Pesquisadores da Universidade Estadual da Carolina do Norte desenvolveram um algoritmo que pode avisar as fazendas de suínos sobre surtos do vírus epidêmico da diarréia suína (PEDV). O algoritmo de prova de conceito tem potencial para uso na previsão em tempo real de outros surtos de doenças em animais para alimentação.

O PEDV é um vírus que causa altas taxas de mortalidade em leitões antes do desmame. O vírus surgiu nos EUA em 2013 e em 2014 havia infectado aproximadamente 50 por cento dos rebanhos reprodutores. O PEDV é transmitido por contato com matéria fecal contaminada.

Gustavo Machado, professor assistente de saúde da população e patobiologia da NC State e autor de um artigo que descreve o trabalho, desenvolveu um pipeline utilizando técnicas de aprendizado de máquina para criar um algoritmo capaz de prever surtos de PEDV no espaço e no tempo.

Machado, com colegas da Universidade de Minnesota e da Universidade Federal do Rio Grande do Sul do Brasil, usou dados semanais de incidência em nível de fazenda de fazendas de porcas para criar o modelo. Os dados incluíram todos os tipos de movimento de suínos, densidade suína, e fatores ambientais e climáticos, como vegetação, velocidade do vento, temperatura e precipitação.

Os pesquisadores analisaram "bairros" que foram definidos como um raio de 10 quilômetros ao redor das fazendas de porcas. Eles alimentaram o modelo com informações sobre surtos, movimentos de animais em cada bairro e as características ambientais dentro de cada bairro. Em última análise, seu modelo foi capaz de prever surtos de PEDV com aproximadamente 80 por cento de precisão.

O fator de risco mais importante para prever a propagação de PEDV foi o movimento de suínos para dentro e através da vizinhança de 10 km, embora o ambiente da vizinhança - incluindo declive e vegetação - também influenciou o risco.

"Este modelo de prova de conceito identificou o gargalo da propagação do PEDV na Carolina do Norte e nos permitiu classificar os fatores de risco de infecção em ordem de importância, "Diz Machado." À medida que obtemos mais dados de outras propriedades agrícolas nos EUA, esperamos que a precisão do modelo aumente. Nosso objetivo final é ter previsões de risco quase em tempo real para que os agricultores e veterinários possam fornecer cuidados preventivos para áreas de alto risco e tomar decisões com base nos dados. "

Os próximos passos para os pesquisadores incluem melhorar o modelo para prever uma gama mais ampla de doenças e expandi-lo para incluir outras indústrias, como aves.

O trabalho aparece em Relatórios Científicos .