Система мониторинга для раннего выявления случаев гриппа птиц на птицефабриках в Китае

Вирус гриппа птиц (ВГП) остается одним из ключевых патогенов, наносящих значительный экономический ущерб птицеводческой отрасли, в частности, при содержании кур-несушек. Существующие подходы к диагностике преимущественно основаны на выявлении возбудителя после проявления клинических признаков, что ограничивает возможности для своевременного реагирования и эффективного контроля вспышек. В связи с этим актуальной задачей является разработка методов раннего предупреждения, позволяющих выявлять риски до клинической манифестации заболевания.

Большинство современных прогностических моделей, построенных на методах машинного обучения, не учитывают управленческие факторы, такие как режим вакцинации и дезинфекции, что снижает их практическую значимость. В данном исследовании для устранения этого пробела были систематизированы производственные данные с 220 птицефабрик Китая, специализирующихся на разведении кур-несушек. Информация была структурирована по четырём основным категориям («Птицеводство и иммунизация», «Управление», «Персонал и транспортные средства», «Окрестности фермы»), включающим 17 подкатегорий.

На основе собранных данных, разделённых на обучающую и независимую тестовую выборки, были обучены и протестированы несколько алгоритмов машинного обучения: XGBoost, метод опорных векторов (SVM), случайный лес (RF), LightGBM, а также ансамблевые методы Soft-voting и Hard-voting. Для оценки модели использовалась стратифицированная 5-кратная перекрёстная проверка, а финальная валидация проводилась на независимой выборке.

Наибольшую эффективность в прогнозировании вспышек ВГП продемонстрировал алгоритм LightGBM. Для повышения интерпретируемости результатов был применён метод SHAP, впервые использованный на уровне отдельного хозяйства. Анализ выявил, что наиболее значимым признаком, влияющим на прогноз, является «интервал между дезинфекциями помещений», что подтверждает критическую роль регулярных санитарных мероприятий в профилактике инфекции. Напротив, параметр «количество работников на одно птицеводческое хозяйство» оказался наименее информативным.

Разработанная модель представляет собой масштабируемый инструмент для раннего выявления рисков возникновения гриппа птиц, сочетающий высокую прогностическую точность с возможностью содержательной интерпретации влияющих факторов. Полученные результаты могут быть использованы как для оптимизации управленческих решений в птицеводстве, так и для дальнейшего совершенствования систем предиктивной аналитики в ветеринарной эпидемиологии.

ссылка на публикацию