Negli ultimi anni, l’evoluzione tecnologica e l’emergere dell’Internet of Everything (IoE) hanno dato vita a cambiamenti epocali in numerosi settori, tra cui quello della Medicina Veterinaria. Di tutto questo si è parlato in due interessanti meeting online organizzati da FNOVI, affidati a Claudio Gallottini, medico veterinario e PhD, pioniere in questo settore. Nel primo di questi incontri Gallottini ha approfondito l’impatto dell’intelligenza artificiale (AI) in ambito veterinario, con uno sguardo rivolto al futuro.
Tecnologie innovative
Gallottini ha iniziato nei primi anni 2000 a interessarsi alle nuove tecnologie in ambito di realtà virtuale e comunicazione.
Nel 2019, ha organizzato il primo progetto pilota, realizzato grazie a Google glass, introducendo strumenti di controllo da remoto nella sicurezza alimentare, per consentire verifiche precise ed efficienti senza la presenza fisica degli ispettori sul luogo.
Nel 2021, il secondo progetto pilota, in collaborazione con Microsoft, ha portato a ulteriori innovazioni nella sicurezza alimentare, grazie all’utilizzo della realtà aumentata per le ispezioni a distanza, un progresso significativo nel contesto delle limitazioni imposte dalla pandemia.
Nel 2023, durante l’IAFP (International Association for Food Protection), l’attenzione si è spostata sull’uso professionale degli smart glasses nelle stalle: questi dispositivi possono essere utilizzati per monitorare in tempo reale il benessere degli animali e la prevenzione delle malattie, facilitando inoltre la comunicazione tra veterinari ed esperti a distanza. Sembrano passati secoli, ma solo pochi decenni ci separano da un’epoca in cui tutti gli incontri potevano svolgersi solo in presenza fisica!
L’AI e il Metaverso hanno rappresentato una svolta cruciale nella conferenza di Dubai del 2024, illustrando un approccio personalizzato alle ispezioni sanitarie che unisce realtà aumentata, AI e ambienti virtuali, per migliorare ulteriormente sicurezza e igiene alimentare.
Nel 2025, a Madrid, si sono affrontati argomenti chiave quali le procedure di biosicurezza per prevenire la diffusione dell’influenza aviaria negli allevamenti di pollame e l’impiego delle tecnologie IoT nelle ispezioni veterinarie durante le crisi sanitarie, sottolineando come la tecnologia possa essere fondamentale in situazioni di emergenza.
In Italia, il progetto Vet Alliance, che coinvolge dodici Regioni e una Provincia autonoma, ha formato veterinari ufficiali su normative e procedure per l’esportazione verso gli USA, riflettendo l’importanza strategica e l’internazionalizzazione della medicina veterinaria grazie anche al supporto dell’AI.
Intelligenza artificiale: cos’è?
Ma partiamo dall’inizio: cos’è, esattamente, l’intelligenza artificiale? Secondo Gallottini, l’AI è un campo della scienza informatica che mira a creare sistemi capaci di apprendere, ragionare, pianificare, interpretare il linguaggio umano, riconoscere immagini e interagire con l’ambiente circostante. Grazie a sofisticati algoritmi e modelli matematici, le intelligenze artificiali analizzano enormi quantità di dati (i cosiddetti “big data”). Grazie a questa elaborazione, l’AI è in grado di riconoscere schemi ricorrenti e correlazioni significative, di predire eventi futuri con una buona accuratezza e di svolgere autonomamente o semi- autonomamente numerosi compiti.
Tuttavia, un concetto fondamentale da comprendere è che l’AI non può e non deve essere considerata uno strumento isolato. Il suo potenziale si esprime al meglio quando viene integrata e utilizzata insieme a una molteplicità di altri strumenti. I software gestionali per i clienti, i programmi per la refertazione clinica o per la fatturazione, e persino le piattaforme per la pubblicazione di news e aggiornamenti come WordPress, possono oggi beneficiare notevolmente dell’integrazione con sistemi AI. Questo nuovo approccio prende il nome di “AI First”, indicando come l’intelligenza artificiale diventi un vero e proprio acceleratore di prestazioni.
Siamo entrati in una nuova era: l’era dell’intelligenza artificiale. In questa era diventa fondamentale individuare chiaramente quali parti del proprio lavoro possono essere integrate e potenziate con l’intelligenza artificiale, al fine di ottenere miglioramenti concreti nelle proprie performance.
Un altro aspetto cruciale da tener presente è l’addestramento continuo delle piattaforme AI attraverso il feedback degli utilizzatori. L’AI apprende infatti anche dalle risposte degli utenti, evidenziando eventuali errori o imprecisioni. Questo processo di apprendimento continuo rende possibile settare risposte sempre più accurate e calibrate su specifici profili professionali, esperienze e aspettative individuali.
Per interagire efficacemente con l’intelligenza artificiale, è fondamentale utilizzare domande di qualità, definite “prompt”. Un buon prompt permette di ottenere risposte più accurate ed efficienti dalla macchina, evitando la logica del “garbage in, garbage out” (letteralmente “spazzatura in entrata, spazzatura in uscita”), ovvero l’importanza fondamentale della qualità delle informazioni inserite nel sistema. In questo contesto, è cruciale comprendere anche alcuni termini chiave:
- AI (Artificial Intelligence). Tecnologia che permette a una macchina di simulare capacità cognitive umane.
- Machine Learning (ML). Sottocategoria di AI che consente alle macchine di apprendere dai dati senza una programmazione esplicita.
- Deep Learning (DL). Specializzazione del ML basata su reti neurali artificiali per analizzare dati complessi, come immagini o testo.
Le AI si distinguono generalmente in:
- Narrow AI: sistemi che svolgono compiti specifici (es. riconoscimento delle immagini);
- General AI: sistemi capaci di svolgere qualsiasi compito umano adattandosi a vari contesti;
- Super AI (ASI): sistemi teorici di intelligenza superiore a quella umana.
Sul mercato sono oggi disponibili diversi modelli di intelligenza artificiale, che possono essere classificati principalmente in due categorie: generalistici e verticali. Tra i modelli generalistici più famosi e diffusi troviamo, ad esempio, Open AI, originariamente fondata come azienda no profit da figure di spicco come Sam Altman ed Elon Musk e oggi leader del settore con prodotti come ChatGPT; Google, che permette di integrare l’intelligenza artificiale con le sue piattaforme quotidiane come Gmail, YouTube e Meet; Anthropic, orientata principalmente al business e fondata da imprenditori italiani.
Oltre a questi, ci sono altri importanti protagonisti nel panorama mondiale dell’intelligenza artificiale: X-Grok, fondata da Elon Musk e orientata alla ricerca avanzata di dati aggiornati; DeepSeek, di origine cinese e forte competitor diretto di ChatGPT; i modelli gratuiti offerti da Meta, fondata da Mark Zuckerberg; infine, Perplexity, che inizialmente si è affermata come motore di ricerca per poi evolvere in una piattaforma AI.
Parallelamente esistono le AI Verticali, specificamente progettate per precise funzioni o attività. Oggi esistono directory come “There is an AI for that”, che conta oltre 28.000 strumenti di intelligenza artificiale suddivisi per settore, oppure “Supertools di Rundowndot.AI”, dedicata a settori come viaggi, formazione e finanza. È possibile consultare persino siti web come GitHub.com, che offrono liste dettagliate e aggiornate degli strumenti AI disponibili.
Intelligenza artificiale in Veterinaria: cosa c’è oggi?
Ma come siamo messi, nel nostro settore? Gli scenari attuali dell’applicazione dell’intelligenza artificiale nellaMedicina Veterinaria sono già importanti in diversi ambiti:
- diagnostica per immagini e citologia digitale, dove l’intelligenza artificiale migliorerà rapidità e precisione delle diagnosi;
- sistemi di supporto decisionale clinico (CDSS) sempre più integrati nei software gestionali veterinari, con dati anamnestici, sintomatologici e ambientali;
- sorveglianza epidemiologica, con l’intelligenza artificiale come standard per prevedere focolai zoonotici;
- personalizzazione della nutrizione e delle terapie, grazie a sistemi AI che sfruttano dati individuali e ambientali raccolti attraverso wearable e sensori;
- telemedicina veterinaria avanzata, con monitoraggio remoto continuo e interventi preventivi basati su modelli predittivi;
- automazione dei processi zootecnici e di biosicurezza, attraverso l’utilizzo di sistemi autonomi e robotici che gestiranno monitoraggio comportamentale, diagnostica precoce e trattamento automatizzato;
- tracciabilità e certificazione del benessere animale, grazie a sistemi AI, con impatto positivo sulla reputazione e competitività a livello internazionale.
Nell’ambito delle diverse branche dell’attività veterinaria, oggi esistono strumenti basati sull’intelligenza artificiale estremamente innovativi. Ne abbiamo riassunti alcuni.
A questi possiamo aggiungere anche due strumenti per la sorveglianza zoonosi e One Health quali EpiWATCH (sistema AI che integra dati veterinari, sanitari e ambientali per monitorare malattie zoonotiche come influenza aviaria e peste suina africana) e Metabiota: piattaforma predittiva pandemica utilizzata da enti governativi e multinazionali agroalimentari per monitorare e anticipare possibili emergenze sanitarie. Queste soluzioni innovative mostrano come l’intelligenza artificiale stia trasformando radicalmente il settore della Medicina Veterinaria, consentendo analisi più rapide, precise e preventive, capaci di migliorare significativamente la salute e il benessere animale, nonché la sicurezza alimentare globale.
Fulcro di questi cambiamenti sono anche i centri di eccellenza accademici come l’Università di Cornell, che rappresentano modelli di integrazione tra veterinaria e tecnologie AI, con risorse dedicate.
Prospettive per la professione veterinaria
La crescente domanda di servizi veterinari, unitamente alla scarsità di professionisti, impone un ripensamento dei modelli operativi tradizionali. L’intelligenza artificiale può facilitare un equilibrio sostenibile tra vita professionale e personale, aiutando le strutture veterinarie a far fronte a queste sfide.
Una delle innovazioni più significative è rappresentata dall’integrazione dell’AI nella documentazione medica veterinaria attraverso le schede SOAP (Subjective, Objective, Assessment, Plan). Questo approccio migliora notevolmente la comunicazione veterinario-proprietario, semplificando lo scambio di informazioni e migliorando l’efficienza dei processi di cura.
Secondo Forbes, i proprietari di animali domestici sono tra i primi utilizzatori di tecnologie basate sull’AI per la salute animale, e spesso ricorrono già a strumenti online (il cosiddetto “Dr. Google”) per ottenere diagnosi preliminari. L’arrivo di nuove piattaforme come “AgentGPT” e “VetGPT” evidenzia l’esigenza crescente da parte dei proprietari di integrare valutazioni basate sull’intelligenza artificiale con il giudizio professionale del veterinario, suggerendo un futuro in cui l’AI diventerà sempre più un elemento di confronto diretto nella relazione veterinario-proprietario.
Nel settore degli animali da reddito, l’AI offre opportunità per ottimizzare i fabbisogni alimentari personalizzati degli animali, ridurre l’uso di antibiotici grazie a monitoraggi precoci e analizzare in modo predittivo le performance produttive degli allevamenti.
L’AI generativa permette la creazione di contenuti formativi personalizzati, adatti al livello di esperienza dei veterinari. Inoltre, simulazioni avanzate (ad esempio chirurgiche con modelli 3D animati dall’AI) offrono nuove possibilità nella formazione preclinica.
Intelligenza artificiale ed etica: un problema complesso da gestire
L’adozione dell’AI in Medicina Veterinaria pone però questioni importanti riguardo all’etica e alla privacy, soprattutto in relazione al funzionamento “black-box” dei modelli AI. Questo termine indica sistemi il cui processo decisionale non è completamente trasparente o tracciabile, il che potrebbe influire negativamente sulla fiducia tra veterinari e clienti, limitando anche la capacità del veterinario di spiegare chiaramente le opzioni cliniche al proprietario dell’animale. Queste problematiche emergono specialmente quando le conclusioni suggerite dai sistemi AI non coincidono con la valutazione clinica del professionista. In questi casi, il veterinario potrebbe sentirsi sotto pressione nel dover seguire raccomandazioni automatizzate, rischiando di compromettere l’autonomia professionale e la qualità della cura personalizzata.
La privacy e la sicurezza dei dati costituiscono ulteriori preoccupazioni. Restano irrisolte domande sulla proprietà dei dati, sul loro possibile utilizzo improprio, sulle condivisioni non autorizzate o sullo sfruttamento commerciale di informazioni sanitarie sensibili.
Anche la responsabilità legale rappresenta una criticità: qualora un sistema AI generi una diagnosi errata, resta da chiarire se la responsabilità ricada sul veterinario o sullo sviluppatore del sistema. Infatti, tradizionalmente, la responsabilità è legata strettamente al rapporto veterinario-cliente- paziente (VCPR), ma l’introduzione di strumenti AI rende più complessa la definizione delle responsabilità, soprattutto vista la velocità con cui queste tecnologie evolvono, rendendo difficili aggiornamenti puntuali e completi delle normative.
L’AI Act è la prima normativa organica a livello mondiale sull’Intelligenza Artificiale, adottata dall’Unione Europea per regolare lo sviluppo, la commercializzazione e l’uso dei sistemi AI (vedere riquadro 2).
AI Act
Obiettivi principali
- Promuovere l’innovazione
- Proteggere i diritti fondamentali, sicurezza e privacy
- Impedire usi pericolosi o discriminatori dell’AI
- Favorire trasparenza e responsabilità
Classificazione dei sistemi AI
Sono previste quattro categorie di rischio:
- rischio minimo o nullo: nessun obbligo specifico;
- rischio limitato: obbligo di trasparenza, come notifiche sull’interazione con sistemi AI (es. ChatGPT, deepfake);
- rischio alto: rigorosi obblighi di conformità, tra cui documentazione, tracciabilità e valutazione d’impatto (AI per diagnosi mediche, selezione del personale, gestione infrastrutture critiche);
- rischio inaccettabile: tecnologie vietate (es. social scoring, manipolazione cognitiva, riconoscimento facciale remoto salvo eccezioni).
I sistemi ad alto rischio, inclusi quelli nella sanità veterinaria, sicurezza alimentare e controlli epidemiologici, devono rispettare requisiti rigorosi:
- valutazione e gestione del rischio;
- documentazione tecnica dettagliata;
- registrazione in database europeo;
- trasparenza e informazione agli utenti;
- sorveglianza post-commercializzazione;
- sicurezza e resilienza informatica.
Intelligenza artificiale: risorsa o minaccia?
Come veterinario e giornalista, da quando ho iniziato a occuparmi di AI, ho notato che i colleghi mostrano, nei suoi confronti, atteggiamenti ben definiti. Una parte ritiene che le applicazioni in Veterinaria siano e saranno sempre poco impattanti; un’altra parte, soprattutto colleghi anziani, percepisce l’AI come una minaccia, più o meno incombente, invece che uno strumento di supporto; infine, una parte di colleghi guarda con interesse a questa novità, che potrebbe facilitare il lavoro in molti aspetti della vita professionale. Una formazione non allineata all’integrazione dell’AI rischia di creare un divario generazionale tra giovani formati all’uso delle nuove tecnologie e professionisti senior, che rifiutano l’innovazione.
L’implementazione dell’AI in Medicina Veterinaria apre numerose opportunità e sfide: permette diagnosi più rapide, accurate e personalizzate, ottimizza la gestione degli allevamenti e contribuisce significativamente alla sorveglianza epidemiologica, con benefici diretti sulla salute pubblica nell’ottica One Health.
È tuttavia essenziale affrontare con attenzione le criticità associate. In primo luogo, l’eccessiva dipendenza dalle tecnologie AI rischia di erodere competenze cliniche fondamentali dei professionisti veterinari. Parallelamente, emergono questioni delicate come la privacy e la sicurezza dei dati sanitari degli animali, con il crescente rischio di attacchi informatici a piattaforme digitali integrate.
In risposta a queste preoccupazioni, il quadro normativo europeo sull’AI (AI Act) costituisce un riferimento essenziale. Classificando i sistemi AI in base al rischio (da nullo a inaccettabile), questa normativa stabilisce criteri rigorosi per assicurare trasparenza, sicurezza e tutela dei diritti fondamentali. Le applicazioni veterinarie e agroalimentari rientrano generalmente tra i sistemi ad “alto rischio”, soggetti a valutazioni d’impatto, obblighi di tracciabilità dei dati e garanzia di robustezza e trasparenza nelle decisioni.
Un’ulteriore evoluzione riguarda la diffusione degli Agenti AI: software avanzati capaci di agire autonomamente per raggiungere obiettivi prefissati, interagendo con l’ambiente e gli utenti in modo dinamico e intelligente. Tra questi, spiccano esempi come AITEM (Artificial Intelligence Technologies Multipurpose), una realtà innovativa italiana specializzata nello sviluppo di soluzioni AI avanzate per il settore medico e veterinario, con prodotti capaci di effettuare diagnosi attraverso l’analisi di indicatori biometrici, recentemente presentati anche al CES di Las Vegas.
In conclusione, l’integrazione dell’AI rappresenta una svolta fondamentale per il futuro della Medicina Veterinaria. Tuttavia, il successo di questa transizione dipenderà dalla capacità dei professionisti di adattarsi proattivamente alle nuove tecnologie, mantenendo però sempre al centro il rapporto umano-animale e la professionalità veterinaria tradizionale.
