Cómo predecir la edad óptima para el sacrificio

La inteligencia artificial y la tecnología hacen que la agricultura de precisión sea cada vez más sofisticada. Un equipo de científicos del Bernoulli Institute for Mathematics, Computer Science and Artificial Intelligence de la University of Groningen (Países Bajos) han publicado un estudio* en el que usan la inteligencia artificial para predecir la edad a la cual los cerdos estarán listos para el sacrificio (es decir, exactamente cuando cada cerdo alcanzará su peso objetivo).

Objetivo

Tal y como publica The Pig Site, Ahmad Alsahaf y sus colaboradores examinaron la precisión de los datos genotípicos y fenotípicos para predecir la edad de sacrificio. Su objetivo fue pronosticar correctamente el crecimiento de los cerdos para que esto ayude a determinar ciertas informaciones como los costes de alimentación y los requisitos de espacio del corral. Las predicciones de la tasa de crecimiento también se podrían usar de otras maneras como, por ejemplo, para identificar qué factores de la tasa de crecimiento pueden ser más importantes que otros.

Sin embargo, los científicos señalan que hacer predicciones de la tasa de crecimiento no es fácil debido a las variaciones naturales en la forma en que crecen los cerdos individuales. Para abordar el problema, el equipo utilizó un análisis estadístico concreto para examinar los datos de cerdos individualmente.

Material y métodos

"Pertenece a una familia de algoritmos que se basan en árboles de decisión", explica Alsahaf. “Estos algoritmos son adecuados para problemas de predicción que tienen tipos de entrada heterogéneos, como es el caso de nuestros datos. La otra ventaja es que el método es conceptualmente fácil y los resultados son fáciles de interpretar debido a las "puntuaciones de importancia" que produce". Sin embargo, señala que se podrían haber utilizado otros métodos de análisis igualmente efectivos.

También utilizaron la "puntuación de importancia variable" derivada de la regresión para medir la importancia de los diferentes tipos de datos de entrada al hacer la predicción.

El estudio incluyó mediciones de peso individuales en diferentes etapas de crecimiento en casi 33.000 cerdos de capa blanca, datos que proporcionó la principal empresa de cría que poseía los cerdos. Los científicos también utilizaron los datos fenotípicos de la empresa (como las mediciones de peso tardías, el sexo del cerdo, la información de la camada y el peso al nacer en relación con el promedio de la camada), los valores de reproducción estimados y las relaciones genealógicas y genealógicas.

Resultados

La predicción específica del estudio (también conocida como la producción) fue la edad en que un cerdo individual alcanzaría un peso de sacrificio de 120 kg. Sus resultados, al comparar el análisis estadístico de los investigadores con la edad real en que cada animal alcanzó los 120 kg, mostraron que, en general, el nivel de precisión del método era bastante alto.

"En nuestros experimentos, esta precisión corresponde a predecir la edad de sacrificio dentro de los nueve días del verdadero valor en promedio (un error absoluto promedio de 8,48 días para ser precisos)", dice Alsahaf. "A nuestro entender, esto ya puede proporcionar una ventaja logística en comparación con los estándares actuales".

El estudio también mostró que las características fenotípicas, como las mediciones de peso (al nacer, al destete y al inicio de la etapa de cebo) fueron las más efectivas para predecir el resultado deseado; estas características explicaron aproximadamente el 62 % de la variación de salida.

"Elegimos estas características principalmente por su relevancia potencial, determinadas por expertos en el campo, a la salida que queríamos predecir", dice Alsahaf. "Nuestra elección también se limitó a los datos que ya se habían recopilado de forma rutinaria para esos animales". Los datos individualizados de consumo de pienso, por ejemplo, no estaban disponibles.

Conclusiones

Alsahaf explica que la predicción de crecimiento a nivel de cerdo individual es una nueva área de estudio y que espera que estudios futuros puedan mejorar el trabajo de su equipo. "En mi opinión, las diferencias en la precisión en esta etapa se reducen a las diferencias en el diseño del experimento y los datos disponibles más que el método de predicción utilizado", señala. "Creo que el marco que propusimos, utilizando una combinación de datos fenotípicos y genéticos, es efectivo para este tipo de problemas de predicción".

Según Alsahaf, la inclusión de datos relevantes adicionales, que se tendrían que recopilar a gran escala, mejorará la precisión de la predicción; en particular, se espera que se realicen más mediciones de peso en diferentes etapas de la vida del cerdo y las correspondientes mediciones de consumo de pienso para mejorar la precisión de los pronósticos de la tasa de crecimiento.

*Prediction of slaughter age in pigs and assessment of the predictive value of phenotypic and genetic information using random forest. Alsahaf A, Azzopardi G, Ducro B, Hanenberg E, Veerkamp RF y Petkov N. Journal of Animal Science, 96:12, December 2018, pp 4935–4943. doi: 10.1093/jas/sky359.