使用监督机器学习算法来预测佛罗里达州肉牛中牛白血病病毒的血清阳性:一项10年的回顾性研究
Ameer A Megahed1,2, Y Reddy Bommineni1,3, Michael Short3
1Department of Large Animal Clinical Sciences, College of Veterinary Medicine, University of Florida, Gainesville, Florida, USA.
Journal of veterinary internal medicine
|April 2, 2025
概括
在肉牛中,牛白血病病毒 (BLV) 感染可以使用机器学习模型进行预测. 随机森林模型确定干旱季测试和佛罗里达州南部的位置是BLV病毒阳性的主要风险因素.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 动物科学动物科学
- 机器学习在农业中的应用
背景情况:
- 牛白血病病毒 (BLV) 感染影响到牛肉行业,但受到的关注却不如乳牛群的关注.
- 了解肉牛中BLV风险因素对于行业健康至关重要.
研究的目的:
- 为了比较6个监督机器学习 (SML) 算法来预测佛罗里达州肉牛中的BLV血清阳性.
- 确定与该人群中BLV感染相关的最重要的风险因素.
主要方法:
- 一项回顾性研究分析了1511个佛罗里达州BLV抗体测试记录 (2012-2022年).
- 评估了六种SML算法:逻辑回归,决策树,梯度增强,随机森林,神经网络和支持向量机.
主要成果:
- 测试的肉牛样本中有11.6%为BLV阳性.
- 随机森林 (RF) 模型展示了最高的预测准确性 (AUROC=0.98),超过了其他算法.
- 射频模型确定的关键预测因素包括在干旱季节 (与分娩前/分娩相吻合) 和佛罗里达南部的位置进行测试.
结论:
- 随机森林模型是预测肉牛BLV血清阳性的有希望的工具.
- 识别高风险时期 (干旱,产卵前,产卵季节) 和地点可以指导有针对性的BLV查和干预策略.
- 这种预测方法可以提高牛肉行业的BLV管理.


