I macelli offrono una preziosa opportunità per valutare l'impatto della pleuropolmonite suina, poiché le lesioni causate da Actinobacillus pleuropneumoniae rimangono visibili alle ispezioni autoptiche. Questo studio ha valutato un sistema basato sull'intelligenza artificiale (IA) per la valutazione della pleurite nei suini macellati in condizioni di campo.
Materiali e Metodi: La sperimentazione è stata condotta in un macello norvegese, dove un robot collaborativo ha acquisito automaticamente le immagini delle carcasse. Una rete neurale convoluzionale ha valutato la pleurite secondo il metodo "Valutazione della pleurite sulla pleura parietale". Parallelamente, veterinari e ispettori delle carni dell'Autorità norvegese per la sicurezza alimentare hanno valutato la pleurite utilizzando un sistema binario, basato sulla presenza o assenza di lesioni superiori a 15 cm. Inoltre, un sottoinsieme di 500 immagini è stato valutato da due veterinari accademici (uno con esperienza decennale nella patologia degli animali da allevamento e l'altro dottorando in patologia respiratoria degli animali da allevamento) utilizzando il metodo "Valutazione della pleurite sulla pleura parietale". Gli stessi veterinari hanno registrato lesioni di dimensioni superiori a 15 cm.

Risultati: Il sistema di IA ha rilevato pleurite nel 9,80% dei suini, dimostrando un'elevata specificità e sensibilità (>95%) rispetto alle valutazioni veterinarie delle immagini digitali. Il personale norvegese addetto all'ispezione delle carni ha segnalato pleurite nel 5,18% dei suini, mostrando una correlazione moderatamente forte con il sistema di IA (ρ di Spearman = 0,67). Lesioni molto estese sono state identificate dai veterinari nel 3,4-4,6% delle immagini digitali. I risultati sulla prevalenza sono in linea con i dati storici, risultando coerenti con l'elevato stato di salute degli allevamenti suini norvegesi. Le lesioni erano localizzate principalmente sulla parete toracica caudale, a supporto dell'Actinobacillus pleuropneumoniae come principale agente causale.
Conclusioni: Questo studio evidenzia il potenziale degli strumenti basati sull'IA per migliorare il monitoraggio delle malattie, ridurre la variabilità degli osservatori e facilitare la raccolta di dati su larga scala negli ambienti di macellazione.
Anastasia Romano, Elizaveta Golunova, Giuseppe Marruchella, Andrea Capobianco Dondona, Nicola Bernabò, Ercole Del Negro, Simon Danny Pettinella, Sondre Stokke Naadland, Axel Dønnum Jensen, Ole Arne Alvseike, Gunvor Elise Nagel-Alne, Automated detection and scoring of pleurisy in Norwegian slaughtered pigs: a field trial, Food Control, Volume 178, 2025, 111514, ISSN 0956-7135, https://doi.org/10.1016/j.foodcont.2025.111514.