Autor: Adriano da Silva Guahyba
Fiscal Federal Agropecuário do Ministério da Agricultura,
Pecuária a Abastecimento (FFA-MAPA)
e Professor da UNIVATES - Centro Universitário
Modelagem matemática em
avicultura: uma questão de
sobrevivência
Um exemplo da evolução da avicultura é a crescente utilização de matemática nas mais diversas áreas, inclusive nas Ciências Veterinárias
A avicultura, sem dúvida alguma, é o setor mais desenvolvido da pecuária nacional e certamente já trouxe e continua trazendo crescimento econômico e social ao nosso País. No entanto, é preciso rever, analisar e concluir sobre alguns paradigmas ainda existentes e que devem ser quebrados, para que este setor continue a alavancar o progresso nacional e mantenha sua característica inovadora.
Um destes paradigmas é o fato de nosso País ser um tradicional importador de tecnologia estrangeira. Apesar dos investimentos efetuados pelo Governo Federal, muito do conhecimento gerado nas Instituições de Ensino e/ou Pesquisa e muitos dos profissionais formados por estes locais não são aproveitados adequadamente pela Iniciativa Privada. Outro fator demeritório é o pensamento existente em grande parte do empresariado de que Pesquisa é um custo (não um investimento), sendo esta atividade uma obrigação unicamente do Estado. O fato é que, por diversas razões, mesmo com o aporte de recursos governamentais, a transferência de tecnologia não está ocorrendo eficientemente.
Um exemplo pontual é a crescente e extraordinária utilização de matemática nas mais diversas áreas, inclusive nas Ciências Veterinárias. No Brasil, muito pouco se tem utilizado tal ferramenta no dia-a-dia das empresas, apesar de existir uma ampla gama de publicações demonstrando a utilização de simulações computacionais em análise econômico-financeira e em outras tantas atividades. No entanto, a maioria das decisões dentro do processo produtivo avícola infelizmente ainda ocorrem com base em experiências adquiridas pelo agente decisório durante o desempenho de sua vida profissional. Mas quando o agente decisório morre (somos mortais!), todos seus erros e acertos morrem consigo e com eles todo o prejuízo e lucro que causaram. O que se propõe é a construção de modelos matemáticos dinâmicos, contendo em si um conhecimento imortal, que pode ser aprimorado com mais e mais conhecimento e aprendizado contínuo, sendo o prejuízo somente simulado em ambiente virtual, até encontrar-se a melhor alternativa a ser aplicada no ambiente real. Alguns desavisados desta tecnologia podem pensar: - Mas então estas máquinas vão nos substituir? A resposta é que nenhuma máquina pode e nem poderá substituir a complexidade do cérebro humano. Porém, máquinas podem e têm sido aliadas do Homo sapiens durante milhares de anos e são meras ferramentas, que se usadas apropriadamente, trazem lucro às empresas. Esta primeira análise, de forma alguma almeja diminuir a pujança da avicultura, visto que é praticamente impossível alguém provar que ela não vem trilhando um caminho pautado no sucesso. O que se quer deixar claro neste artigo é que com o uso de ferramentas computacionais, é possível perder menos, o que se traduz em maior lucro.
Na bibliografia deste artigo, estão citados vários trabalhos nacionais e internacionais utilizando análise matemática na resolução de problemas, nas mais diversas áreas do conhecimento (interessados, solicitar através do e-mail redacao@editora-animalworld.com.br). Nos limitaremos a descrever neste texto a experiência no assunto do Centro de Diagnóstico e Pesquisa em Patologia Aviária, da Universidade Federal do Rio Grande do Sul (CDPA-UFRGS - www.cdpa.ufrgs.br).
A resposta imunológica após vacinação é difícil de ser interpretada por veterinários. Inconformados com as alternativas encontradas para resolver este problema, Soares (1995), bem como Salle et al. (1998a, 1998d e 1999c) desenvolveram um modelo matemático simplificado, usando idade e título de anticorpos, para avaliar a resposta imunológica em reprodutoras de perus. As aves foram divididas em 11 grupos de diferentes idades e 880 amostras de soro foram analisadas para anticorpos contra a doença de Newcastle após vacinação, usando o teste de inibição da hemoaglutinação. Uma alta correlação foi encontrada entre a idade e a resposta imunológica esperada para cada grupo de animais (p<0,05). Os autores concluíram que podem ser criados modelos matemáticos para cada granja, oferecendo assim, uma interpretação objetiva dos resultados sorológicos da resposta imune, provocada pela vacina contra o vírus da doença de Newcastle em reprodutoras de perus.
Salle et al. (1998c e 1999b), buscaram modelos matemáticos que pudessem ajustar a curva de anticorpos produzida pela vacinação contra doença de Gumboro, doença de Newcastle e bronquite infecciosa. Os dados foram originários de amostras colhidas de 20 lotes de matrizes pesadas de frangos de corte. Os soros foram submetidos ao teste de inibição da hemoaglutinação (HI) para anticorpos, contra doença de Newcastle e vírus neutralização (VN), contra doença de Gumboro e bronquite infecciosa. Os soros foram coletados de aves com 5 a 65 semanas de idade em intervalos de 5 semanas. As médias geométricas dos títulos foram transformadas em logaritmo na base 10, sendo que a variável independente X era a idade das aves (5 a 65 semanas) e a variável Y era o título de anticorpos contra a vacina específica. Análises de variância, regressão linear e não-linear foram realizadas. Foi concluído que é possível traçar modelos matemáticos que explicam a relação entre níveis de anticorpos após vacinação e a idade das aves.
Salle et al. (1998b e 1999a), realizaram análises quantitativas para aflatoxina e ocratoxina em 24 amostras de dieta que foram coletadas da fábrica de rações e granjas avícolas, e em fígado e rins de aves refugo, que haviam sido alimentadas com a dieta analisada. As amostras foram divididas em quatro grupos, tendo como base a época do ano, correspondente a verão, outono, inverno e primavera. A detecção das toxinas foi feita através do uso de um teste de ELISA comercial e os resultados foram estudados por análise de regressão e correlação. Os níveis de aflatoxina e de ocratoxina, juntos ou separadamente, foram comparados aos índices de produção do lote, conversão alimentar, percentagem de mortalidade, ganho de peso, percentagem de condenação e com o índice de produção do produtor. Dos resultados obtidos, foi verificado que é possível correlacionar níveis de aflatoxina e de ocratoxina em alimento e vísceras de frangos de corte com os parâmetros produtivos do lote.
Sobre este tema, Salle & Silva (2000), expuseram a necessidade da geração de critérios objetivos para a interpretação dos resultados das monitorizações, sem os quais o processo decisório e as medidas corretivas associadas à decisão tomada, ficam seriamente comprometidos.
A estatística convencional demonstrou sobejamente sua utilidade como ferramenta de suporte às decisões, mas, a partir de meados do século 20, foram desenvolvidas novas tecnologias que utilizam inteligência artificial, entre elas, as redes neurais artificiais.
No CDPA-UFRGS foram realizados trabalhos originais utilizando-se as redes neurais artificiais no gerenciamento de reprodutoras pesadas. Os resultados obtidos demonstraram que é possível explicar os parâmetros de desempenho das aves, através da utilização de redes neurais artificiais. Foram gerados modelos de redes neurais artificiais, os quais informam (e em algumas ocasiões simulam e predizem) mortalidade acumulada das fêmeas, quantidade de ração a ser fornecida ao lote diariamente, peso das fêmeas na semana atual, peso das aves na semana seguinte no período de Recria e mortalidade acumulada das fêmeas, mortalidade acumulada dos machos, quantidade de ração a ser fornecida às fêmeas diariamente, quantidade de ração a ser fornecida aos machos diariamente, ovos produzidos durante a semana atual, ovos a serem produzidos na semana seguinte e pintos produzidos na semana atual no período de Produção. A técnica permite a tomada de decisões criteriosas por parte do corpo técnico para os diferentes lotes em recria e produção, alicerçadas em critérios gerados cientificamente. Além disso, este método permite simulações das conseqüências de tais decisões e fornece a percentagem de contribuição de cada variável nos fenômenos sob estudo. (Guahyba, 2001; Salle et al., 2001; Salle et al. 2003).
A utilização de todas técnicas descritas acima é que nos dá uma visão de futuro para a tomada de decisão. No futuro serão registradas as causas de mortalidade nos galpões, realizando-se tanto o diagnóstico clínico quanto laboratorial. Utilizar-se-á diversas informações, como temperatura, precipitação pluviométrica, tipos de equipamentos no galpão, formulação da ração e outros, para executar uma modelagem matemática mais aprofundada e que permita um entendimento objetivo e quantificado de todas variáveis intervenientes no processo produtivo. Serão realizadas monitorias adequadas, tanto sorológicas, microbiológicas, quanto de micotoxinas, pois será quantificado o prejuízo das mesmas. E no final, todos estes dados, aliados a outros dados de recria, produção, incubatório, frigorífico e custos de cada um dos setores possibilitarão a interrelação de todas as variáveis e a mensuração de risco das decisões a serem tomadas, almejando sempre a melhor relação custo / benefício e o mais importante, com validade científica e aplicabilidade prática. Será feita a análise de risco de cada decisão tomada, bem como a mensuração pecuniária de um determinado acontecimento, obviamente em ambiente virtual.
Para finalizar, não se deve esquecer que só a UFRS tem aproximadamente 1.200 doutores e o Brasil, 25.000. Será que é necessária tecnologia externa para suprir nossas necessidades? Será que não temos pesquisadores qualificados para delinear mecanismos criteriosos para tomadas de decisão? Ao nosso ver, temos e de excelente qualidade. É que infelizmente para o brasileiro: "Santo de casa não faz milagre". O mais irônico é que no futuro as técnicas de modelagem matemática serão amplamente difundidas dentro do setor avícola, mas terão que ser importadas, pois poucas pessoas enxergaram o trabalho que é feito, p.e., no CDPA-UFRGS desde 1995 nesta linha de pesquisa. Como se diz aqui no Sul, "o cavalo encilhado está passando à nossa frente". Basta saber quem terá a coragem de "montá-lo e desfrutar do seu galope".
Bibliografia consultada:
Astion, Michael L.; Wilding, Peter. The application of backpropagation neural networks to problems in pathology and laboratory medicine. Arch Pathol Lab Med. v.116, p.995-1001, 1992.
Baxt, W. G.; Shofer, F. S.; Sites, F. D.; Hollander, J. E. A neural network aid for the early diagnosis of cardiac ischemia in patients presenting to the emergency department with chest pain. Ann. Emerg. Med. v.40, n.6, p.575-583, 2002.
Bicciato, S.; Pandin, M.; Didone, G.; Di Bello, C. Pattern identification and classification in gene expression data using an autoassociative neural network model. Biotechnol. Bioeng. v.81, n.5, p.594-606, 2003.
Buzatu, D. A.; Taylor, K. K.; Peret, D. C.; Darsey, J. A.; Lang, N. P. The determination of cardiac surgical risk using artificial neural networks. J. Surg. Res. v.95, n.1, p.61-66, 2001.
Chao, K.; Chen, Y. R.; Hruschka, W. R.; Gwodz, F. B. On-line inspection of poultry carcasses by a dual-camera system. Journal of Food Engineering. v.51, p.185-192, 2002.
Chetham, S. M.; Barker, T. M.; Stafford, W. Neural networks in cardiac electrophysiological signal classification. Australas. Phys. Eng Sci. Med. v.25, n.3, p.124-131, 2002.
Cravener, T. L.; Roush, W. B. Improving neural network prediction of amino acid levels in feed ingredients. Poult. Sci. v.78, n.7, p.983-991, 1999.
Dawson, A. E.; Austin, R. E.; Jr, Weinberg D. S. Nuclear grading of breast carcinoma by image analysis. Classification by multivariate and neural network analysis. Am. J. Clin. Pathol. v.95, p.S29-S37, 1991.
Fialho, Flávio Bello; Ledur, Mônica Corrêa. Estimador da produção de ovos. Comunicado Técnico n. 257 Embrapa Suínos e Aves. p.1-2, 2000a.
Fialho, Flávio Bello; Ledur, Mônica Corrêa. Modelo matemático para curvas de produção de ovos. Comunicado Técnico n. 256 Embrapa Suínos e Aves. p.1-3, 2000b.
Forsström, Jari J.; Dalton, Kevin J. Artificial neural networks for decision support in clinical medicine. Annals of Medicine. v.27, n.5, p.509-517, 1995.
Guahyba, Adriano da Silva. Tese de Doutorado: Utilização de inteligência artificial (redes neurais artificiais) no gerenciamento de reprodutoras pesadas. Porto Alegre: UFRGS, Faculdade de Veterinária, PPGCV, 116p., 2001.
Han, M.; Snow, P. B.; Brandt, J. M.; Partin, A. W. Evaluation of artificial neural networks for the prediction of pathologic stage in prostate carcinoma. Cancer. v.91, n.8 Suppl, p.1661-1666, 2001.
Heald, C. W.; Kim, T.; Sischo, W. M.; Cooper, J. B.; Wolfgang, D. R. A computerized mastitis decision aid using farm-based records: an artificial neural network approach. J. Dairy Sci. v.83, n.4, p.711-720, 2000
Ivey, Frank. Desenvolvimento e aplicação de modelos de crescimento para frangos de corte. Anais do I Simpósio Internacional ACAV - Embrapa sobre Nutrição de Aves. p.22-35, 1999.
Kirby, Yvonne Kochera; Mcnew, Ronald W.; Kirby, John D.; Wideman Jr., Robert F. Evaluation of logistic versus linear regression models for predicting pulmonary hypertension syndrome (Ascites) using cold exposure or pulmonary artery clamp models in broilers. Poultry Science. v.76, p.392-399, 1997.
Kovács, Zsolt László. Redes Neurais Artificiais: Fundamentos e Aplicações: um texto básico. 2.ed. São Paulo: Edição acadêmica, p.1-174, 1996.
Lee, A.; Ulbricht, C.; Dorffner, G. Application of artificial neural networks for detection of abnormal fetal heart rate pattern: a comparison with conventional algorithms. Journal of Obstetrics and Gynaecology. v.19, n.5, p.482-485, 1999.
Loch, T.; Leuschner, I.; Genberg, C.; Weichert-Jacobsen, K.; Kuppers, F.; Retz, M.; Lehmann, J.; Yfantis, E.; Evans, M.; Tsarev, V.; Stockle, M. [Improvement of transrectal ultrasound. Artificial neural network analysis (ANNA) in detection and staging of prostatic carcinoma]. Urologe A. v.39, n.4, p.341-347, 2000.
Park, B.; Chen, Y. R.; Nguyen, M. Multi-spectral image analysis using neural network algorihm for inspection of poultry carcasses. J. agric. Engng. Res. v.69, p.351-363, 1998.
Robey, Wade; Gasperoni, Giovanni; Harlow, Harry. The IGM® as a tool for modeling broiler growth and variation. Disponível em http://www.novusint.com/nups/0495.htm. Acesso em 21-11-2000.
Roush, W. B.; Cravener, T. L. Artificial neural network prediction of amino acid levels in feed ingredients. Poult. Sci. v.76, n.5, p.721-727, 1997.
Roush, W. B.; Cravener, T. L.; Kirby, Y. K.; Wideman, R. F., Jr. Probabilistic neural network prediction of ascites in broilers based on minimally invasive physiological factors. Poult. Sci. v.76, n.11, p.1513-1516, 1997.
Roush, W. B.; Kirby, Y. K.; Cravener, T. L.; Wideman, R. F., Jr. Artificial neural network prediction of ascites in broilers. Poult. Sci. v.75, n.12, p.1479-1487, 1996.
Salle, C. T.; Guahyba, A. S.; Wald, V. B.; Silva, A. B.; Salle, F. O.; Fallavena, L. C. B. Uso de Redes Neurais Artificiais para Estimar Parâmetros de Produção de Galinhas Reprodutoras Pesadas em Recria. Revista Brasileira de Ciência Avícola. v.3, p.257-264, 2001.
Salle, C. T.; Guahyba, A. S.; Wald, V. B.; Silva, A. B.; Salle, F. O.; Nascimento, V. P. Use of artificial neural networks to estimate production variables of broilers breeders in the production phase. Br. Poult. Sci. v.44, n.2, p.211-217, 2003.
Salle, Carlos Tadeu Pippi; Cé, Milene Cristine; Lorenzini, Gustavo; Sfoggia, Marcus Vinícius Bürgel; Guahyba, Adriano da Silva; Moraes, Hamilton Luiz de Souza; Nascimento, Vladimir Pinheiro do. Correlation between aflatoxin and ocratoxin levels with production parameters in a poultry company. Abstracts of the IV Asia-Pacific Poultry Health Conference. Melbourne - Australia, p.131-131, 1998a.
Salle, Carlos Tadeu Pippi; Cé, Milene Cristine; Lorenzini, Gustavo; Sfoggia, Marcus Vinícius Bürgel; Guahyba, Adriano da Silva; Moraes, Hamilton Luiz de Souza; Nascimento, Vladimir Pinheiro do. Correlation between aflatoxin and ocratoxin levels with production parameters in a poultry company. Abstracts of the 48th Western Poultry Disease Conference. Vancouver - Canada, p.130-130, 1999a.
Salle, Carlos Tadeu Pippi; Cé, Milene Cristine; Santos, Carlos Henrique C.; Guahyba, Adriano da Silva; Nascimento, Vladimir Pinheiro do. Use of statistical technique on the interpretation of routine serologic data produced by poultry industry. Abstracts of the IV Asia-Pacific Poultry Health Conference. Melbourne - Australia, p.148-148, 1998b.
Salle, Carlos Tadeu Pippi; Cé, Milene Cristine; Santos, Carlos Henrique C.; Guahyba, Adriano da Silva; Nascimento, Vladimir Pinheiro do. Use of statistical techniques on the interpretation of routine serological data produced by a poultry industry. Abstracts of the 48th Western Poultry Disease Conference. Vancouver - Canada, p.130-130, 1999b.
Salle, Carlos Tadeu Pippi; Silva, Ari Bernardes da. Prevenção de Doenças / Manejo Profilático / Monitorização. In: Berchieri Junior, Angelo and Macari, Marcos. Doenças das Aves.1.ed. p.03-12, 2000.
Salle, Carlos Tadeu Pippi; Soares, Roberto Carlos Bastarrica; Cé, Milene Cristine; Guahyba, Adriano da Silva; Moraes, Hamilton Luiz de Souza; Nascimento, Vladimir Pinheiro do. Immune response assessment in turkey breeder (Meleagridis gallopavo) under Newcastle vaccine virus by mathematical models. Abstracts of the IV Asia-Pacific Poultry Health Conference. Melbourne - Australia, p.148-148, 1998c.
Salle, Carlos Tadeu Pippi; Soares, Roberto Carlos Bastarrica; Cé, Milene Cristine; Moraes, Hamilton Luiz de Souza; Nascimento, Vladimir Pinheiro do; Guahyba, Adriano da Silva. Immune response assessment in turkey breeders vaccinated against Newcastle disease using mathematical models. Abstracts of the 48th Western Poultry Disease Conference. Vancouver - Canada, p.129-129, 1999c.
Salle, Carlos Tadeu Pippi; Soares, Roberto Carlos Bastarrica; Cé, Milene Cristine; Silva, Ari Bernardes da; Moraes, Hamilton Luiz de Souza; Nascimento, Vladimir Pinheiro do; Guahyba, Adriano da Silva. Modelos matemáticos para avaliar a resposta imune de aves à doença de Newcastle. A Hora Veterinária. v.102, p.41-44, 1998d.
Snow, P. B.; Kerr, D. J.; Brandt, J. M.; Rodvold, D. M. Neural network and regression predictions of 5-year survival after colon carcinoma treatment. Cancer. v.91, n.8 Suppl, p.1673-1678, 2001.
Soares, Roberto Carlos Bastarrica. Dissertação de Mestrado: Avaliação da resposta imunológica em reprodutoras de perus (Meleagridis gallopavo) diante do vírus vacinal da doença de Newcastle através de modelos matemáticos. Porto Alegre: UFRGS, Faculdade de Veterinária, PPGCV, 75p., 1995.
Ziada, A. M.; Lisle, T. C.; Snow, P. B.; Levine, R. F.; Miller, G.; Crawford, E. D. Impact of different variables on the outcome of patients with clinically confined prostate carcinoma: prediction of pathologic stage and biochemical failure using an artificial neural network. Cancer. v.91, n.8 Suppl, p.1653-1660, 2001.