使用人工智能和总样本在多微生物感染的猪群中监测呼吸道疾病模式

科学领域:

• 兽医医学 兽医医学 兽医医学
• 动物卫生 动物健康
• 传染病流行病学 传染病流行病学

背景情况:

• 呼吸道疾病在传统养猪场中构成重大挑战,影响动物福利和经济可行性.
• 多种微生物感染使猪群呼吸困难的诊断和管理变得复杂.
• 当前的诊断方法可能无法提供呼吸系统健康的持续实时监测.

研究的目的:

• 评估 24/7 AI 基于声音的咳监测系统的附加值,用于识别呼吸系统疾病模式.
• 将人工智能衍生的呼吸系统健康数据与分子诊断相关联,用于呼吸系统困扰的病因调查.
• 为了比较口服液 (OFs) 和生物气溶 (AS) 采样在猪中检测病原体的疗效.

主要方法:

• 在一家养猪场实施了 24/7 AI 基于声音的咳监测系统.
• 人工智能连续测量呼吸困扰,并与人类观察结果进行比较.
• 猪流感A病毒 (swIAV),猪生殖和呼吸系统疾病病毒 (PRRSV), *Mycoplasma hyopneumoniae*, *Actinobacillus pleuropneumoniae* 和猪循环病毒2 (PCV2) 用OF和AS中的qPCR进行了查.

主要成果:

• 在研究期间检测到大多数向病原体,除了*M. hyopneumoniae*.
• 在OF和AS中,高的swiAV-RNA负载与AI的呼吸健康得分下降有显著的相关性.
• 与生物气溶 (AS) 相比,口服液 (OFs) 显示出明显更高的概率和更低的Ct值来检测PRRSV和*A. pleuropneumoniae*.

结论:

• 基于人工智能的咳监测,当与实验室诊断相结合时,可以作为猪呼吸道疾病的有效预警系统.
• 这种综合方法为在多微生物感染的猪群中呼吸困难的病因提供了宝贵的见解.
• 与生物气溶采样相比,口腔液体采样在检测PRRSV和*A. pleuropneumoniae*等特定呼吸道病原体方面具有更高的灵敏度.