Ricerca e cura

intelligenza artificiale

07 Settembre 2026

---

Un singolo campione di sangue analizzato attraverso metabolomica e algoritmi di apprendimento automatico potrebbe consentire lo screening contemporaneo di diverse patologie nei cani. È quanto emerge da uno studio pubblicato il 30 giugno su Frontiers in Veterinary Science, che ha valutato una piattaforma sperimentale per distinguere animali sani da quelli con patologie e identificare casi di tumore e malattie cardiovascolari.

Lo studio prospettico, condotto in Italia tra ottobre 2024 e ottobre 2025, ha arruolato 156 cani di proprietà. Dopo le esclusioni, 139 animali sono stati utilizzati per sviluppare e valutare i modelli di classificazione. I cani provenivano da due centri ed erano stati classificati come sani oppure affetti da patologie neoplastiche o non neoplastiche sulla base della storia clinica e degli accertamenti diagnostici.

La piattaforma analizzata combina la spettroscopia di risonanza magnetica nucleare (NMR) sul siero, utilizzata per ottenere il profilo metabolomico e delle lipoproteine, con i dati dell'emocromo e algoritmi di apprendimento automatico. I modelli sono stati addestrati per distinguere i cani sani da quelli con malattie e per identificare separatamente gli animali con tumore e con patologie cardiovascolari.

Nel confronto tra animali sani e non sani il modello ha raggiunto un'area sotto la curva ROC (AUC) di 0,916, con un'accuratezza dell'86,5%. Per l'identificazione dei tumori l'AUC è stata pari a 0,911, con un'accuratezza dell'83,5%, mentre per le malattie cardiovascolari l'AUC ha raggiunto 0,924 e l'accuratezza il 90%. Tra le caratteristiche maggiormente associate alla capacità di classificazione figuravano concentrazioni di glutammina e creatina, parametri relativi a linfociti e piastrine e livelli di colesterolo nelle lipoproteine.

La valutazione è stata effettuata attraverso validazione incrociata ripetuta sullo stesso insieme di dati. Gli autori indicano tra i limiti la dimensione contenuta del campione e l'eterogeneità della popolazione studiata. Età, sesso, razza e stato riproduttivo non hanno potuto essere completamente controllati. Non possono inoltre essere esclusi effetti legati ai diversi lotti di analisi. Gli autori indicano quindi la necessità di studi su popolazioni più ampie e coorti processate in modo indipendente.

Tra le prospettive indicate figurano l'estensione dell'analisi ad altre patologie e studi longitudinali per verificare se l'approccio possa individuare lo sviluppo di una malattia prima della comparsa delle manifestazioni cliniche o essere utilizzato per monitorare la risposta ai trattamenti. Sono inoltre in corso attività per sviluppare modelli analoghi nei gatti.

Lo studio ha valutato una piattaforma proprietaria di LatusPet Limited. Gli autori dichiarano che la ricerca ha ricevuto finanziamenti dall'azienda, che ha partecipato al disegno dello studio, alla raccolta e all'analisi dei dati, alla decisione di pubblicare e alla preparazione del manoscritto. Diversi autori sono inoltre consulenti o ex consulenti di LatusPet e detengono partecipazioni nella società.

Fonte: Frontiers in Veterinary Science, “Application of NMR-based metabolomics and machine learning for non-invasive disease screening in dogs”, 30 giugno 2026. Studio originale