0
A indústria suína é uma parte essencial do sistema alimentar global, fornecendo uma importante fonte de proteína para pessoas em todo o mundo. Um dos principais fatores que limitam a produtividade e comprometem o bem-estar animal na indústria suína são os surtos de doenças em suínos ao longo de todo o processo de produção: surtos generalizados podem causar perdas de até 10% da população suína dos EUA em anos extremos. Neste estudo é apresentado um modelo de aprendizagem automática para prever diariamente a ocorrência de infecções em sistemas de produção de suínos ao longo do processo produtivo, um possível precursor de surtos cuja detecção é vital para a prevenção e mitigação de doenças.
Métodos: Foram determinadas as características que fornecem maior valor na previsão de infecções, incluindo a densidade de granjas próximas, taxas históricas de testes, inventário de leitões, consumo de ração durante o período de gestação e velocidade e direção do vento. Estas características foram utilizadas para produzir um modelo generalizável de aprendizagem automática, foi avaliada a capacidade do modelo para prever surtos com sete e 30 dias de antecedência, permitindo o alerta precoce de infecção por doenças, e este modelo foi avaliado em dois sistemas de produção de suínos. Os efeitos da disponibilidade e granularidade dos dados foram analisados no contexto destes dois sistemas suínos com diferentes volumes de dados.
Resultados: Os resultados demonstram uma boa capacidade de prever infecções em ambos os sistemas, com uma precisão equilibrada de 85,3% para qualquer doença no primeiro sistema e precisões equilibradas (precisão média de previsão em amostras positivas e negativas) de 58,5%. 72,8% e 74,8% para síndrome reprodutiva e respiratória suína, vírus da diarreia epidêmica suína, vírus influenza A e Mycoplasma hyopneumoniae no segundo sistema, respectivamente, usando os seis preditores mais importantes em todos os casos.
Conclusão: Estes modelos fornecem probabilidades diárias de infecção que os veterinários e outras partes interessadas podem utilizar como referência para apoiar de forma mais oportuna estratégias de prevenção e controle nas granjas.
Halev A, Martínez-López B, Clavijo M, et al. Infection prediction in swine populations with machine learning. Scientific Reports. 2023; 13: 17738. https://doi.org/10.1038/s41598-023-43472-5