可解释的机器学习应用于农场生物安全和猪繁殖与呼吸综合征病毒
摘要：有效的生物安全措施在猪生产中起着防止传染病病原体引入和传播的关键作用。理想情况下，生物安全措施应根据其对生物防控和生物排除的影响进行选择，然而往往缺乏定量的支持性证据。因此，开发能够量化和排名生物安全措施的方法，根据其在降低风险方面的功效，有潜力促进更明智的选择。利用139个养殖场的生物安全措施、农场概况和以往的疫情调查数据，训练了一组机器学习算法，根据其生物安全措施的不同，将农场分类为猪繁殖和呼吸综合征病毒状态，生成预测的爆发风险。开发了一种新的可解释的机器学习工具包MrIML-生物安全，以预测风险为基准评估农场和生产系统，并量化生物安全措施对疾病风险的影响。在预测风险的变量影响量化方面，有50%的42个变量与物品传播相关，而31%与局部传播相关。机器学习解释的结果发现了类似的结果，从生物安全措施方面对预测爆发风险的重要贡献，包括：员工流动和数量；周围猪场和猪的密度；拖车共享；距离公路的距离；和生产类型。此外，开展个性化的生物安全评估提供了根据具体情况指导生物安全实施的机会。最后，MrIML-生物安全工具包的灵活性使其有潜力应用于更广泛的生物安全基准评估领域，以解决其他畜牧系统和相关行业疾病的弱点。
作者：Abagael L. Sykes, Gustavo S. Silva, Derald J. Holtkamp, Broc W. Mauch, Onyekachukwu Osemeke, Daniel C.L. Linhares, Gustavo Machado
论文ID：2106.06506
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2021-11-23