La UMU patenta una herramienta de IA para detectar enfermedades en el ganado porcino mediante el análisis de saliva

La Universidad de Murcia (UMU) ha desarrollado y patentado una herramienta pionera capaz de detectar y clasificar el estado de salud del ganado porcino. Esta tecnología usa modelos de aprendizaje profundo supervisado para el análisis de saliva, ofreciendo una alternativa no invasiva, rápida y altamente precisa a los métodos convencionales de diagnóstico veterinario.

Esta propuesta ha sido desarrollada por los investigadores Ana María Gutiérrez Montes, del Departamento de Medicina y Cirugía Animal, y Francisco Javier Ibáñez López, del Departamento de Didáctica de las Ciencias Matemáticas y Sociales. Una colaboración interdisciplinar que ha sido clave para transformar información biológica compleja en una herramienta práctica para la gestión sanitaria del ganado.

Innovación en el sector porcino

En la actualidad el diagnóstico de patologías en el ganado porcino suele requerir la intervención de personal veterinario especializado y la realización de procedimientos invasivos como la extracción de muestras de sangre, que implican la inmovilización y generan altos niveles de estrés en el animal. Estas prácticas no solo afectan a su bienestar, sino que también dificultan la monitorización continua de la salud en explotaciones de gran tamaño y pueden incrementar los riesgos asociados a la bioseguridad.

La propuesta desarrollada por la UMU solventa estas limitaciones mediante el uso de saliva como muestra biológica, una alternativa sencilla y segura que puede ser extraídas por el propio personal de la granja. Estas muestras no invasivas permiten recoger diversos biomarcadores relacionados con procesos metabólicos, inmunitarios, inflamatorios y de estrés, que actúan como indicadores del estado fisiológico del animal.

Los valores obtenidos se introducen en un sistema de clasificación basado en inteligencia artificial y previamente entrenados con datos de referencia. Gracias a este enfoque, el sistema es capaz de diferenciar con alta fiabilidad entre animales sanos y enfermos, alcanzando niveles de sensibilidad y especificidad superiores al 95%.

El procedimiento permite, además, una clasificación más detallada de los casos patológicos, distinguiendo entre afecciones inflamatorias localizadas y procesos sistémicos potencialmente infecciosos, una información de gran valor para la toma de decisiones en la gestión sanitaria de la granja.

Garantías de seguridad alimentaria

Esta capacidad de detección temprana de enfermedades resulta especialmente relevante en el contexto actual del sector porcino, donde la prevención y el control de enfermedades contagiosas son aspectos clave para garantizar la sostenibilidad de las explotaciones, la seguridad alimentaria y la protección de la salud pública.

"Al facilitar la identificación precoz de animales enfermos, la tecnología contribuye a reducir la propagación de patógenos, optimizar el uso de tratamientos veterinarios y mejorar la eficiencia de los protocolos de bioseguridad, así como para garantizar el correcto estado de salud del ganado porcino", señala Ana Mª Gutiérrez Montes.

La herramienta ya ha sido validada en condiciones reales de campo dentro del proyecto PigMarkSaL, que incluyó estudios con más de 1.000 animales y la colaboración de diversas instituciones y empresas. Los resultados han confirmado una elevada precisión y reproducibilidad en entornos productivos.

Actualmente, la UMU trabaja con empresas del sector con el fin de promover la implantación industrial de esta herramienta, lo que favorecerá que culmine con éxito el proceso de transferencia de esta tecnología universitaria al tejido productivo.