Rivoluzionare la gestione della malattia utilizzando l'IA

Uso veterinario dell'intelligenza artificiale 

Negli ultimi anni, il settore veterinario ha assistito a una rivoluzione tecnologica guidata dal rapido progresso dell'intelligenza artificiale (IA). Questa trasformazione non è semplicemente una tendenza, ma una svolta decisiva nel modo in cui i professionisti veterinari possono e intendono affrontare la diagnosi, il trattamento e la cura preventiva (1). Tra le applicazioni più promettenti dell'IA c'è la sua capacità di prevedere il rischio di malattia, consentendo interventi proattivi capaci di migliorare significativamente la salute e la qualità di vita dei pet. Uno di questi ambiti critici è il diabete mellito (DM) felino, una condizione che ha gravi implicazioni per la salute dei gatti in tutto il mondo, e questo breve articolo mostrerà come l'IA può aiutare il medico veterinario ad affrontare questa endocrinopatia comune. Come ulteriore illustrazione delle capacità dell'IA, gran parte di questo documento è stata scritta in collaborazione con una piattaforma di IA di proprietaria, come spiegato nel Riquadro 1. 

 

Riquadro 1. Introduzione a MAX.

 

La sfida crescente del diabete mellito felino

Il diabete mellito è una malattia complessa e multifattoriale caratterizzata dalla compromissione della produzione o dell'azione dell'insulina, che ha come conseguenza livelli glicemici elevati (2). Condivide alcune analogie con il diabete di tipo 2 umano e la sua prevalenza è cresciuta costantemente, soprattutto tra i gatti in sovrappeso e obesi (3,4). Secondo studi recenti, i gatti obesi hanno una probabilità fino a quattro volte superiore di sviluppare il DM rispetto alle loro controparti magre (5), e recenti risultati hanno mostrato che più a lungo un gatto è stato in sovrappeso od obeso, maggiore è il rischio di sviluppare il DM (Figura 1) (6). La progressione insidiosa della malattia provoca spesso complicanze gravi, come chetoacidosi, neuropatia, e persino la morte se non viene diagnosticata e gestita precocemente (7). La sfida per i medici veterinari risiede nella difficoltà di prevedere quali gatti sono a rischio prima che appaiano i segni clinici. I metodi diagnostici tradizionali si basano sull'osservazione dei segni o sull'esecuzione di test ematologici dopo che la malattia si è già sviluppata (Figura 2), ma questo approccio reattivo si traduce spesso in diagnosi ritardate, costi di trattamento aumentati, e compromissione del benessere animale.

Figura 2. Una volta diagnosticato il diabete mellito e avviata l'insulinoterapia, sono necessari prelievi regolari per monitorare i livelli glicemici del gatto; prevenire è meglio che curare, e la possibilità di identificare i gatti a rischio prima che la malattia si sviluppi è ovviamente un vantaggio importante in termini di salute e benessere animale. © Shutterstock

 

La promessa dell'IA nella previsione della malattia

L'intelligenza artificiale offre a questa sfida una soluzione rivoluzionaria. Analizzando enormi quantità di dati, che spaziano dalle cartelle cliniche ai fattori legati allo stile di vita, dalle predisposizioni genetiche alle misurazioni biometriche, gli algoritmi dell'IA sono in grado di identificare pattern e fattori di rischio che possono sfuggire all'osservazione umana. Questa capacità consente lo sviluppo di modelli predittivi che valutano la probabilità che un singolo gatto sviluppi determinate malattie, utilizzando dati quali:

• Cartelle cliniche: dati sanitari anamnestici, diagnosi precedenti, anamnesi farmacologica.
• Fattori legati allo stile di vita: dieta, livelli di attività, vita in appartamento oppure all'aperto.
• Misurazioni fisiche: peso corporeo, Body Condition Score (BCS), età.
• Risultati di laboratorio: livelli glicemici, marcatori della sensibilità all'insulina.
• Dati genetici: predisposizioni di razza, fattori ereditari.

Utilizzando questi dati, ricercatori e medici veterinari possono addestrare modelli di apprendimento automatico a riconoscere la combinazione di fattori che aumenta il rischio di sviluppo della malattia, prima della comparsa dei sintomi clinici classici. 

Presentazione di DiabetesPredict

DiabetesPredict è un algoritmo capace di rilevare se un gatto è a rischio di diventare diabetico nei successivi 3 o 12 mesi. L'algoritmo può essere applicato in qualsiasi momento, e richiede solo i dati derivanti da una singola visita in clinica; questi includono sia dati clinici che parametri ematologici standard (Figura 3). L'algoritmo è stato sviluppato e convalidato utilizzando le cartelle cliniche del Banfield tra il 2013 e il 2023, utilizzando i dati di 2.557.817 gatti che in questo periodo sono stati sottoposti a 10.184.040 visite cliniche. L'algoritmo è stato ulteriormente convalidato utilizzando dati provenienti da una fonte secondaria, ovvero le cartelle cliniche dalle cliniche del gruppo VCA (69.422 gatti con 116.306 visite tra il 2017 e il 2023). La convalida di un algoritmo in un set di dati esterno è un passaggio importante nello sviluppo di qualsiasi modello, poiché implica testare il modello su set di dati separati per garantire che abbia prestazioni affidabili su popolazioni diverse.

L'efficacia del modello viene misurata attraverso parametri quali accuratezza, sensibilità e specificità. DiabetesPredict può raggiungere un tasso di accuratezza del 96% nel prevedere il rischio di diabete in un periodo di tre mesi, con una sensibilità dell'80%; questo significa che può identificare correttamente l'80% dei gatti che svilupperanno il DM. I modelli mostrano inoltre una specificità elevata; questo significa che i falsi positivi sono molto bassi, così da generare un basso numero di interventi non necessari.

Figure 3. Aperçu des valeurs à saisir et des résultats du modèle prédictif proposé par DiabetesPredict.
© John Flanagan / revu par Sandrine Fontègne

 

Raccomandazioni dietetiche dopo DiabetesPredict

Sebbene non esistano attualmente dati riguardanti la gestione nutrizionale ottimale dei gatti identificati come a rischio di sviluppare DM, il buon senso suggerirebbe di applicare strategie nutrizionali simili a quelle dei gatti con DM clinico. In questo contesto, a un gatto ritenuto a rischio di sviluppare DM nei 3 o 12 mesi successivi si dovrebbe raccomandare una dieta terapeutica povera di carboidrati digeribili (per minimizzare le risposte postprandiali al glucosio e all'insulina). Nei gatti in condizioni fisiche ottimali, è necessario evitare accuratamente l'aumento di peso, e i proprietari possono trarre beneficio da chiare indicazioni sull'alimentazione e sul monitoraggio del peso per sostenere il mantenimento del peso ottimale. Per un gatto in sovrappeso, la dieta da preferire non dev'essere semplicemente povera di carboidrati digeribili, ma anche adatta alla riduzione terapeutica del peso (per ottenere un tasso di riduzione del peso dello 0,5-2% alla settimana fino al raggiungimento del peso di riferimento ottimale). È stato dimostrato che un programma di riduzione del peso di 12 settimane nei gatti diabetici in sovrappeso moltiplica di oltre due volte la probabilità di remissione diabetica (8); inoltre, sebbene ancora da dimostrare, è probabile che anche la riduzione del peso nei gatti in stadio "prediabetico" sia estremamente utile a prevenire la transizione al DM clinico. Infine, per i gatti sottopeso andrebbe privilegiata una dieta povera di carboidrati digeribili e con alto contenuto energetico, con l'obiettivo di ottenere un aumento di peso.

I proprietari devono essere inoltre consapevoli della necessità di monitorare i potenziali segni clinici nei loro pet, e portarli a effettuare un nuovo controllo dopo 3-6 mesi per generare dati utili a rieseguire l'algoritmo DiabetesPredict.

Implementazione pratica nella struttura veterinaria

L'integrazione di strumenti di previsione del rischio basati sull'IA nelle cliniche veterinarie può essere semplice ed estremamente utile (1). Strumenti come DiabetesPredict possono essere integrati negli esistenti sistemi di gestione delle cartelle cliniche elettroniche, o essere accessibili tramite piattaforme dedicate, fornendo valutazioni del rischio in tempo reale durante le visite di controllo. Ciò offre vantaggi sia ai medici veterinari che ai proprietari di pet:

• Intervento precoce: identificare i gatti ad alto rischio consente di adottare misure preventive mirate, come la gestione del peso e/o modifiche dietetiche.
• Miglioramento del benessere animale: la precocità della diagnosi e della gestione può migliorare la qualità di vita del gatto, riducendo la sofferenza e prolungando la durata del periodo di salute.
• Reputazione: l'impiego di tali strumenti in una clinica contribuisce a mettere in mostra l'esperienza del medico veterinario, aumentando l'affluenza di clienti e rafforzando la fidelizzazione del cliente.
• Risparmio sui costi: prevenire o ritardare l'esordio del diabete riduce le spese di trattamento a lungo termine e migliora l'efficienza economica.

Conclusione

Oggi, i medici veterinari non possono prevedere il rischio che i gatti diventino diabetici, e non esiste alcuna possibilità di rilevare lo stadio prediabetico nei gatti. Algoritmi come DiabetesPredict offrono un'opportunità unica per un intervento precoce, al fine di evitare la potenziale transizione al diabete clinico dei gatti a rischio di sviluppare il DM. Inoltre, rilevare precocemente un aumentato rischio di malattia può indicare se sia opportuno raccomandare test ematologici più frequenti oppure avviare modifiche precoci dello stile di vita, in particolare attraverso soluzioni dietetiche. Più in generale, i modelli di IA offriranno in futuro ai medici veterinari un'assistenza basata sui dati che li aiuterà a prendere decisioni basate sull'evidenza per molte condizioni di malattia, riducendo la dipendenza dalla valutazione soggettiva. 

 

 

Riferimenti

1. Albergante L, O’Flynn C, De Meyer G. Artificial intelligence is beginning to create value for selected small animal veterinary applications while remaining immature for others. J. Am. Vet. Med. Assoc. 2025;263:388-394.
2. Osto M, Zini E, Reusch CE, et al. Diabetes from humans to cats. Gen. Comp. Endocrinol. 2013;182:48-53.
3. Scarlett JM, Donoghue S. Associations between body condition and disease in cats. J. Am. Vet. Med. Assoc. 1998;212:1725-1731.
4. O'Neill DG, Gostelow R, Orme C, et al. Epidemiology of diabetes mellitus among 193,435 cats attending primary-care veterinary practices in England. J. Vet. Intern. Med. 2016;30:964-972.
5. Verbrugghe A, Hesta M. Cats and carbohydrates: the carnivore fantasy? Vet. Sci. 2017;4:55.
6. Flanagan J, Kocevar G, Reinert B, et al. Association between prior obesity and development of feline diabetes mellitus: a pair-matched 1:3 case-control study. In: Proceedings, 35^th European Veterinary Internal Medicine-Companion Animals Congress 2025; Maastricht, the Netherlands.
7. Gilor C, Fleeman L. Diabetes mellitus in cats. In: Ettinger SJ, Feldman EC and Cote E (eds). Ettinger’s Textbook of Veterinary Internal Medicine. eBook: Elsevier, 2024;292.
8. Jørgensen FK, Kieler IN, Xia D, et al. Effect of 12-week, intentional caloric restriction, using a novel therapeutic diabetic diet suitable for weight reduction, on glycemic control in overweight cats with diabetes mellitus: an international prospective, randomized clinical trial. In: Proceedings, 35^th European Congress of Veterinary Internal Medicine for Companion Animals 2025; Maastricht, the Netherlands.