機械学習による医療処置が必要になるリスクのある育児豚の早期発見

科学分野:

• 動物科学
• 獣医学
• 農業における機械学習

背景:

• 感染症は豚産業にとって大きな課題となり,生産効率と動物福祉に影響を及ぼします.
• 保健処置が必要になるリスクのある豚の早期発見は,適切な介入と病気管理に不可欠です.
• 商業的な環境における 病気のダイナミックな環境は 積極的な健康戦略のための 堅固な予測モデルを必要とします

研究 の 目的:

• 医療処置が必要になるリスクの高い後期育児豚の早期発見のための予測モデルを開発し評価する.
• 天然の病気の環境で治療の必要性を予測するために,毎日の食事,飲み物,体重データを活用する.
• 様々な機械学習モデルの性能を評価し,豚の治療を必要とする予測された確率に基づいて順位を付けます.

主な方法:

• 最長75匹の末期育児豚からなる21組のユニークなデータセットが使用されました.
• 曝露後6日から14日まで,毎日の食事,飲み物,体重のデータを収集した.
• 4つのツリーベースの機械学習モデルと1つのバッチアウトの検証アプローチを用いたアンサンブルモデルが採用されました.

主要な成果:

• モデルでは 病気のダイナミックな問題により 治療を必要とする豚の正確な数を予測する能力が 限られていることが示されました
• すべてのモデルは,治療を必要とする可能性によって豚をランク付けする能力を示し,結果と一般的に正の相関関係を示した.
• ランダムフォレストモデルは,最も高い予測パフォーマンスを示しました. 飲酒データは,餌データよりもわずかに予測的な情報を提供しました.

結論:

• 栄養,飲食,体重に関する初期の日々のデータは,医療処置を受けるリスクが高い育児豚を部分的に特定することができます.
• 早期のリスク識別の正確性を大幅に改善するために,追加のデータ機能またはヒト観察が必要である可能性が高い.
• 開発されたモデルは,豚の健康リスクによる順位付けの基礎となり,豚の生産における標的型管理戦略を支援しています.