Gastrointestinal parasites in livestock: the contribution of Micron Kit® in the diagnosis of infection

Gastrointestinal parasites in livestock remain an ongoing concern in modern times leading to serious consequences regarding animal welfare and impacting farm profitability. The indiscriminate use of anthelmintic drugs to control gastrointestinal parasites in grazing cattle and sheep can lead to a crescent lack of efficacy and consequent resistance to anthelmintics. The detection of parasite eggs by performing fecal egg counts (FEC) and the determination of eggs per gram of feces (EPG) constitutes a crucial step to combat anthelmintic drug resistance as it allows farmers and veterinary doctors to apply targeted selective treatments (TST), treating only individuals that require treatment. Since its introduction in 1939, the McMaster technique and its many modifications, have been used to recover and count eggs of helminths and oocysts of intestinal protozoa. These methods, although effective, are laborious, consume substantial time, and require skilled staff to process the samples, visually detect and identify the parasite eggs. The use of recent technology, developed in the last 10 years, based on machine learning (ML), has enabled a faster identification of parasitic forms. The main aim of the present study is to compare the McMaster technique with the Micron Kit®, a rapid test system that uses artificial intelligence and an application for mobile devices, in determining FEC, present in feces of cattle and sheep. A total of 147 bovine and 43 ovine fecal samples were collected. Each sample was homogenised and split equally between two containers. One container per sample was processed using the Micron Kit®, the second container analysed using the McMaster technique. Strongylid type and Strongyloides egg counts were carried out via video footage of samples captured by the system’s ML and via the McMaster chamber. Results were statistically analysed using the analysis ToolPak from Microsoft® Excel® and the Kolmogorov–Smirnov, Shapiro-Wilk and Wilcoxon signed rank test calculator by Statistics Kingdom®.The differences of strongylid type and Strongyloides EPG counts between the two methods were statistically significant, with a significantly higher FEC using the Micron Kit® compared to the FEC using the McMaster technique. The automated system presents a promising alternative to the manual McMaster technique, yielding higher FEC results. It eliminates the necessity for specialized personnel and decreases turnaround time under 30 minutes, compared to the average time of 45 minutes for the McMaster chamber preparation and analysis. The Micron Kit® mobile application and online data storage allows monitoring of parasite trends across individual animals, farms, and different regions. Leveraging large-scale data collection capabilities could effectively combat anthelmintic resistance.

Os parasitas gastrointestinais nos animais de pecuária continuam a ser uma preocupação constante nos tempos modernos, acarretando sérias consequências para o bem-estar animal e afetando a rentabilidade das explorações agropecuárias. A utilização indiscriminada de fármacos anti-helmínticos para controlar os parasitas gastrointestinais em bovinos e ovinos em pastoreio pode conduzir a uma crescente falta de eficácia e consequente resistência aos anti-helmínticos. A deteção de ovos de parasitas através da contagem de ovos fecais (COF) e a determinação de ovos por grama de fezes (OPG), constitui uma etapa crucial para combater a resistência aos fármacos anti-helmínticos, permitindo aos produtores e médicos veterinários aplicar tratamentos seletivos direcionados, tratando apenas os indivíduos que necessitam de tratamento. Desde a sua introdução em 1939, a técnica de McMaster e as suas diversas modificações têm sido utilizadas para recuperar e contar ovos de helmintes e oocistos de protozoários intestinais. Estes métodos, embora eficazes, são trabalhosos, consomem tempo substancial e exigem pessoal qualificado para processar as amostras, detetar e identificar visualmente os ovos dos parasitas. A utilização de tecnologia recente, desenvolvida nos últimos 10 anos, baseada na “aprendizagem automática” (machine learning), tem permitido uma identificação mais rápida de formas parasitárias. O objetivo principal do presente estudo é comparar a técnica de McMaster com o Micron Kit®, um sistema de teste rápido que utiliza inteligência artificial e uma aplicação para dispositivos móveis, na determinação de COF presentes em fezes de bovinos e ovinos. Um total de 147 amostras de fezes bovinas e 43 amostras de fezes ovinas foram recolhidas. Cada amostra foi homogeneizada e dividida igualmente por dois recipientes. Um recipiente por amostra foi processado utilizando o Micron Kit®, enquanto o segundo recipiente foi analisado utilizando a técnica de McMaster. As contagens de ovos do tipo estrongilídeo e do género Strongyloides foram realizadas através de imagens de vídeo das amostras, captadas pelo sistema de “aprendizagem automática” do Micron Kit®, e através da câmara de McMaster. Os resultados foram analisados estatisticamente utilizando a ferramenta de análise ToolPak Microsoft® Excel® e a calculadora de teste de Kolmogorov-Smirnov, Shapiro-Wilk e Wilcoxon signed rank da Statistics Kingdom®. As diferenças nas contagens de OPG do tipo estrongilídeo e do género Strongyloides entre os dois métodos foram estatisticamente significativas, observando-se uma COF significativamente mais elevada através do Micron Kit® em comparação com a COF utilizando a técnica de McMaster. O sistema automatizado apresenta uma alternativa promissora à técnica manual de McMaster, produzindo resultados COF mais elevados. Elimina a necessidade de pessoal especializado e diminui o tempo de resposta para menos de 30 minutos, em comparação com o tempo médio de 45 minutos para a preparação e análise da câmara de McMaster. A aplicação para dispositivos móveis e armazenamento de dados online do Micron Kit® permite monitorizar as tendências de parasitas em animais individuais, explorações e diferentes regiões. O aproveitamento das capacidades de recolha de dados em larga escala pode ajudar a combater eficazmente a resistência aos anti-helmínticos.