[論文レビュー] Interpretable machine learning applied to on-farm biosecurity and porcine reproductive and respiratory syndrome virus

Abagael L. Sykes, Gustavo S. Silva+5 more|arXiv (Cornell University)|Jun 11, 2021

Animal Virus Infections Studies参考文献 96被引用数 23

ひとこと要約

本研究では、豚の繁殖・呼吸器疾患ウイルス（PRRSV）の発生リスクを、生物防護策と農場の人口統計的特徴を用いて予測する解釈可能な機械学習ツールキット「MrIML-biosecurity」を開発した。局所的およびグローバルなモデル解釈を適用することで、従業員の離職率、共有の運搬トレーラー、他の豚の生産施設との距離といった主要なリスク要因を同定し、疾病予防に向けた行動可能なインサイトを提供する、データ駆動型で農場別にカスタマイズ可能な生物防護のベンチマーク化を可能にした。

ABSTRACT

Effective biosecurity practices in swine production are key in preventing the introduction and dissemination of infectious pathogens. Ideally, biosecurity practices should be chosen by their impact on bio-containment and bio-exclusion, however quantitative supporting evidence is often unavailable. Therefore, the development of methodologies capable of quantifying and ranking biosecurity practices according to their efficacy in reducing risk have the potential to facilitate better informed choices. Using survey data on biosecurity practices, farm demographics, and previous outbreaks from 139 herds, a set of machine learning algorithms were trained to classify farms by porcine reproductive and respiratory syndrome virus status, depending on their biosecurity practices, to produce a predicted outbreak risk. A novel interpretable machine learning toolkit, MrIML-biosecurity, was developed to benchmark farms and production systems by predicted risk, and quantify the impact of biosecurity practices on disease risk at individual farms. Quantifying the variable impact on predicted risk 50% of 42 variables were associated with fomite spread while 31% were associated with local transmission. Results from machine learning interpretations identified similar results, finding substantial contribution to predicted outbreak risk from biosecurity practices relating to: the turnover and number of employees; the surrounding density of swine premises and pigs; the sharing of trailers; distance from the public road; and production type. In addition, the development of individualized biosecurity assessments provides the opportunity to guide biosecurity implementation on a case-by-case basis. Finally, the flexibility of the MrIML-biosecurity toolkit gives it potential to be applied to wider areas of biosecurity benchmarking, to address weaknesses in other livestock systems and industry relevant diseases.

研究の動機と目的

• 豚生産における農場内生物防護策の定量的かつ証拠に基づくベンチマーク手法の欠如に対処すること。
• 個々の生物防護策のPRRSV発生リスクへの影響を定量化・順位付けする手法を開発すること。
• 農場レベルおよびシステムレベルのリスク評価と生物防護最適化を支援する解釈可能な機械学習ツールを構築すること。

提案手法

• 139の豚群のアンケートデータを用いて複数の機械学習アルゴリズムを訓練し、生物防護策と農場の人口統計的特徴に基づいてPRRSV状態を分類する。
• 解釈可能な機械学習の分野における生物防護に特化したフレームワーク「MrIML-biosecurity」を、MrIMLフレームワークを拡張して開発した。
• グローバルベンチマークを適用し、農場および生産システム全体におけるPRRSVリスク予測における変数の全体的 Importance を順位付けした。
• 局所的モデルに依存しない解釈（例：SHAP値）を用いて、個々の生物防護策が各農場のリスクに与える寄与度を定量化した。
• 拡散図およびウォーターフォール図を生成し、各変数が予測された発生リスクに与える寄与の方向性と大きさを可視化した。
• Matthewの相関係数（MCC）、特異度、感度、AUCなどの指標を用いてモデルの性能を検証した。

実験結果

リサーチクエスチョン

• RQ1 どの農場内生物防護策と人口統計的要因が、PRRSV発生リスクの予測に最も顕著に影響を与えるか？
• RQ2 解釈可能な機械学習を用いることで、個々の生物防護策が農場レベルでの疾患リスクに与える影響をどのように順位付け・定量化できるか？
• RQ3 共有設備、従業員の離職率、他の豚の生産施設との距離が、PRRSVリスク予測にどの程度寄与するか？
• RQ4 モデルの解釈が、最近の発生がある農場とない農場との間で、行動可能な差を明らかにできるか？
• RQ5 MrIML-biosecurityツールキットは、多様な生産システムにわたる個別化された生物防護評価とベンチマーク化をどのように支援するか？

主な発見

• 分析対象の42変数のうち50％が、物質媒介による感染経路に関連づけられ、31％が局所的伝播経路に関連づけられた。
• 主なリスク要因には、高い従業員離職率、共有の運搬トレーラー、公共の道路との距離、および局所的な豚の生産施設の密度の高さが含まれた。
• 月間の獣医師および管理者の訪問回数は、リスクに負の寄与を示しており、保護的効果があることを示唆した。
• 出荷用の繁殖豚や断乳豚用トレーラーでPRRSV陽性の豚が搬送された農場では、予測される発生リスクが有意に上昇した。
• 局所的解釈により、個々の農場が予測リスクに最も寄与する要因が異なることが明らかになり、個別農場に特化した生物防護優先順位付けが可能になった。
• MrIML-biosecurityツールキットは、高いMCC、特異度、感度、AUCを示し、リスクベンチマーク化の信頼性を確認した。