Analisi del passo canino con sensori inerziali e deep learning per disturbi ortopedici e neurologici

Perché il modo di camminare del tuo cane è importante

Molti proprietari notano quando il loro animale comincia a zoppicare o a muoversi in modo strano, ma anche i veterinari esperti possono avere difficoltà a stabilire se il problema dipenda da articolazioni doloranti o dal sistema nervoso. Questo studio esplora un nuovo modo di interpretare l’andatura del cane usando minuscoli sensori di movimento e l’intelligenza artificiale moderna, con l’obiettivo di ottenere diagnosi più precoci e accurate che migliorino il trattamento e la qualità della vita.

Piccoli sensori, quadro completo

I ricercatori hanno dotato i cani di sensori di movimento delle dimensioni di una moneta, simili a quelli presenti in smartphone e fitness tracker. Questi dispositivi contengono accelerometri e giroscopi che catturano come si muove il corpo del cane in tre dimensioni mentre cammina o trotta. A differenza delle ingombranti apparecchiature di laboratorio come le pedane di forza o i sistemi con videocamere, questi sensori sono economici, portatili e abbastanza confortevoli da permettere al cane di muoversi in modo naturale. Per questo risultano strumenti promettenti per l’uso quotidiano nelle cliniche veterinarie o anche per il monitoraggio a casa.

Come è stato progettato lo studio

Il team ha lavorato con 29 cani: 17 animali sani, sei con problemi ortopedici come arti doloranti e sei con condizioni neurologiche che compromettono la coordinazione. Ogni cane ha percorso avanti e indietro una breve pista al coperto, talvolta a passo tranquillo e talvolta a trotto più veloce, indossando fino a tre sensori sulla testa, sul collo (tramite il collare) e nella regione della coda. Questa configurazione ha catturato circa tre ore di dati di movimento dettagliati. Gli scienziati hanno poi suddiviso le registrazioni in brevi frammenti in modo da poter esaminare i pattern presenti in ciascun segmento di movimento.

Insegnare a un computer a leggere l’andatura del cane

Invece di progettare manualmente misure come la lunghezza del passo o l’altezza del dorso, i ricercatori hanno utilizzato un metodo di deep learning che permette al computer di scoprire pattern direttamente dai segnali grezzi dei sensori. Il loro modello, noto come rete neurale convoluzionale, riceve sei flussi di dati (tre direzioni di accelerazione e tre di rotazione) e li fa passare attraverso diversi strati che estraggono automaticamente caratteristiche informative. Alla fine, il sistema assegna ogni frammento di movimento a una delle tre categorie: sano, ortopedico o neurologico. La stessa rete può anche essere impiegata in compiti più semplici, per esempio decidere soltanto se un cane è sano o meno.

Trovare la configurazione di sensori migliore

Un obiettivo chiave era la praticità: quanti sensori e quale tipo di andatura sono necessari per ottenere risposte affidabili. Confrontando molte combinazioni, lo studio ha rilevato che un singolo sensore sul collo spesso si comporta tanto bene quanto l’uso di più sensori, soprattutto durante il trotto. Quando il computer è stato testato su frammenti estratti dallo stesso gruppo di cani già visti, ha etichettato correttamente andature sane, ortopediche e neurologiche circa il 96% delle volte. Messo alla prova con cani completamente nuovi, l’accuratezza è diminuita — come prevedibile — ma è rimasta promettente: circa l’85% per separare sani da non sani e l’80% per distinguere le tre categorie quando si usano configurazioni scelte con cura.

Cosa significa questo per i cani e i loro veterinari

Dal punto di vista di un non esperto, questo lavoro dimostra che registrare semplicemente come si muove un cane con un piccolo sensore al collare può fornire a un computer informazioni sufficienti per stabilire se il cane è probabilmente sano, se ha un problema a un’articolazione o a un osso, o se ha un problema di natura nervosa. Il sistema non è pensato per sostituire il veterinario, ma potrebbe fungere da supporto oggettivo che segnala problemi sottili in anticipo, supporta secondi pareri e riduce la necessità di esami costosi o invasivi. Con dataset più ampi e vari, lo stesso approccio potrebbe evolvere in uno strumento di screening di routine — aiutando veterinari e proprietari a individuare prima i problemi di andatura e a adattare il trattamento alla specifica condizione del singolo cane.

Citazione: Palez, N., Straß, L., Meller, S. et al. Canine gait analysis using inertial sensors and deep learning for orthopedic and neurological disorders. Sci Rep 16, 13966 (2026). https://doi.org/10.1038/s41598-026-40717-x

Parole chiave: andatura canina, sensori indossabili, deep learning, zoppia nel cane, diagnostica veterinaria