Machine intelligence applied to sustainability: A systematic methodological proposal to identify sustainable animals

Consideramos animais sustentáveis ​​aqueles bem adaptados ao ambiente, produtivos, eficientes na conversão alimentar em produtos de origem animal (leite, carne, lã e mel), clinicamente saudáveis ​​e com baixa pegada de carbono e hídrica, além de terem seu bem-estar animal assegurado. Metodologias para identificar esses animais são necessárias, embora inexistentes. Neste estudo, desenvolvemos uma abordagem metodológica sistemática utilizando diversas técnicas de aprendizado de máquina para identificar animais sustentáveis ​​por meio de biomarcadores fenotípicos para sistemas de produção pecuária sustentável . Dados termorregulatórios, morfológicos, hematológicos, bioquímicos séricos, hormonais e produtivos, características da carcaça e medidas de eficiência alimentar de 62 touros foram coletados e analisados. O banco de dados contém 40 variáveis ​​com 10.354 informações. Identificamos, por meio de aprendizado de máquina, uma tipologia de animais sustentáveis, caracterizada por touros com resiliência sustentável e capacidade de adaptação ao ambiente, sustentabilidade produtiva com carcaças pesadas e alto rendimento, e sustentabilidade alimentar com RFI negativo. Os principais biomarcadores fenotípicos para identificar animais sustentáveis ​​são a temperatura retal, o volume corpuscular médio e a contagem de leucócitos – resiliência sustentável e capacidade adaptativa; a precocidade, o peso ao nascer e o rendimento de carcaça – sustentabilidade produtiva; e o consumo alimentar residual – sustentabilidade alimentar. Recomendamos a utilização desta proposta metodológica para identificar animais sustentáveis, que consomem menos alimento, são adaptados ao ambiente e mais produtivos, aumentando a renda da fazenda e possivelmente reduzindo a pegada hídrica e de carbono.