I dispositivi indossabili possono classificare l’andatura dei cani? Uno studio su 29 cani

Una sintesi dello studio basata su fonti scientifiche, dedicata ai sensori inerziali, all’apprendimento profondo e alla differenza tra i test condotti su cani già presenti nei dati e quelli su cani mai incontrati dal modello.

Ricerca e prove | Sintesi dello studio | Aggiornato al 1° settembre 2026

La risposta breve

Uno studio del 2026 Scientific Reports ha mostrato che un modello di ricerca poteva classificare tre gruppi in registrazioni dell'andatura realizzate in condizioni controllate: cani sani, cani con disturbi ortopedici e cani con disturbi neurologici. Con una suddivisione casuale dei dati dello studio, la migliore accuratezza nella classificazione a tre classi è stata pari a 0.960. Quando i ricercatori hanno escluso interamente alcuni cani dai dati di addestramento, la migliore accuratezza binaria riportata è stata 0.849, mentre quella multiclass è stata 0.800. Nel compito di distinguere i disturbi ortopedici da quelli neurologici, la migliore accuratezza sui cani mai visti dal modello è stata 0.893.

Questi numeri descrivono un solo modello di ricerca, un gruppo ristretto di cani e specifici protocolli di camminata e trotto. Non convalidano un dispositivo indossabile per consumatori, non consentono di diagnosticare un cane a casa e non dimostrano che un cane possa fare attività fisica in sicurezza solo perché un dispositivo restituisce un'etichetta con elevata sicurezza.

Questa sintesi cerca di rispondere alla domanda: In che modo lo studio ha utilizzato sensori inerziali indossabili e l’apprendimento profondo per classificare l’andatura dei cani, e cosa è cambiato quando il modello ha analizzato un cane mai visto durante l’addestramento?

Cosa ha misurato lo studio

Palez e i suoi colleghi hanno studiato 29 cani presso il Dipartimento di medicina e chirurgia degli animali da compagnia dell'Università di medicina veterinaria di Hannover, in Germania. Il gruppo comprendeva 17 cani sani, 6 cani con disturbi ortopedici e 6 cani con disturbi neurologici. La classificazione clinica dei gruppi si basava su esami generali, ortopedici e neurologici. In alcuni casi neurologici è stata eseguita anche una risonanza magnetica a supporto della valutazione clinica.

Le registrazioni si sono svolte in un'area di test controllata. I cani percorrevano lo stesso tragitto guidati al guinzaglio. Il protocollo comprendeva camminata e trotto. I ricercatori hanno utilizzato unità di misura inerziale Xsens Movella DOT, che registravano i segnali dell'accelerometro e del giroscopio a 120 Hz. I sensori sono stati testati sulla sommità della testa o sulla parte superiore della schiena, sulla parte bassa della schiena vicino alla coda, sul collo o sul collare, nonché in una combinazione di tutte e tre le posizioni.

Il modello riceveva sei canali di segnale: tre dall'accelerometro e tre dal giroscopio. Lo studio ha utilizzato una piccola rete convoluzionale unidimensionale seguita da strati completamente connessi. Considerando tutti i dati del modello, i ricercatori riportano 193 minuti di registrazioni, di cui 154 utilizzati per l'addestramento e 39 per il test.

L'articolo esaminava tre domande di classificazione correlate:

1. Il modello riesce a distinguere i gruppi di cani sani, ortopedici e neurologici?
2. Riesce a distinguere i cani sani dai due gruppi con disturbi diagnosticati considerati insieme?
3. Tra i cani con disturbi diagnosticati, riesce a distinguere il gruppo ortopedico da quello neurologico?

La terza domanda riguarda un'etichetta di ricerca utilizzata in questo articolo. Non si tratta di una diagnosi che il modello possa formulare per un cane mai analizzato prima nel salotto di casa.

Perché è importante come vengono suddivisi i dati di test

L'articolo ha inizialmente utilizzato una suddivisione casuale 80/20. Questo permette di valutare le prestazioni del modello quando i dati di addestramento e quelli di test provengono dallo stesso insieme di cani registrati. È utile per misurare le prestazioni all'interno dello studio, ma non indica come il modello si comporterà con un cane completamente nuovo.

I ricercatori hanno poi utilizzato una convalida incrociata lasciando fuori un cane alla volta. A ogni ciclo, tutte le registrazioni di un cane venivano escluse dai dati di addestramento e utilizzate per il test, mentre il modello veniva addestrato sugli altri cani. Nessuna finestra temporale del cane escluso entrava nell'insieme di addestramento. Si tratta di un test più impegnativo della variabilità individuale.

La tabella riepilogativa dell'articolo riporta le migliori combinazioni di sensore e movimento:

La tabella evidenzia meglio due aspetti. Primo, accuratezza e punteggio F1 vanno interpretati in relazione a uno specifico compito e a una specifica configurazione. Secondo, il risultato cambia quando il modello deve generalizzare a un cane che non faceva parte dei dati di addestramento.

Che cosa ha imparato il modello e che cosa non ha dimostrato

Lo studio supporta una conclusione circoscritta: i pattern presenti nei segnali inerziali possono aiutare un modello a classificare i gruppi rappresentati in questo set di dati. Il posizionamento dei sensori e il protocollo di movimento hanno influenzato il risultato. La combinazione migliore per un compito non era automaticamente la migliore per un altro.

La differenza tra la suddivisione casuale e il test su cani non presenti nel set di addestramento è importante quanto il valore elevato ottenuto. I cani differiscono per taglia, conformazione fisica, strategia di movimento e capacità di completare un protocollo. Un modello che funziona bene sulle registrazioni di cani già noti può aver bisogno di più dati e di test più ampi prima di funzionare in modo affidabile su cani nuovi.

Lo studio non dimostra che:

• un rilevatore di attività per consumatori possa identificare una patologia ortopedica o neurologica;
• una registrazione effettuata a casa possa sostituire una visita veterinaria;
• ogni razza, conformazione fisica o schema di movimento sia rappresentato in questo campione;
• il risultato fornito da un dispositivo possa dire a una famiglia se l'esercizio fisico è sicuro; oppure
• i valori riportati costituiscano una classifica dei dispositivi indossabili per animali domestici.

Gli autori descrivono questo approccio come potenzialmente utile per il supporto clinico. Si tratta di una direzione di ricerca, non di una prova che il modello sia stato validato per l'uso domestico. Il set di dati dello studio non è un benchmark pubblico per i consumatori. Gli autori dichiarano che l'accesso è disponibile, su ragionevole richiesta, contattando l'autore di riferimento.

Un limite che cambia l'interpretazione

Solo due cani del gruppo con disturbi neurologici erano in grado di trottare. Diversi cani con patologie non hanno potuto completare il protocollo al trotto, quindi gli scenari al trotto erano significativamente sbilanciati. Questo è importante quando i valori migliori compaiono in una riga relativa al trotto.

Il campione era inoltre ridotto ed era stato raccolto in un unico ambiente clinico controllato. Il guinzaglio, il percorso familiare, l'itinerario prestabilito e una specifica posizione del sensore fanno parte della misurazione. Non sono dettagli di contorno che si possano ignorare quando si applica un risultato a un ambiente domestico, a un parco o a una clinica con attrezzature diverse.

L'articolo riporta inoltre una differenza tra le prestazioni all'interno del campione e quelle ottenute su cani mai visti dal modello. Questa differenza è coerente con una regola fondamentale per interpretare la ricerca sui sensori per animali: spesso l'unità che conta è il cane, non solo il numero di brevi finestre di segnale prodotte da quel cane.

Domande da porsi sulle future dichiarazioni relative ai dispositivi indossabili

Quando un prodotto tecnologico per animali riporta un punteggio dell'andatura o della salute, chiediti che cosa il modello è stato addestrato a classificare. Chiediti poi quanti cani hanno fornito i dati, quali razze e condizioni erano incluse, se alcuni cani interi erano stati esclusi dall'addestramento, quale movimento doveva eseguire il cane e se il test prevedeva cani nuovi in ambienti nuovi.

La sola accuratezza non può rispondere a queste domande. Anche F1, richiamo, precisione e intervalli di confidenza devono essere interpretati in relazione al compito, alla popolazione e alla suddivisione dei dati. Un punteggio ottenuto da un set di dati di ricerca controllato è una prova relativa a quel set di dati. Non è una promessa generale valida per ogni cane che indossi un dispositivo.

Un limite importante per le famiglie con animali

Se noti un cambiamento nuovo o in peggioramento nell'andatura del tuo cane, consideralo un'osservazione da condividere con il veterinario. Un breve video può aiutarti a descrivere ciò che hai visto, ma un punteggio di ricerca non può determinarne la causa. Non usare l'etichetta di un dispositivo per rimandare una visita o decidere che l'esercizio fisico sia sicuro.

Per informazioni pratiche sulla cura, consulta la nostra guida alle lesioni del garretto del cane. Si tratta di un'esigenza diversa da quella di chi legge questo approfondimento sullo studio: le indicazioni sulla cura non si possono dedurre da una metrica di ricerca del modello.

In sintesi

Questo studio è utile perché esamina una domanda che è facile semplificare eccessivamente. I sensori inerziali indossabili hanno rilevato il movimento e un modello di apprendimento profondo ha individuato schemi in grado di distinguere i gruppi definiti nello studio. Il test su cani mai visti dal modello ha poi mostrato perché il campione originale e il disegno della valutazione devono rimanere parte integrante del risultato.

La conclusione più corretta è prudente. I modelli dell'andatura canina possono aiutare i ricercatori a quantificare il movimento in condizioni definite. L'articolo non dimostra l'efficacia di uno strumento diagnostico domestico, di un punteggio universale dell'andatura o di una garanzia sulla sicurezza dell'esercizio. Quando valuti future dichiarazioni, cerca una separazione a livello di singolo cane, una validazione su cani nuovi, etichette chiare e un percorso professionale per interpretare un cambiamento reale nel movimento.

Dal risultato dello studio a un segnale utile

Il risultato di un dispositivo indossabile diventa più utile quando può essere confrontato con il movimento abituale dello stesso cane. Questo significa tenere in considerazione la superficie di camminata, il ritmo, la direzione e l'ora del giorno, per poi cercare uno schema invece di reagire a un singolo passaggio insolito. Un dispositivo può aiutare a registrare il movimento, ma non può stabilire se un cambiamento sia importante per un determinato cane.

Il limite pratico è quindi chiaro. I proprietari possono usare una misurazione per individuare un possibile problema e descriverlo con maggiore precisione a un professionista. Non dovrebbero usare una classificazione dello studio come diagnosi domestica né considerare il punteggio di un dispositivo un sostituto della visita. Il valore sta nel favorire un confronto più efficace, basato su osservazioni ripetute e contestualizzate.

Fonti e nota sull'aggiornamento

L'articolo di riferimento e le relative tabelle sono stati verificati il 1° settembre 2026. Si tratta di un approfondimento basato su un singolo studio, non di una revisione sistematica o di una meta-analisi. L'articolo riporta il campione, i metodi e le metriche dello studio, insieme al contesto del compito e del test. La nostra interpretazione è indicata nei punti in cui va oltre il risultato diretto dell'articolo.

1. Palez, N., Straß, L., Meller, S. et al. "Analisi dell'andatura canina mediante sensori inerziali e apprendimento profondo nei disturbi ortopedici e neurologici." Scientific Reports 16, 13966 (2026). Scheda Nature
2. Tabella 5: prestazioni della classificazione multiclass nel contesto di generalizzazione
3. Tabella 6: riepilogo dei principali risultati della classificazione

Questo articolo ha finalità informative e non fornisce diagnosi o indicazioni terapeutiche veterinarie.