I ricercatori della North Carolina State University hanno sviluppato un algoritmo che potrebbe avvisare in anticipo gli allevamenti di suini delle epidemie del virus della diarrea epidemica suina (PEDV). L'algoritmo proof-of-concept ha il potenziale per l'uso nella previsione in tempo reale di altre epidemie di malattie negli animali da allevamento.

Il PEDV è un virus che causa alti tassi di mortalità nei suinetti presvezzati. Il virus è emerso negli Stati Uniti nel 2013 e nel 2014 aveva infettato circa il 50% degli allevamenti da riproduzione. Il PEDV si trasmette per contatto con materiale fecale contaminato.

Gustavo Machado, assistente professore di salute della popolazione e patobiologia presso la NC State e corrispondente autore di un articolo che descrive il lavoro, ha sviluppato una pipeline che utilizza tecniche di apprendimento automatico per creare un algoritmo in grado di prevedere le epidemie di PEDV nello spazio e nel tempo.

Machado, con i colleghi dell'Università del Minnesota e dell'Universidade Federal do Rio Grande do Sul in Brasile, utilizzato i dati di incidenza settimanale a livello di allevamento da allevamenti di scrofe per creare il modello. I dati includevano tutti i tipi di movimento dei suini, densità di maiale, e fattori ambientali e meteorologici come la vegetazione, velocità del vento, temperatura e precipitazioni.

I ricercatori hanno esaminato i "quartieri" definiti come un raggio di 10 chilometri attorno agli allevamenti di scrofe. Hanno fornito al modello informazioni sui focolai, movimenti di animali in ogni quartiere e le caratteristiche ambientali all'interno di ogni quartiere. In definitiva, il loro modello è stato in grado di prevedere le epidemie di PEDV con circa l'80% di precisione.

Il fattore di rischio più importante per prevedere la diffusione del PEDV era il movimento dei suini all'interno e attraverso il quartiere di 10 km, sebbene anche l'ambiente del vicinato, compresi il pendio e la vegetazione, abbia influenzato il rischio.

"Questo modello proof-of-concept ha identificato il collo di bottiglia della diffusione del PEDV in North Carolina e ci ha permesso di classificare i fattori di rischio di infezione in ordine di importanza, " Dice Machado. "Man mano che riceviamo più dati da altri siti di allevamenti negli Stati Uniti, ci aspettiamo che la precisione del modello aumenti. Il nostro obiettivo finale è avere previsioni di rischio quasi in tempo reale in modo che agricoltori e veterinari possano fornire cure preventive alle aree ad alto rischio e prendere decisioni basate sui dati".

I prossimi passi per i ricercatori includono il miglioramento del modello per prevedere una gamma più ampia di malattie e l'espansione per includere altre industrie, come il pollame.

L'opera appare in Rapporti scientifici .