医诊断领域实现真正的高价值应用。他呼吁行业同仁抓住机遇，积极探索，共同推动兽医诊断向着更智能、更精准的未来迈进。

本次陈芳洲博士的分享，对奋战在一线的猪场兽医和管理者具有极高的实践指导意义。以下为核心学习心得：

· 思维转变：从“被动诊断”到“主动预警”。传统诊断依赖临床症状出现后的送样检测，十分被动。AI技术，特别是基于声音（如SoundTalks）、影像和行为的监测系统，能实现7x24小时不间断的猪群健康监控。猪场应积极尝试引入这类智能设备，将工作重点从“治疗”前移至“预防和早期发现”，抓住处理疾病的黄金窗口期。

· 数据意识：你不是在养猪，而是在管理“数据资产”。无论是摄像头下的猪只体态，还是传感器收集的温湿度，甚至是日常的生产记录，都是训练和优化AI模型的宝贵财富。管理者应立即开始规范化、标准化地记录和存储这些数据。一个完整、干净的数据集，是未来应用AI技术、提升生产效益的入场券。

· 工具善用：成熟工具可“为我所用”，不必从零开始。报告中提到的宠物医疗AI工具，如语音录入病历、影像快速判读等，其底层技术和应用逻辑对猪场同样适用。猪场兽医可以关注并试用类似的轻量化AI工具，来减轻记录、报告等重复性行政工作负担，将更多精力投入到核心的临床诊断和决策中。

· 务实起步：不必追求“一步到位”，先从“低风险”环节开始。对AI的准确性和成本有顾虑是正常的。可以先从行政管理（如语音记录）、环境监控等风险较低、回报明确的环节开始试点。通过小范围的成功实践，逐步建立团队对AI的信任，摸索出适合自己猪场的应用模式，再逐步扩展到辅助诊断等核心领域。

本次由湖南冠牧生物科技有限公司【冠牧精准诊断】整理发布的系列学习笔记，内容均源自第六届AVDC大会的专家分享。在此，我们向大会主办方AVDC致以诚挚的感谢，为兽医行业同仁搭建了如此高质量、高水准的知识交流平台，让顶尖智慧得以广泛传播。

古人云：“独学而无友，则孤陋而寡闻。”为了能持续获取未来行业盛会的前沿资讯与权威动态，我们强烈推荐您关注AVDC的官方公众号。

而【冠牧精准诊断】作为“兽医检测专家” ，不仅是您忠实的学习伙伴，更致力于将前沿智慧转化为养殖场内稳定、可靠的精准诊断工具与解决方案 。我们将持续为您带来更多一线、深度、可落地的技术解读与实战案例。

让我们与行业思想同行，与优秀伙伴携手，共同为中国养殖业的健康、可持续发展贡献力量！

1、兽医诊断会议笔记（一）|张建强：破译蓝耳“族谱”——全新谱系/亚谱系分类法在猪场精准防控中的应用指南

2、兽医诊断会议笔记（二）越南非洲猪瘟疫情及疫苗研发最新进展

3、兽医诊断会议笔记（三）赵康宁：构建现代养猪生产的“预警与刹车”系统——检测及监测体系设计

4、兽医诊断会议笔记（四）吴宗福：猪链球菌病的深度解析——从病原特性到前沿检测技术

5、兽医诊断会议笔记（五）Derick Whitley博士：兽医诊断的未来——AI如何重塑行业格局？

6、兽医诊断会议笔记（六）李文涛：G2c变异株已成主流，猪流行性腹泻（PED）防控面临新挑战

7、兽医诊断会议笔记（七）诊断流程及实验室诊断数据整合在流行病学决策中的应用

8、兽医诊断会议笔记（八）张振东：猪繁殖与呼吸综合征的实验室检测与解析

9、兽医诊断会议笔记（九）越南国家农业大学Phan教授：越南ASFV毒株的分子检测及病理特征

10、兽医诊断会议笔记（十）张炜：基于计算机视觉的实时动物感染病诊断