0
Ngành công nghiệp thịt heo là một phần thiết yếu trong hệ thống thực phẩm toàn cầu, cung cấp nguồn protein quan trọng cho con người trên khắp thế giới. Một yếu tố chính hạn chế năng suất và gây tổn hại đến sức khỏe động vật trong ngành công nghiệp thịt heo là các đợt bùng phát dịch bệnh trên heo trong suốt quá trình chăn nuôi: các đợt bùng phát trên diện rộng có thể dẫn đến thiệt hại lên tới 10% quần thể heo của Hoa Kỳ trong những năm dịch bùng mạnh. Trong nghiên cứu này, chúng tôi trình bày một mô hình máy học để dự đoán sự xuất hiện nhiễm trùng trong các hệ thống chăn nuôi heo trong suốt quá trình chăn nuôi hàng ngày, một yếu tố tiềm ẩn của các đợt bùng phát mà việc phát hiện ra chúng rất quan trọng để phòng ngừa và giảm thiểu dịch bệnh.
Phương pháp: Chúng tôi xác định các đặc điểm cung cấp giá trị cao nhất trong việc dự đoán tình trạng nhiễm trùng, bao gồm mật độ trang trại lân cận, lịch sử kết quả xét nghiệm, số lượng heo con, lượng thức ăn tiêu thụ trong giai đoạn mang thai, tốc độ và hướng gió. Chúng tôi sử dụng các đặc điểm này để tạo ra một mô hình học máy có thể tổng quát hóa, đánh giá khả năng của mô hình trong việc dự đoán các đợt bùng phát trước 7 và 30 ngày, cho phép cảnh báo sớm về tình trạng nhiễm trùng. Chúng tôi cũng đánh giá mô hình trên hai hệ thống chăn nuôi heo và phân tích tác động của dữ liệu sẵn có và độ chi tiết của dữ liệu trong bối cảnh hai hệ thống chăn nuôi heo với khối lượng dữ liệu khác nhau.
Kết quả: Kết quả của chúng tôi chứng minh khả năng tốt trong việc dự đoán nhiễm trùng ở cả hai hệ thống với độ chính xác cân bằng 85,3% đối với bất kỳ bệnh nào trong hệ thống đầu tiên và độ chính xác cân bằng (độ chính xác dự đoán trung bình trên các mẫu dương tính và âm tính) lần lượt là 58,5%, 58,7%, 72,8% và 74,8% đối với hội chứng rối loạn sinh sản và hô hấp trên heo (PRRSv), vi-rút tiêu chảy cấp trên heo (PEDv), vi-rút cúm A và Mycoplasma hyopneumoniae trong hệ thống thứ hai, bằng cách sử dụng sáu yếu tố dự báo quan trọng nhất trong mọi ca bệnh.
Kết luận: Các mô hình này cung cấp xác suất nhiễm trùng hàng ngày có thể được bác sĩ thú y và các bên liên quan khác sử dụng như một tiêu chuẩn để hỗ trợ kịp thời hơn cho các chiến lược phòng ngừa và kiểm soát dịch bệnh tại các trang trại.
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