A indústria suinícola é uma parte essencial do sistema alimentar global, sendo uma importante fonte de proteínas para a população mundial. Um dos principais factores que limitam a produtividade e comprometem o bem-estar animal na indústria suinícola são os surtos de doenças nos suínos ao longo do processo de produção: surtos generalizados podem levar a perdas de até 10% do efetivo suíno dos EUA em anos extremos. Neste estudo, é apresentado um modelo de aprendizagem automática para prever a ocorrência diária de infecções em sistemas de produção de suínos ao longo do processo de produção, um potencial precursor de surtos cuja deteção é vital para a prevenção e mitigação de doenças.
Métodos: Foram determinadas as caraterísticas que proporcionam o maior valor na previsão de infecções, incluindo a densidade de explorações próximas, taxas históricas de testes, inventário de leitões, consumo de ração durante o período de gestação e velocidade e direção do vento. Utilizámos estas caraterísticas para produzir um modelo de aprendizagem automática generalizável, avaliámos a capacidade do modelo para prever surtos com sete e 30 dias de antecedência, permitindo um alerta precoce da infeção pela doença, e avaliámos este modelo em dois sistemas de produção de suínos. Os efeitos da disponibilidade e da granularidade dos dados foram analisados no contexto destes dois sistemas de suínos com diferentes volumes de dados.
Resultados: Os resultados demonstram uma boa capacidade de previsão de infecções em ambos os sistemas, com uma exatidão equilibrada de 85,3% para qualquer doença no primeiro sistema e exactidões equilibradas (exatidão média da previsão em amostras positivas e negativas) de 58,5%, 58,7%, 72,8% e 74,8% para a síndrome reprodutiva e respiratória dos suínos, o vírus da diarreia epidémica dos suínos, o vírus da gripe A e o Mycoplasma hyopneumoniae no segundo sistema, respetivamente, utilizando os seis preditores mais importantes em todos os casos.
Conclusão: Estes modelos fornecem probabilidades de infeção diárias que os veterinários e outras partes interessadas podem utilizar como referência para apoiar estratégias de prevenção e controlo mais atempadas nas explorações.
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