IA

Ricerca

31 Ottobre 2025

---

Un nuovo modello di intelligenza artificiale capace di prevedere con precisione i focolai di West Nile in Italia è stato sviluppato dal gruppo Gabie (Genomics, AI, Bioinformatics, Infectious diseases, Epidemiology), coordinato da Massimo Ciccozzi, Ordinario di Statistica Medica e Francesco Branda, ricercatore dell’Unità di Ricerca di Statistica Medica ed Epidemiologia Molecolare dell’Università Campus Bio-Medico di Roma, insieme a Fabio Scarpa, Associato di Genetica dell’Università di Sassari. Lo studio, pubblicato su Tropical Medicine and Infectious Disease, rappresenta un passo avanti nella lotta contro una zoonosi ormai endemica nel Nord Italia, dove la circolazione virale interessa uccelli, cavalli e persone.

Non più un’emergenza stagionale

Secondo Ciccozzi, il West Nile “non è più un’emergenza stagionale ma una realtà che si ripete ogni anno. Capire in anticipo dove e quando colpirà è essenziale per proteggere la popolazione”.
I ricercatori hanno analizzato oltre dieci anni di dati di sorveglianza sanitaria (2012-24) integrandoli con informazioni climatiche giornaliere ad alta risoluzione (come temperatura, umidità e precipitazioni), provenienti da archivi metereologici open source, per ostruire un modello in grado di anticipare i focolai.

Algoritmo e dati climatici per la previsione dei focolai

Alla base del sistema predittivo c’è un algoritmo di machine learning supervisionato, chiamato XGBoost, capace di gestire dati complessi e variabili eterogenee. Il modello è stato addestrato su serie temporali di dati epidemiologici e climatici, adottando una procedura di validazione temporale incrociata per testare la sua capacità di previsione su anni non inclusi nell’addestramento.
I risultati sono stati notevoli: il sistema ha raggiunto un’accuratezza del 99%, individuando con grande precisione i territori più a rischio, dimostrando un’elevata affidabilità anche a livello provinciale. 
Tra le variabili chiave, la temperatura minima giornaliera si conferma determinante: quando le notti restano sopra i 20 °C, le zanzare sopravvivono più a lungo e la trasmissione del virus accelera; piogge e temperature massime, invece, incidono meno.

Approccio One Health

Il modello potrà essere integrato nei sistemi di sorveglianza italiani, consentendo di attivare allerte preventive, pianificare interventi di disinfestazione e ottimizzare le risorse veterinarie e sanitarie. Il gruppo Gabie sta già ampliando la metodologia ad altre malattie trasmesse da vettori, come Dengue e Chikungunya.

“Con il nostro approccio – spiega Francesco Branda – vogliamo trasformare i dati in prevenzione: l’intelligenza artificiale può diventare un alleato della sanità pubblica, aiutandoci a prevenire invece di rincorrere le epidemie.”

Lo studio si inserisce nella visione One Health, considerando anche i dati provenienti da uccelli e zanzare raccolti dalle reti veterinarie e ambientali per intercettare precocemente la circolazione virale.

“Il cambiamento climatico – conclude Ciccozzi – sta ridisegnando la geografia delle infezioni: zone un tempo considerate sicure stanno diventando favorevoli alla diffusione delle zanzare e dei patogeni che trasmettono. Disporre di strumenti predittivi significa poter agire prima, proteggendo la salute di persone e territorio”.

CITATI: FABIO SCARPA, FRANCESCO BRANDA, MASSIMO CICCOZZI
TAG: FOCOLAI, IA, PREVENZIONE, VIRUS WEST NILE, XGBOOST