Applications of machine learning in animal and veterinary public health surveillance

GUITIÁN J.;ARNOLD M.;CHANG Y.;SNARY E.L.

Voir/Ouvrir

24-Guitian-230-241 (324 ko)

Actions

Titre

Applications de l’apprentissage automatique dans la surveillance de la santé animale et la santé publique vétérinaire

Auteur(s)

GUITIÁN J.;ARNOLD M.;CHANG Y.;SNARY E.L.

Volume

Collection

Revue Scientifique et Technique

Date de parution

2023

Nbre/N° de page

pp. 230-241

Note-ill.

1 fig., 2 tab., 64 ref.

Paru dans le numéro :

Animal health data management (Scientific & Technical Review, vol 42, 2023)

Resume_FR

L’apprentissage automatique (AA) est une approche de l’intelligence artificielle caractérisée par l’utilisation d’algorithmes qui améliorent leurs propres performances sur une tâche donnée (par exemple, la classification ou la prédiction) sur la base de données et sans avoir reçu d’instructions spécifiques ou complètes concernant la marche à suivre. Les systèmes de surveillance des maladies animales et des zoonoses sont tributaires de la mise en oeuvre efficace d’un large éventail de tâches, parmi lesquelles certaines sont susceptibles de fonctionner avec des algorithmes d’AA. Comme dans d’autres domaines, l’utilisation de l’AA s’est beaucoup développée ces dernières années dans le secteur de la surveillance de la santé animale et de la santé publique vétérinaire. Les algorithmes d’AA sont utilisés pour accomplir des tâches qui ne sont devenues possibles que grâce à l’arrivée de grandes séries de données, de nouvelles méthodes d’analyse et de capacités informatiques accrues. Parmi les exemples, on peut citer la capacité à déceler une structure sous-jacente dans de grands volumes de données provenant d’un flux continu de registres de saisies d’abattoirs, l’utilisation de l’apprentissage profond pour identifier les lésions révélées par les images numériques obtenues pendant l’abattage et l’extraction de texte libre à partir des registres sanitaires électroniques des cabinets vétérinaires à des fins de surveillance sentinelle. L’AA est cependant également appliqué dans des tâches qui s’appuyaient précédemment sur une analyse classique de données statistiques. Les modèles statistiques ont été largement utilisés pour déduire des relations entre prédicteurs et maladie afin d’étayer la surveillance fondée sur le risque ; les algorithmes d’AA sont de plus en plus utilisés pour prédire et pronostiquer des maladies animales en vue d’une surveillance plus ciblée et efficace. S’il est vrai que l’AA et la statistique inférentielle peuvent accomplir des tâches similaires, chaque approche présente ses propres atouts et pourra se révéler plus ou moins pertinente selon le contexte spécifique.

Langue

ANGLAIS

Localisation

En ligne

DOI

https://doi.org/10.20506/rst.42.3366

Fichier lié Anglais

24-Guitian-230-241

Avis

Ressources documentaires de l'OMSA

Liens utiles