La lotta contro l’influenza aviaria ad alta patogenicità (HPAI) in Europa si arricchisce di un potente alleato: l’intelligenza artificiale. Secondo uno studio pubblicato su Scientific Reports, alcuni fattori ambientali locali — tra cui la temperatura minima autunnale, il livello delle acque in laghi e stagni durante l’inverno e la presenza di cigni reali (Cygnus olor) — potrebbero essere decisivi per prevedere nuovi focolai. L’HPAI rappresenta una minaccia crescente per la salute animale, l’economia agricola e la salute pubblica. L’ondata di focolai del 2022-2023 nel Nord emisfero ha coinciso con un aumento di infezioni da virus dell’influenza aviaria nei mammiferi, compresi casi sporadici nell’uomo. Questa situazione amplifica il rischio di eventi di spillover che potrebbero scatenare nuove pandemie.
Nonostante anni di sorveglianza, i fattori che determinano l’insorgenza dei focolai restavano in gran parte oscuri. Per questo, un team internazionale guidato da Joacim Rocklöv ha sviluppato un modello di apprendimento automatico per identificare e quantificare i principali determinanti ecologici e climatici dell’HPAI in Europa.
Il modello predittivo: come funziona
Lo studio ha analizzato i dati di tutti i focolai HPAI riportati in Europa tra il 2006 e il 2021, utilizzando come variabili predittive:
- Condizioni climatiche stagionali (temperatura, precipitazioni)
- Densità di vegetazione e livello delle acque
- Popolazioni locali di uccelli selvatici e densità di pollame allevato.
L’algoritmo scelto, XGBoost, è stato allenato sui dati storici e validato su quelli relativi ai focolai del 2022 e 2023, mostrando una sorprendente accuratezza predittiva del 94% e dell’88% su set di dati esterni.
Cigni reali e temperature fredde: i segnali d’allarme
I risultati principali evidenziano come la temperatura minima in autunno sia il fattore più influente, anche se con effetti variabili: in alcune aree temperature più miti aumentano il rischio, in altre lo riducono. Anche le basse temperature invernali e primaverili contribuiscono a creare condizioni favorevoli al virus, favorendone la sopravvivenza nell’ambiente.
La presenza locale del cigno reale (Cygnus olor) emerge come indicatore chiave. Questa specie di grandi dimensioni, facilmente osservabile nei laghi e stagni europei, è associata a un aumento del rischio di HPAI. I modelli hanno mostrato che riduzioni del livello dell’acqua (tra gennaio e marzo) e della vegetazione (tra ottobre e dicembre) si correlano invece a una diminuzione dei focolai.
Implicazioni per la sorveglianza e la salute pubblica
Lo studio suggerisce che questi risultati potrebbero rivoluzionare i programmi di sorveglianza dell’HPAI in Europa, consentendo un monitoraggio più mirato ed efficace. Mappe predittive aggiornate in tempo reale, basate su dati climatici e ambientali, potrebbero guidare interventi preventivi come:
- Vaccinazioni mirate nei pollai ad alta densità
- Restrizioni temporanee al movimento di animali
- Intensificazione della sorveglianza nelle zone umide frequentate da uccelli migratori.
Il modello ha anche il potenziale per identificare rapidamente nuove aree a rischio in scenari di cambiamento climatico, quando le condizioni ambientali e le rotte migratorie degli uccelli si modificano.
Sfide e prospettive future
Nonostante l’elevata precisione, lo studio riconosce alcuni limiti. Il modello non distingue tra diversi sistemi di sorveglianza nei Paesi europei né considera la variazione dei ceppi virali. Inoltre, la mancanza di dati dettagliati sulle popolazioni di uccelli selvatici rappresenta un ostacolo alla modellizzazione completa.
Il team suggerisce l’integrazione di questi modelli predittivi in un approccio “One Health”, che combina dati su salute animale, umana e ambientale per potenziare la preparazione pandemica.