0
Risks and opportunities for pork production in the changing economic landscape. B. Moore, Compeer Financial
La sua società di consulenza serve numerosi settori, tra cui quello del suino, che rappresenta il 6% del suo business. Il sentiment dei consumatori è un fattore critico. Negli Stati Uniti, la disoccupazione è al 4,3%, con 7,4 milioni di disoccupati. La spesa dei consumatori oscilla di mese in mese, con picchi associati a date specifiche. Le esportazioni agricole sono in crescita dal 1970 e in modo significativo negli ultimi 10 anni, con la carne suina in primo piano. Il solo Minnesota ha esportato carne suina per un valore di 163 milioni di dollari nella prima metà di quest'anno. Siamo in una nuova era dopo il giorno della liberalizzazione del 2025 (Trump). La politicizzazione dei dazi ha i suoi pro e contro, essendo sostenuta in modo schiacciante dai Repubblicani (72%), in parte dagli indipendenti (20%) e praticamente per niente dai Democratici (6%). I vantaggi sono la protezione dell'industria nazionale e l'equilibrio dei suoi mercati. Gli svantaggi sono l'aumento dei costi di produzione e dei servizi, la divisione politica, le interruzioni della catena di approvvigionamento e le ritorsioni contro le esportazioni americane. Nei primi sei mesi, questi dazi hanno contribuito per 80,3 miliardi di dollari al surplus commerciale degli Stati Uniti, con proiezioni di circa 300 miliardi di dollari per il 2026. I dazi hanno un impatto sui prezzi finali, che varia a seconda del prodotto e del mercato di origine-destinazione (importazioni circa 4$ e beni nazionali circa 2%). L'inflazione stimata per il 2025 è di circa il 2% per i prodotti esportati e per la salute. Quando scenderà al di sotto del 2%, influenzerà l'equilibrio tra disoccupazione e crescita.
I prezzi delle materie prime (soia, grano, mais e cotone), che sono aumentati notevolmente nel 2021-22 a causa della guerra in Ucraina, stanno diminuendo e hanno raggiunto il punto più basso nel 2025. I costi di produzione di queste materie prime sono aumentati dal 2022, soprattutto a causa dei fertilizzanti e di altri input. Le variazioni dell'inflazione hanno ridotto l'utile netto nel settore suino. Il 46% dei produttori di mais ritiene di essere prossimo a una crisi. La concorrenza con Cina e Brasile per mais, grano e soia sta alterando i flussi commerciali. Nel 2020, il Brasile deteneva il 66% del mercato cinese della soia, rispetto al 27% degli Stati Uniti. Da gennaio 2023, i prezzi della soia sono in calo, raggiungendo i livelli di gennaio 2021. Il picco delle esportazioni verso la Cina si è verificato tra il 2020 e il 2024. Le esportazioni di carne suina statunitense verso la Cina sono cresciute dal 2017 al 2025, con prezzi più elevati nel 2025 rispetto al 2024. Il picco dei costi di produzione è stato raggiunto nel 2023, con il costo di 95,86 dollari /suino agli attuali 88 dollari. Il Brasile ha costi di produzione inferiori sia per la soia che per il suino rispetto agli Stati Uniti.
From supply focused to demand obsessed. Morrison Lecture. L. Minion, Wholestone
Bob Morrison said: “Thinking is what the university pays me to do”. Thinking is asking questions and answering them”.
Nel futuro del settore dei suini, dovremo comprendere la domanda del mercato e come soddisfarla creando valore, basato su una maggiore efficienza, costi ridotti e una maggiore redditività. Se abbassiamo i costi per i consumatori, questi acquisteranno di più. Per quanto riguarda la domanda, dobbiamo concentrarci su prezzi più equi, aumentando il desiderio dei consumatori. Dal 2000 al 2025, abbiamo aumentato il numero di suinetti per allevamento da 20 a 30, con un aumento del 14% del peso alla macellazione e lo stesso incremento medio giornaliero, insieme a un aumento del 15% dell'incremento medio giornaliero e al 14% in più di chilogrammi venduti per posto suino. Ciò si è tradotto in un margine di profitto di circa 10 dollari per suino a livello di allevamento.
La domanda sta cambiando, con il consumo pro capite rimasto stabile negli ultimi 25 anni (50 kg). Il costo per scrofa in un allevamento è triplicato, passando da 1.200 a 3.600 dollari, e il margine di profitto si è ridotto dal 6,3% al 2,9%. Il nostro settore si trova ad affrontare un dilemma di fornitura che richiede un pensiero indipendente e un cambio di paradigma. Dobbiamo concentrarci su obiettivi ragionevoli, come la riduzione dei costi di 10-20 dollari per suino, poiché una riduzione di 100 dollari non è fattibile, pur considerando l'aumento ragionevole dei prezzi per i consumatori che è possibile.
Negli ultimi 25 anni, il consumo di carne suina è rimasto a 50 kg, mentre quello di carne bovina è diminuito a causa dell'aumento dei prezzi, e quello di pollo è aumentato (da 80 a 100 kg), con prezzi rimasti relativamente stabili, simili a quelli della carne suina. Considerate le differenze di prezzo tra carne bovina e suina, il valore opportunità sul mercato è positivo per la carne suina, inteso come domanda potenziale di carne suina.
La domanda è dove possiamo catturare questo valore, considerando che i rivenditori e i consumatori ne traggono i maggiori benefici. L'anno con i profitti più elevati è stato il 2014, con epidemie di PED (diarrea epidemica suina), poiché c'erano meno suini ma la stessa domanda, il che ha aumentato i profitti. Il progresso non è possibile senza cambiamento, e se non cambiamo la nostra mentalità, non cambieremo le cose. Per raggiungere questo obiettivo, dobbiamo adattare il nostro modo di pensare a quello dei consumatori (benessere animale, uso di antimicrobici, ambiente, risorse, salute e sostenibilità), mantenendo al contempo una qualità della carne apprezzata. I consumatori sono la chiave del consumo.
Non credono che l'eradicazione della PRRS negli Stati Uniti influirà sul prezzo per i consumatori, sebbene, logicamente, ridurrà i costi di produzione e aumenterà i margini di profitto. Per quanto riguarda l'editing genetico, i consumatori hanno attualmente opinioni contrastanti sull'opportunità di implementare la tecnica per il consumo (il 74% ritiene che sia importante per loro). Stimano che tale editing genetico potrebbe portare a una perdita del 25% dei consumatori locali senza influire sul commercio internazionale, sebbene il rischio non sia nullo nei paesi con normative legali diverse (Europa - Messico). Il 65% dei consumatori nutre dubbi sulla sicurezza della tecnologia e il 57% sulla sua salubrità. Il 69% ritiene che i governi e le agenzie governative siano in ultima analisi responsabili dell'implementazione e della legislazione in materia. Dobbiamo essere cauti a causa delle potenziali conseguenze. Possiamo trovare delle scuse, oppure possiamo apportare dei cambiamenti; quest'ultimo è essenziale se vogliamo continuare a progredire, ma entrambe le cose non sono possibili contemporaneamente. Migliorare la qualità della carne e commercializzare i prodotti suini statunitensi sono due pilastri fondamentali per il settore, in vista della domanda futura.
“Men occasionally stumble over the truth, but most pick themselves up and hurry off as if nothing has happened” – Winston Churchill.
Emerging viral threats and mitigation strategies in the swine industry. J. Richt. Kansas State University
La KSU dispone di un laboratorio ad alta biosicurezza di 112.000 m², dove vengono utilizzati vari modelli animali per la ricerca, inclusi i suini. Molte malattie suine causano gravi problemi nella produzione e nei mercati, con rischi zoonotici associati ai cambiamenti del settore (salute, benessere, impatto economico, sicurezza alimentare, One Health). L'integrazione delle strategie è essenziale per proteggere l'industria suina globale. Tra i virus più esotici che attraversano i confini figurano la peste suina africana, mai segnalata negli Stati Uniti; la peste suina classica, da cui gli Stati Uniti sono indenni dal 1976; l'afta epizootica, assente dal 1929; la stomatite vescicolare; l'esantema vescicolare; l'encefalite giapponese; il virus Nipah; il virus dell'influenza H5N1; l'Ebola; e la malattia dell'occhio blu messicano.
Le malattie endemiche più diffuse sono PRRSV, virus influenzale, PED, PCV, ADV, TGE, rotavirus, encefalite, citomegalovirus, virus dell'encefalomiocardite e coronavirus respiratorio. Le strategie di prevenzione e controllo per la loro mitigazione ed eradicazione si concentrano su biosicurezza e biocontenimento, diagnosi accurata e precoce, vaccini, antivirali (ad esempio, per la PSA) e editing genetico nei suini (PRRSV, influenza). Biosicurezza e biocontenimento sono fondamentali non solo a livello di allevamento, ma anche ai confini internazionali e all'interno dei singoli stati.
Limitare la diffusione delle malattie (biocontenimento) è altrettanto importante, con misure di "tutto pieno/tutto vuoto", flusso continuo e corretta gestione di liquami, carcasse e personale. È necessario disporre di un piano di emergenza.
Il rilevamento rapido del patogeno mediante metodi diagnostici accurati e risposte immediate sono fondamentali per prevenire la diffusione sia negli allevamenti che a livello regionale. Test diretti in azienda e risultati in tempo reale sono essenziali per prendere decisioni rapide e ridurre l'impatto economico e le perdite di commercializzazione.
Nella PSA hanno sviluppato uno strumento diagnostico rapido. – POCKIT e Biomeme Franklin –che rileva il DNA del virus. La sensibilità e la specificità di questi test nei tessuti sono del 100%. Il rilevamento dell'antigene del virus della PSA nel sangue viene eseguito utilizzando la tecnologia LFT, che rileva livelli di TCDI50/ml pari a 10 alla quarta potenza quattro giorni dopo l'infezione.
Le nuove piattaforme di generazione di vaccini promettono di produrre vaccini efficaci contro la PSA. I vaccini contro la PSA non sono né sicuri né efficaci nei paesi non endemici: i vaccini a subunità non forniscono più del 50-60% di protezione, i vaccini vivi modificati possono tornare virulenti e i vaccini inattivati sono inefficaci. Si tratta di un virus molto complesso (150-180 ORF) e presenta inoltre molteplici fattori che eludono la risposta immunitaria e si replicano per la prima volta nei macrofagi. I meccanismi precisi di protezione contro questo virus rimangono sconosciuti. Hanno prodotto un vaccino eliminando il gene I177l, che genera immunità sterile contro i ceppi epidemici eurasiatici ed è stato approvato in Vietnam nel 2023 (NAVET-ASFvac), così come nelle Filippine e nella Repubblica Dominicana. Attualmente stanno sviluppando un nuovo vaccino a subunità.
Lo sviluppo di vaccini contro l'influenza suina continua con vaccini vivi modificati somministrati per via intranasale, che stanno mostrando livelli di protezione migliorati. Gli antivirali rappresentano un'opzione terapeutica quando i vaccini sono limitati, riducendo la replicazione virale e la gravità dei sintomi clinici. Sono in corso ricerche in questo ambito, mentre si sta analizzando anche il loro rapporto costo-efficacia. Il brincidofovir è un inibitore della replicazione del virus della PSA utilizzato negli esseri umani per il vaiolo, ma ha un costo proibitivo (100 mg = 1.000 dollari). Le tecniche CRISPR-Cas9 che utilizzano segmenti di RNA del virus anti-PSA sono in fase di sperimentazione in vivo, raggiungendo tassi di sopravvivenza superiori al 50%, senza differenze significative tra suini transgenici e cinghiali. L'editing genetico nei suini consente di colpire proteine specifiche nell'ospite, producendo resistenza e resilienza intrinseche. Questa tecnica viene utilizzata contro PRRSV e CD163, prevenendo la replicazione virale e determinando l'assenza di segni clinici. L'editing genetico nei suini contro il virus dell'influenza e TMPRSS2 (la proteina responsabile dell'attivazione dell'emoagglutinina Hao) ha protetto i topi in studi in vitro. Negli studi in vivo su suini infettati per via intratracheale con il virus dell'influenza A, si ottiene una riduzione della diffusione virale e una diminuzione della patogenicità.
Blind men and the pig; Challenging our understanding of sustainable pork systems. Pijoan Lecture. P. Urriola. University of Minnesota
Possiamo considerare come le malattie influenzino la produzione, o come la produzione influenzi la salute degli animali. La produzione suina è un sistema complesso, adattabile e dinamico, influenzato a diversi livelli. I modelli che utilizziamo per studiare la sostenibilità nella produzione suina sono molteplici: prospettive diverse, circolarità, evoluzione nel tempo con risposte non lineari ed equilibrio di mercato. Definire con precisione la sostenibilità non è facile, poiché può variare da paese a paese: la capacità di continuare a produrre in modo da consentire alle generazioni future di vivere bene secondo i propri bisogni senza comprometterli.
La dicotomia tra consumo di proteine animali e vegetali rientra nel concetto di sostenibilità, che ci impone di produrre di più con meno. Avere ingredienti sufficienti per nutrire diversi animali fa parte dell'economia circolare, rendendo necessario integrare la produzione animale con le scienze biologiche e agronomiche per produrre cibo in quantità sufficiente e con la sicurezza alimentare richiesta. L'alimentazione di precisione e la sua impronta di carbonio sono essenziali, così come la salute degli animali, che contribuisce a una maggiore sostenibilità. Il ciclo di vita dell'azoto nella produzione suina fa parte dell'equilibrio generale. La nutrizione di precisione ci consente di adattare l'assunzione di nutrienti (aminoacidi) in base a esigenze specifiche, evitando sprechi e ottimizzando le risorse, pur riconoscendo che le risposte non sono necessariamente lineari (aumento di aminoacidi/deposizione proteica). Pertanto, dobbiamo considerare che abbiamo a che fare con modelli nutrizionali dinamici di risposta ai nutrienti in tutte le fasi della produzione, comprese scrofe da riproduzione e suinetti (Ramírez-Camba, 2025).
La teoria del barile relativa al fabbisogno di aminoacidi a base di lisina nei suini da ingrasso si è evoluta da amminoacidi essenziali a amminoacidi limitanti, basandosi sul concetto di proteine adattative necessarie per diverse funzioni metaboliche. In caso di infezioni subcliniche, il fabbisogno di treonina, triptofano e metionina aumenta. Dopo la vaccinazione, il fabbisogno di arginina, treonina e triptofano sarà maggiore. I modelli piramidali di fabbisogno nutrizionale si sono trasformati in modelli modulari e adattativi basati su esigenze specifiche. In pratica, abbiamo bisogno del modello Pijoan 2003, in cui i modelli competitivi hanno generato molte informazioni ma poche soluzioni, combinato con il modello Tokach 2024 sulla crescita della ricerca nel settore privato, che dovrebbe essere considerato insieme alla ricerca condotta nella letteratura scientifica. L'obiettivo sarebbe quello di integrare entrambi i modelli nella nostra pratica.
La sostenibilità dipende dal paradosso dell'efficienza (Efficiency paradox). Analizzare solo l'efficienza alimentare dei singoli componenti può essere pericoloso, poiché non rappresenta necessariamente l'efficienza dell'intero sistema. Ciò implica un cambio di paradigma, che ci obbliga a mettere in discussione alcuni dei processi attuali che abbiamo osservato in natura. Tutte le patologie influenzano i parametri di produzione in misura maggiore o minore e aumentano l'impatto ambientale (una grave forma di Mycoplasma hyopneumonia causa 931 kg di CO2 in più per animale). Anche i suinetti sottopeso alla nascita, con tassi di crescita più bassi e alta mortalità, riducono la sostenibilità. L'uso di alti livelli di zinco ha anche un impatto sull'ambiente, riducendo l'impronta di carbonio grazie a una migliore crescita e a una minore mortalità, ma aumentando l'ecotossicità (Hong, 2025).
Precision reproduction: Genetic and economic optimization in sow herds. JC. Pinilla. AcuFast
Negli allevamenti sono stati implementati numerosi elementi di precisione, come sensori, algoritmi, telecamere e macchinari più o meno sofisticati per raccogliere informazioni precise, applicare programmi di alimentazione e utilizzare sistemi di precisione per l'inseminazione artificiale. La riproduzione è coinvolta in ogni processo produttivo, dall'inizio alla fine, e alcuni KPI non riflettono tutti i fattori coinvolti. La riproduzione di precisione consiste nell'inseminare le scrofe al momento giusto per immettere un prodotto sul mercato nel modo più redditizio, utilizzando il minor numero possibile di spermatozoi di alta qualità (biomarcatori) per produrre il maggior numero di suinetti di maggior valore. Pertanto, la riproduzione di precisione è inclusa nei modelli di produzione di precisione, in cui è fondamentale comprendere i legami tra genetica, nutrizione e salute animale con l'efficienza riproduttiva.
Un semplice esempio di riproduzione di precisione è come possiamo ottimizzare l'intervallo tra lo svezzamento ed il calore analizzando le percentuali di scrofe che raggiungono l'estro tra 3-5 giorni, 5-7 giorni o più di sette giorni, come indicatore di fertilità. La sinergia tra genetica e parametri riproduttivi è evidente nei parametri scientifici, come la selezione degli animali nelle piramidi genetiche, nelle linee di nonni e nelle linee di produzione, e il loro impatto sugli allevamenti commerciali attraverso diverse linee genetiche. Il miglioramento genetico dei parametri riproduttivi nel corso degli anni è stato evidente attraverso l'applicazione di tecnologie genetiche sia alle linee materne che a quelle paterne (indici di selezione). Le piattaforme tecnologiche applicate negli ultimi 17 anni hanno avuto impatti diversi sui risultati riproduttivi (ad esempio, vitrificazione degli embrioni, previsione della fertilità degli spermatozoi, controllo genotipico, raccolta di ovociti femminili d'élite - OPU, fenotipizzazione basata su telecamera, pittura cromosomica, previsione dell'ovulazione, sequenziamento GBS...). Le tecniche di allevamento di precisione possono offrire opportunità per raggiungere nuovi livelli di produzione.
Our doubts are traitors and make us lose the good we may win for the fear to attempt (Shakespeare).
Feeding patterns in lactation: Big data insights to enhance sow and litter performance. J. Estrada. Carthage Veterinary Service
Negli Stati Uniti, le diete a base di mais, soia, DDGS e grassi rendono la qualità nutrizionale di queste materie prime critica a causa della loro limitata disponibilità, e qualsiasi problema con una di esse ha conseguenze negative significative. Le ragioni della rimonta delle scrofe negli allevamenti nel 2024 sono state principalmente problemi locomotori, seguiti da cause sconosciute, prolasso rettale, cattive condizioni corporee, difficoltà al parto e stress da calore, soprattutto in estate. Le elevate temperature estive influenzano il numero totale di suinetti nati da scrofe inseminate durante i mesi estivi, con un impatto maggiore sulle scrofe nullipare e sulle scrofette rispetto alle scrofe pluripare.
Nel corso del tempo sono stati identificati modelli di consumo di mangime nelle scrofe (Koketsu 1996 e Forbose 2022), evidenziando la necessità di concentrarsi sul livello di assunzione di nutrienti e non solo sui chilogrammi per scrofa/giorno, che equivale all'assunzione totale di nutrienti rispetto al mangime per lattazione. Un maggiore consumo di mangime durante l'allattamento si traduce in figliate più pesanti allo svezzamento, una minore mortalità in lattazione e un intervallo svezzamento-calore più breve, con conseguente numero maggiore di suinetti nelle figliate al parto successivo. L'impatto è maggiore nelle scrofette rispetto alle scrofe pluripare.
La variazione nell'assunzione di mangime per scrofa al giorno durante l'allattamento è considerevole (fino al 40%), il che significa che anche l'assunzione giornaliera di lisina varia, in base a un'assunzione media giornaliera di 60-65 g/lisina/scrofa al momento della formulazione del mangime. Ciò suggerisce che circa il 20% delle scrofe potrebbe consumare meno del proprio fabbisogno. Pertanto, è fondamentale identificare le scrofe con un basso consumo giornaliero e totale di mangime durante l'allattamento, poiché queste produrranno circa 0,6 suinetti in meno per ciclo.
Inoltre, è necessario rivedere il consumo e la qualità dell'acqua, la gestione dell'alimentazione e la progettazione della dieta. L'assunzione totale settimanale di mangime durante ogni settimana di lattazione può fornire un quadro molto accurato delle scrofe nelle diverse fasi del loro ciclo riproduttivo, aiutandoci a comprenderne meglio la produttività. Esiste un'elevata correlazione con il peso della figliata allo svezzamento, con la seconda settimana come la più significativa (R² = 0,144 rispetto a 0,074 e 0,008 rispettivamente nella prima e nell'ultima settimana). Un altro parametro da considerare è l'indice di conversione alimentare (ICA-FCR) delle scrofe in gestazione e in lattazione per suinetto svezzato (media di 37,3 kg - 82,2 libbre nel loro studio, con un intervallo di 62-101). Nei loro 36 allevamenti, l'assunzione giornaliera media di lisina digeribile era di 76,7 g/giorno, indicando che oltre il 37% delle scrofe aveva un'assunzione eccessiva. Un basso apporto era concentrato tra le scrofe più giovani, che si stima consumassero circa il 20% in meno.
Managing large litters: Practical strategies for split-suckling and teat optimization. A. Jenkins. Kansas State University y Tosh Farms
Negli ultimi vent'anni, le dimensioni delle figliate di scrofe sono aumentate (+4 suinetti nati vivi), mentre l'assunzione di colostro per suinetto è diminuita, con conseguente aumento della mortalità tra i suinetti lattanti che ne consumano meno di 200 grammi. Il colostro contiene fattori bioattivi che promuovono la maturazione dell'apparato digerente. Sappiamo che le future scrofe da riproduzione che hanno ingerito poco colostro sperimenteranno una pubertà ritardata e tassi riproduttivi inferiori, mentre i verri avranno una qualità seminale inferiore.
La pratica di pareggiare e trasferire i suinetti viene utilizzata in numerosi modi per cercare di ottenere un'adeguata assunzione di colostro, producendo risultati molto variabili nella pratica, in particolare il basso tasso di sopravvivenza dei suinetti più piccoli. Questa pratica influisce anche sulla crescita giornaliera dei suinetti lattanti, con una crescita migliore in quelli che non vengono spostati rispetto a quelli che vengono spostati rispettivamente dopo 24 ore e dopo il terzo giorno.
Non sono state osservate differenze significative nella relazione tra mortalità e peso allo svezzamento (peso alla nascita 1,36 kg e peso allo svezzamento 5,51 kg). Prima del parto e durante l'allattamento, dobbiamo monitorare il consumo di acqua e mangime, assicurarci che le scrofe si alzino almeno due volte al giorno, utilizzare agenti asciuganti per i suinetti, monitorare la mastite e la temperatura delle scrofe nelle prime 24 ore e assistere i suinetti nell'assunzione di colostro e latte.
Prima del parto, dobbiamo testare il numero di capezzoli funzionali per determinare il numero massimo di suinetti che ogni scrofa dovrebbe avere. Altrettanto importante è considerare la trasmissione di malattie durante l'allattamento. Hanno scoperto che le scrofe con più capezzoli per suinetto presentano una maggiore mortalità durante l'allattamento e un peso inferiore dei suinetti allo svezzamento. Concludono che un maggiore movimento è associato a una maggiore mortalità durante l'allattamento e a un peso inferiore allo svezzamento.
È auspicabile spostare i suinetti da scrofe con buone condizioni corporee, una buona storia di produzione nei primi tre parti e un elevato numero di capezzoli funzionali per evitare la competizione tra suinetti piccoli (questi dovrebbero essere identificati entro i primi 3-6 giorni di vita per individuare le scrofe migliori candidate come madri balie-adottive). Un ulteriore parametro da considerare è il tasso di mortalità in lattazione di ciascuna scrofa ricevente.
Programming for performance: Sow feeding systems and early-life nutrition. LJ. Johnston. University of Minnesota
L'imprinting fetale è definito come lo stato fisiologico risultante da stimoli precoci e comporta alterazioni che influenzeranno l'animale per tutta la sua vita. Tra gli effetti negativi figura il ritardo dello sviluppo uterino, ma è possibile modulare anche gli effetti positivi durante la gestazione nelle scrofe con determinati nutrienti. Il basso peso alla nascita negli esseri umani, dovuto a una cattiva alimentazione materna durante la gestazione, può portare a problemi come diabete, ipertensione, livelli elevati di colesterolo e un aumento del rischio di eventi cardiovascolari.
La sopravvivenza dei suinetti alla nascita è direttamente correlata al basso peso alla nascita, che porta anche a un minore incremento medio giornaliero durante le successive fasi di crescita, a una riduzione della massa muscolare (meno fibre muscolari) e a parametri riproduttivi compromessi. La selezione genetica per aumentare il peso alla nascita è essenziale. Le misure nutrizionali per migliorare il peso alla nascita si concentrano sull'aumento del rapporto metionina/lisina (una riduzione del 30% della percentuale di suinetti con basso peso alla nascita) e sull'aumento dei livelli di arginina all'inizio della gestazione (0,8-1%), sebbene questi abbiano prodotto risultati contrastanti a livello commerciale.
L'integrazione con HMB (idrossimetilbutirrato di calcio) durante la gestazione influenza il peso alla nascita e la mortalità durante l'allattamento, sebbene la sua disponibilità e il rapporto costo-efficacia siano discutibili. È stato dimostrato che l'integrazione di zinco (da 125 a 595 ppm) nelle scrofe gravide riduce la percentuale di suinetti con basso peso alla nascita, nonché la mortalità durante l'allattamento sia per i suinetti con basso peso che per quelli con peso alla nascita elevato. Il dibattito si concentra sull'uso legale di questi livelli di zinco nei diversi paesi. Un altro studio, utilizzando livelli di zinco di 206 ppm rispetto a 353 ppm durante la gestazione o 4.285 ppm a partire da 10 giorni prima del parto, ha riscontrato una riduzione della percentuale di suinetti di peso inferiore a 1 kg, senza differenze nella percentuale di suinetti più pesanti.
Hanno anche osservato una riduzione del numero di suinetti nati morti, senza variazioni nel numero di suinetti mummificati. La base tecnica di questo risultato è che l'integrazione aumenta il peso della placenta e, di conseguenza, quello dei suinetti. L'alimentazione di precisione nelle scrofe gravide è estremamente utile per adattare le esigenze individuali di ciascuna scrofa al fine di ottimizzare lo sviluppo intrauterino di embrioni e feti.
Digital transformation in pork production: From manual systems to smart data. D. Rosero, Iowa State University
Si tratta di un confronto con le app che registrano i parametri dei maratoneti e le loro prestazioni durante la gara. Gli allevamenti intelligenti (Smart) applicano numerose tecnologie di intelligenza artificiale per contare gli animali, valutarne il peso e il comportamento e individuare animali problematici utilizzando tecniche visive. Anche l'uso di queste tecniche per determinare l'assunzione precoce di mangime e la sopravvivenza dei suinetti sta acquisendo importanza.
Al centro di tutto ciò c'è la trasformazione digitale basata sulla raccolta, l'elaborazione, l'analisi di esperti e l'attivazione dei dati nel processo decisionale. La valutazione di queste tecnologie e dei loro risultati finanziari deve essere studiata prima dell'implementazione. L'efficienza e la sensibilità delle diverse tecnologie mostrano risultati con deviazioni significative, come nel caso dei sistemi di stima del peso degli animali che utilizzano telecamere visive. Anche l'uso di telecamere intelligenti per la diagnosi precoce delle malattie ha registrato un miglioramento della sensibilità. È allo studio l'applicazione di sensori nei silos per il mangime per determinare la quantità di mangime, con un numero di sensori (4-5) considerato a tale scopo. Allo stesso tempo, il sistema rileverà potenziali contaminazioni (BinSentry), consentendo una migliore gestione del trasporto e una maggiore efficienza alimentare. Tutti questi sistemi mirano ad aumentare la capacità degli allevatori di controllare tutti i processi produttivi.
L'utilizzo dell'IA ci consente di sviluppare sperimentazioni che tengono conto di tutte le variabili che possono influenzare i risultati finali, specificando tutti i punti di controllo. Tra gli esempi figurano la valutazione della qualità dei suinetti allo svezzamento, il rischio di disturbi digestivi da Escherichia coli allo svezzamento e la diagnosi precoce di problemi infettivi fino a cinque giorni prima.
Beyond P-values: embracing the complexity of inference in animal science research. M. Schwartz. University of Minnesota y Schewartz Farms
Dobbiamo rimanere curiosi riguardo ai parametri della popolazione, anche se un censimento non è del tutto affidabile a causa della sua variabilità, dispersione e diversità. Pertanto, preleviamo campioni e analizziamo i dati statistici per capire come questi parametri influenzano la popolazione nel suo complesso.
Il valore P è utile in numerosi trattamenti statistici, rappresentando la probabilità di ottenere valori di test estremi o più estremi di quelli osservati se l'ipotesi nulla è vera (Diez, 2015). Il test T calcola medie e varianze delle medie dei campioni, dove potremmo avere differenze significative tra i campioni. Il test statistico di RA Fisher, con valori p <0,05, può portare a dubbi sulle medie ed errori di interpretazione.
Ricordiamo che il valore P è valido finché si assume che l'ipotesi iniziale sia vera e coerente con i risultati osservati. Tuttavia, non identifica l'entità dell'effetto. Sia la dimensione del campione che la varianza possono creare conflitti durante l'analisi di questo valore, che può rimanere invariato anche con ipotesi diverse. L'intervallo di confidenza può variare a seconda dell'intervallo di dati e della dimensione del campione. Pertanto, negli studi con analisi statistica, dobbiamo considerare la randomizzazione, la dimensione del campione (che ha un peso significativo) e le variabili confondenti che potrebbero influenzare i risultati finali.
Assumptions vs adaptation: The evolution of data analyses in animal agriculture. C. Ramírez Camba. University of Minnesota
Molte analisi dei dati in ambito scientifico si basano su modelli matematici in cui si presume che nulla possa alterare i dati e che un'elevata precisione non sia del tutto possibile né necessaria ("incrociamo le dita"). Dal 1900 a oggi, l'analisi dei dati si è evoluta, con la sua prima rivoluzione guidata dalla tecnologia informatica.
La statistica moderna è emersa tra il 1910 e il 1930, passando dalla descrizione all'interpretazione. Questo periodo ha visto l'uso del test T e dell'ANOVA, che presupponevano normalità, omogeneità delle variabili, continuità delle variabili dipendenti e casualità dei campioni.
Tra il 1930 e il 1950, sono comparsi metodi statistici non parametrici come il test di Wilcoxon che venivano valutati utilizzando curve gaussiane, che potevano produrre falsi positivi e falsi negativi. Tra il 1950 e il 1980, si è affermato il calcolo iterativo, che è diventato ampiamente utilizzato in agricoltura e ha consentito l'ottimizzazione dei processi. La regressione logistica è inclusa in questo periodo, consentendo metodi di classificazione come la misurazione del peso degli animali. In questo periodo è emerso anche il metodo metrico basato sul P-value (noto come statistica carta e matita).
Il periodo dal 1980 al 2010 è quello del Machine Learning, che impiega vari metodi come gli alberi di classificazione e di regressione, che non richiedono la definizione di un modello lineare o quadratico. Al contrario, analizzano i dati automaticamente, cercando di ottimizzare il processo.
Il periodo più recente, dal 2010 al 2025, è quello del Deep Learning e dell'intelligenza artificiale generativa.
Closing the loop: Integrating carcass metrics with on-farm decision-making. P. Ter Linde, Lee-O
L'obiettivo è aumentare la disponibilità di dati individuali di macellazione per la produzione di suini di alto valore lungo tutta la filiera. Il processo di raccolta dati è assolutamente essenziale; deve essere visivo e fungere da guida durante la raccolta accurata di ogni singolo dato. Il principio di base è che solo ogni singolo animale dice la verità e fornisce le informazioni necessarie per la successiva visualizzazione all'interno del sistema.
I parametri economici presentano spesso variazioni considerevoli, influenzate da fattori sia esterni che interni, non sempre gestibili. Ad esempio, la relazione età-peso introduce un nuovo KPI, come la crescita in vita (lifegrowth), che ci consente di valutare il profitto per chilogrammo di peso della carcassa. Lavorare con un gran numero di dati individuali ci consente di prendere decisioni esecutive più efficienti, ottimizzare i valori genetici, ottimizzare i parametri riproduttivi nelle scrofe, identificare precocemente i parametri non vitali e standardizzare i pesi di macellazione dei suini. Il sistema aiuta gli operatori d'allevamento a prendere le decisioni migliori, garantisce la tracciabilità individuale, collega le lesioni al macello alle malattie infettive, offre un inventario degli animali in tempo reale e il monitoraggio della posizione, garantisce il rispetto dei periodi di sospensione, garantisce il benessere degli animali durante il trasporto, facilita la comunicazione nella logistica e nella pianificazione dei carichi nei macelli e calcola l'impronta di carbonio. La tracciabilità individuale collega più rapidamente le pratiche in allevamento ai parametri di produzione, consentendo miglioramenti più precisi.
Turning data into decisions: Opportunities and challenges of AI application in swine Farming. I. Condota. University of Illinois Urbana-Champaign
La popolazione mondiale continua a crescere, così come il numero di persone di cui abbiamo bisogno negli allevamenti, con allevamenti in aumento di dimensioni e ore di lavoro per chilogrammo prodotto in diminuzione. Per aumentare l'efficienza, dobbiamo preservare la salute e il benessere degli animali, migliorare l'impatto ambientale e formare il personale.
Gestire i singoli animali in modo continuo, automatico e in tempo reale è fondamentale per i nostri obiettivi, il che richiede la capacità di controllare l'intero processo. La chiave è monitorare gli animali in modo non invasivo, integrando l'osservazione del personale con l'uso di telecamere e sensori.
La combinazione di intelligenza artificiale e apprendimento automatico è essenziale. I modelli di programmazione tradizionali prevedono i risultati sulla base di una serie di dati e modelli predefiniti. L'apprendimento automatico simula i dati e fa previsioni, previsioni che vengono continuamente perfezionate, mentre il sistema apprende.
Le applicazioni di visione artificiale si basano sulla classificazione, oggettivazione, segmentazione e categorizzazione delle immagini. A questo punto, è fondamentale analizzare la matrice di confusione, ovvero i falsi positivi e i falsi negativi delle immagini. Un esempio è l'analisi delle posture delle scrofe in gabbia (movimenti, posizione eretta/sdraiata) per determinare l'estro; un altro è l'analisi delle posture durante il parto per valutare le capacità materne; l'analisi delle condizioni corporee nelle scrofe e nei suini da ingrasso; e numerose altre applicazioni.
È fondamentale disporre di un gran numero di immagini che dobbiamo essere in grado di classificare e interpretare accuratamente, tenendo presente che il comportamento individuale degli animali è un fattore che può generare confusione. Come parametri di sensibilità, è necessario ottenere correlazioni tra i modelli e le variabili in essi incluse per analizzare comportamenti che possono essere influenzati da numerose variabili.
Artificial intelligence in swine management and breeding: Opportunities and applications. G. Rosa. University of Wisconsin-Madison
L'intelligenza artificiale è progettata per apprendere dai dati, adattarsi a nuovi valori e prendere decisioni e fare previsioni. Esistono tre tipi di intelligenza artificiale: ristretta (debole), generale (forte) (narrow – weak, general – strong) e superintelligenza. Alcuni esempi nel nostro lavoro quotidiano includono gli allevamenti di precisione. L'intelligenza artificiale crea algoritmi che riconoscono modelli, fanno previsioni e migliorano nel tempo. Sono incluse le tecnologie dei sensori (microfoni, telecamere, video, termografia, sensori di gas). Le loro applicazioni sono numerose, come la diagnosi precoce delle malattie, il monitoraggio del benessere, l'alimentazione di precisione, il controllo ambientale e il monitoraggio della crescita.
Alcune limitazioni includono i costi, l'investimento iniziale e la manutenzione, l'analisi dei dati da parte di specialisti, la calibrazione e la creazione di modelli robusti, la gestione di dati specifici e riservati e la formazione del personale per il processo decisionale. L'uso di sistemi di intelligenza artificiale nel trasporto degli animali verso i macelli per analizzare accuratamente la logistica, le forniture e i tassi di mortalità sta acquisendo rilevanza grazie alle loro capacità predittive basate su fattori come la temperatura, le condizioni ambientali generali e le distanze. Un altro esempio è il sistema di dati per gli spostamenti degli animali tra diversi allevamenti in vari stati, progettato per ottimizzare le condizioni e ridurre i rischi per la salute. Adattare questi sistemi alle condizioni reali degli allevamenti è la sfida per la loro futura implementazione.
Transforming swine health management via machine learning: PRRS monitoring applications. N. Pamornchainavakul. University of Minnesota
L'apprendimento automatico (machine learning) può aiutarci a differenziare gli animali in base ad aspetti morfologici analizzati da algoritmi, prevedendone l'identificazione attraverso strumenti di apprendimento. Per quanto riguarda la PRRVS, questa tecnologia può permetterci di prevedere le diverse varianti del virus e la loro evoluzione nel tempo, consentendo anche lo sviluppo di vaccini vivi adattati a questa proiezione. Logicamente, ciò richiede l'immissione di una grande quantità di dati nel sistema, nonché l'addestramento dello stesso a elaborarli. Pertanto, per ora, sarà utile solo per gli Stati Uniti e il Canada, poiché il dipartimento di diagnostica dell'Università del Michigan dispone di dati su oltre 17.000 ceppi distribuiti in un gran numero di stati e cluster, che rappresentano circa il 65% della popolazione suina americana.
Antonio Palomo Yagüe
