
Kan bedre beslutningsstøtte redusere tap under behandling?
Det håper aktørene bak forskningsprosjektet TreatSupport, som tar i bruk storstilt datafangst og avansert analyse for å forbedre avlusingsprosesser i norsk havbruk.
Avlusing av laks i sjø er en av de mest krevende prosessene i oppdrettsnæringen, både for fisken og for produsentene. Mekanisk behandling mot lakselus kan gi alvorlige velferdsskader og høy dødelighet. Samtidig varierer resultatene betydelig, både når det gjelder effekt, fiskevelferd og overlevelse, mellom ulike metoder, fartøy og selskaper.
Prosjektet «Tiltak for å redusere behandlingsrelaterte tap gjennom datafangst, analyse, beslutningsstøtte og kontinuerlig forbedring (TreatSupport)» skal forsøke å avdekke faktorer ved håndtering av fisk, som påvirker prestasjon under behandling.
– Kunnskapen som utvikles i prosjektet, skal gi grunnlag for å jobbe systematisk med forbedringer, sier Mari Viken Kjønstad, prosjektleder i TreatSupport til Kyst.no.
Kan stor-data og analyse føre til et bedre beslutningsgrunnlag?
Prosjektet som er finansiert av Fiskeri og havbruksnæringens forskningsfinansiering (FHF), og tar sikte på å samle inn og analysere store mengder historiske og nye data fra før, under og etter avlusing. Hensikten er å utvikle beslutningsstøtteverktøy, som kan forbedre vurderingene oppdrettere og fiskehelsepersonell gjør før behandling.
Det er betydelige utfordringer i analyse av stor-data som blant annet avhengighet i data, skjevfordelte helseutfall, manglende standardisering og få fisk i prøveuttak.
– Korrekt bruk av riktige statistiske metoder er avgjørende for å finne sanne sammenhenger i kompliserte datasett, sier Arnfinn Aunsmo i Salmalytics.
Kan prøvesvar forutsi behandlingens utfall?
Et viktig delmål i prosjektet er å undersøke om biologiske prøver kan gi indikasjoner på hvordan fisken vil tåle en behandling. Fiskegrupper skal prøvetas og følges gjennom og etter avlusing. Data fra histologiske undersøkelser er ofte vanskelige å kvantifisere for videre analyse og sammenstilling. Derfor skal det i prosjektet utvikles en ny scoringsmodell for å vurdere histologiske funn i gjeller, hjerte og muskulatur, samtidig som blodprøver analyseres og sammenstilles med prestasjonen under behandling.
– Vi håper å finne en sammenheng mellom prøveresultater og prestasjon under avlusing, slik at informasjon fra prosjektet kan brukes videre til å predikere utfallet av en behandling.
Er det mulig å få «bransjestandard» for risikovurdering før avlusing?
Et annet mål er å utvikle en standardisert metode for risikovurdering før avlusing, i samarbeid mellom NMBU og Åkerblå. Ambisjonen er å etablere et verktøy som kan brukes av fiskehelsepersonell på tvers av selskaper.
– En felles tilnærming til hvordan en risikovurdering utføres, gir forhåpentligvis en større forutsigbarhet for alle parter, når helsen til fisken skal vurderes i forkant av en behandling, sier førsteamanuensis Marit Stormoen på Veterinærhøgskolen, NMBU.
Trenging – et nødvendig onde, eller en kontrollert og overvåket aktivitet med fiskens beste i fokus?
Trenging av fisk før behandling er kjent som en betydelig stressfaktor. I prosjektet skal det derfor testes nye metoder for sanntidsmåling av trengesituasjoner, for å bedre overvåke fiskevelferd og redusere påkjenning.
– God kontroll gjennom trengeprosessen er avgjørende for å sikre god velferd og en vellykket behandling, sier Mette Remen i Sintef Ocean, som leder denne delen av prosjektet.
Hva vil næringen sitte igjen med etter endt prosjektperiode?
I løpet av prosjektperioden skal det utvikles flere konkrete verktøy: en prediksjonsmodell for risiko, sjekklister, risikomatrise og en mal for systematisk logging. Disse skal bidra til bedre beslutningsstøtte og legge til rette for kontinuerlig forbedring i oppdrettsnæringen.
– Vårt mål er å redusere dødelighet og tap knyttet til behandling, samtidig som vi øker kunnskapen og legger til rette for bedre fiskevelferd i hele næringen. Resultatene fra prosjektet vil fortløpende bli kommunisert til næringen slik at de kan tas i bruk så snart som mulig, avslutter Kjønstad.