Алгоритм прогнозирования вспышек PEDV

PEDV – это вирус, вызывающий высокую смертность поросят до отъема. Вирус появился в США.S. в 2013 г. и к 2014 г. заразили около 50 процентов племенных стад. PEDV передается при контакте с зараженными фекальными массами.

Густаво Мачадо, доцент кафедры здоровья населения и патобиологии в штате Северная Каролина и автор статьи, описывающей эту работу, разработал конвейер с использованием методов машинного обучения для создания алгоритма, способного прогнозировать вспышки PEDV в пространстве и времени.
Мачадо вместе с коллегами из Университета Миннесоты и Федерального университета Бразилии до Риу-Гранди-ду-Сул использовали еженедельные данные о заболеваемости на уровне фермы, полученные от свиноматок, для создания модели. Данные включали все типы перемещений свиней, плотность свиней, а также экологические и погодные факторы, такие как растительность, скорость ветра, температура и осадки.
Исследователи рассмотрели "районы", которые были определены как радиус 10 км вокруг свиноводческих ферм.

Они предоставили модели информацию о вспышках, перемещениях животных в каждый район и характеристиках окружающей среды в каждом районе. В конечном итоге их модель смогла предсказать вспышки PEDV с точностью примерно 80%.

Наиболее важным фактором риска для прогнозирования распространения PEDV было передвижение свиней на территорию 10 км и через нее, хотя окружающая среда, включая склоны и растительность, также влияла на риск.
«Эта модель, подтверждающая концепцию, выявила узкое место в распространении PEDV в Северной Каролине и позволила нам расположить факторы риска заражения по степени важности», – говорит Мачадо. "По мере того, как мы получаем все больше данных с других фермерских хозяйств в U.S., мы ожидаем увеличения точности модели. Наша конечная цель – иметь прогнозы рисков в режиме, близком к реальному времени, чтобы фермеры и ветеринары могли оказывать профилактическую помощь в районах повышенного риска и принимать решения на основе данных."

Следующие шаги для исследователей включают улучшение модели для прогнозирования более широкого спектра заболеваний и расширение ее для включения в другие отрасли, такие как птицеводство.