0
Le Pratiche di Biosicurezza efficaci nella produzione di suini sono fondamentali per prevenire l'introduzione e la diffusione di agenti patogeni infettivi. Idealmente, le pratiche di biosicurezza in allevamento dovrebbero essere scelte in base al loro impatto sul biocontenimento e sulla bioesclusione, tuttavia spesso non sono disponibili prove di supporto quantitative oggettive.
Pertanto, lo sviluppo di metodologie in grado di quantificare e classificare le pratiche di biosicurezza in base alla loro efficacia nel ridurre il rischio di malattia ha il potenziale per facilitare scelte più informate delle pratiche di biosicurezza.
Utilizzando i dati dell'indagine sulle pratiche di biosicurezza, i dati demografici degli allevamenti e le precedenti epidemie di 139 allevamenti, è stata addestrata una serie di algoritmi di apprendimento automatico per classificare gli allevamenti in base allo stato del virus della sindrome riproduttiva e respiratoria dei suini (PRRS), a seconda delle loro pratiche di biosicurezza e dei dati demografici dell'allevamento, per produrre una previsione del rischio di epidemia.
Un nuovo toolkit di Intelligenza Artificiale di apprendimento automatico, MrIML-biosecurity, è stato sviluppato per confrontare gli allevamenti e i sistemi di produzione in base al rischio previsto e quantificare l'impatto delle pratiche di biosicurezza sul rischio di malattia nei singoli allevamenti. Quantificando l'impatto della variabile sul rischio previsto, il 50% di 42 variabili era associato alla diffusione dei fomiti, mentre il 31% era associato alla trasmissione locale.
I risultati delle interpretazioni dell'apprendimento automatico hanno identificato risultati simili, trovando un contributo sostanziale al rischio di epidemia previsto dalle pratiche di biosicurezza relative a: turn over del personale e numero dipendenti; la promiscuità dei mezzi di trasporto; distanza dalla strada pubblica; e tipologia d'allevamento. Inoltre, lo sviluppo di valutazioni personalizzate della biosicurezza offre l'opportunità di guidare meglio l'attuazione della biosicurezza caso per caso.
Infine, la flessibilità del toolkit MrIML-biosecurity offre il potenziale per essere applicato ad aree più ampie con benchmarking della biosicurezza, per affrontare le fragilità dei sistemi di biosicurezza in altri sistemi di allevamento e malattie rilevanti per il settore suinicolo...
Interpretable Machine Learning Applied to On-farm Biosecurity and Porcine Reproductive and Respiratory Syndrome Virus. Sykes A, Silva G, Holtkamp D, Mauch B, Osemeke O, Linhares D, Machado G. Interpretable machine learning applied to on-farm biosecurity and porcine reproductive and respiratory syndrome virus. Transbound Emerg Dis. 2021 Nov. https://doi.org/10.1111/tbed.14369
