機械学習を用いた公的動物福祉検査のリスクベース優先順位付け

3行まとめ

• 機械学習を用いて日常的な行政・獣医療データから動物福祉違反リスクの高い畜産農場を特定できるか検証した。
• 作成したモデルはAUC 0.75を示し、牛への抗菌薬投与量や農場主の特性、豚の心膜炎などが重要因子と判明した。
• 蓄積された診療・管理データを活用することで、福祉違反リスクが高い農場の効率的な特定や指導に役立つ可能性がある。

この論文の要約

目的

オーストリア・シュタイアーマルク州では19,000軒以上の畜産農場が存在する一方、公用獣医師の検査体制には限界がある。本研究は、日常的に収集される行政および動物衛生データを活用し、動物福祉違反リスクが高い農場を特定する機械学習モデルを開発することを目的とした。

対象と方法

2019〜2023年の動物福祉検査結果（農場・年単位で集約）を解析対象とした。計2,647件のデータをXGBoostモデルの学習に、475件をテストに用いた。農場情報、屠殺・食肉検査データ、化製場データ、抗菌薬投与情報をモデルに組み込んだ。

主な結果

テストセットにおいて、曲線下面積は0.75（95% CI [0.66, 0.82]）、マシューズ相関係数は0.25（95% CI [0.19, 0.37]）であった。重要因子は牛生産における抗菌薬投与（総投与量およびEMAカテゴリーD抗菌薬）や農場主の特性（年齢、農場と居住地の距離）であった。動物衛生サービスへの加入は違反確率の低下と関連し、飼養頭数（牛・鳥）、牛死亡率、食肉検査での豚の心膜炎なども関連因子であった。

臨床的意義

日常的な行政・獣医療記録が、福祉違反リスクの高い農場を特定する指標となり得ることが示された。間接的な因子も農場管理や健康状態を反映している可能性があり、リスクに基づく選定は検査資源の効率的配分や重点的指導に役立つ可能性がある。

⚠️ この要約はAIが自動生成したものです。