Una mancata segnalazione può avere conseguenze rilevanti in qualunque attività di detection. Per questo il controllo della prestazione non può limitarsi al conteggio dei successi e degli errori: occorre comprendere se il rischio di un miss sia preceduto da variazioni osservabili nello stato di lavoro del cane.
La ricerca di Schultz e colleghi, pubblicata su Scientific Reports il 15 settembre 2026, offre un primo dato sperimentale: in un compito fortemente controllato, movimento e parametri fisiologici raccolti prima della presentazione dell’odore permettevano di distinguere, con efficacia superiore al caso, le prove destinate a concludersi con una mancata indicazione.
Perché è stato utilizzato un olfacto-treadmill
Durante una ricerca libera è difficile stabilire l’istante esatto in cui il cane incontra per la prima volta l’odore. Gli autori hanno quindi utilizzato un tapis roulant integrato con un olfattometro automatizzato. Il sistema consentiva di mantenere costante l’andatura e di presentare lo stimolo in un momento noto, sincronizzando video e dati fisiologici.
Parteciparono quattro cani addestrati alla detection, sani e di età compresa tra due e quattro anni. Le prove furono svolte a 4 km/h e 8 km/h, ma il modello descritto nell’articolo considera soltanto i trial con target presente effettuati al trotto a 8 km/h. Il target sperimentale era il 1-bromottano, composto organico volatile diluito in olio minerale: non un esplosivo né uno stupefacente.
La presenza del target era randomizzata nel 50% dei trial e l’intero processo di selezione delle valvole e feedback era automatizzato. Il cane doveva inserire il muso in una porta e interrompere un fascio a infrarossi per la durata richiesta. L’assenza di una risposta completa entro dieci secondi veniva registrata come mancata indicazione. Questa definizione riguarda il comportamento osservabile: non dimostra se l’odore sia stato percepito senza essere segnalato.
Il movimento prima del target
L’analisi riguardava i 4,5 secondi immediatamente precedenti l’arrivo dell’odore. La telecamera laterale registrava il cane a 30 fotogrammi al secondo; un sistema di stima della posa ricavava 29 punti anatomici, ottenendo per ogni trial una sequenza di 135 fotogrammi.
Le posizioni furono normalizzate rispetto al garrese e analizzate attraverso un modello capace di rappresentare sia le connessioni tra le parti anatomiche sia il loro sviluppo temporale. In questo modo l’informazione non derivava da una postura statica, ma dalla struttura del movimento prima dello stimolo.
I punti maggiormente influenti erano concentrati lungo l’asse testa-collo-tronco-coda, in particolare parte superiore della testa, seconda vertebra cervicale, garrese e punta della coda. Sono segnali associati alla previsione del modello, non indicatori visivi già utilizzabili come regola operativa.
Prestazioni del modello: i numeri da interpretare correttamente
Il test indipendente comprendeva 216 trial originali: 144 mancate indicazioni e 72 indicazioni corrette. Con i soli dati di movimento, il modello ha ottenuto un’AUC di 0,81 e un’accuratezza del 73,6%.
L’AUC descrive quanto bene il sistema separi le due classi lungo tutte le possibili soglie decisionali. Non è la percentuale di risposte corrette. Il valore 0,81 indica una buona capacità discriminativa nelle condizioni studiate, mentre l’accuratezza effettiva del modello era 73,6%.
La sensibilità per i miss era del 77%: su cento mancate indicazioni effettive, il modello ne avrebbe riconosciute circa settantasette nel campione analizzato. La precisione era 82%: tra i trial definiti dal sistema come probabili miss, l’82% risultava effettivamente una mancata indicazione.
Frequenza cardiaca, intervalli interbattito e temperatura
Il secondo modello combinava il movimento con frequenza cardiaca, statistiche degli intervalli interbattito e temperatura corporea interna. Il segnale cardiaco veniva registrato con fascia Polar H10, mentre la temperatura gastrointestinale era rilevata mediante capsula ingeribile AniPill e sincronizzata con l’inizio dei trial.
L’aggiunta di queste misure ha prodotto un’accuratezza del 76,9% e un’AUC di 0,80. La discriminazione generale non è quindi migliorata rispetto all’AUC 0,81 del modello video. È aumentata invece la capacità di intercettare le mancate indicazioni: il recall per i miss è passato dal 77% all’85%. La precisione è rimasta quasi stabile, da 0,82 a 0,81, e l’F1-score è aumentato da 0,80 a 0,83.
Il dato 85% misura quindi la quota di miss correttamente individuata, non l’accuratezza complessiva del sistema. Tra le misure fisiologiche, le caratteristiche ricavate dagli intervalli tra i battiti hanno fornito il contributo maggiore. La loro brevissima finestra di acquisizione non deve però essere confusa con una valutazione convenzionale della variabilità cardiaca.
Risultato dimostrato, ipotesi e validazione operativa
Il risultato dimostrato riguarda un compito controllato: prima dell’odore erano già presenti informazioni statisticamente utili per prevedere l’esito della prova. Il cane continuava a trottare senza una rottura evidente dell’andatura, mentre il modello intercettava variazioni più sottili.
L’ipotesi di lavoro è che la prestazione rifletta uno stato biologico dinamico. Integrando più previsioni consecutive, potrebbe essere possibile stimare l’evoluzione del rischio durante una sessione e non soltanto giudicare il singolo trial. Nello studio, tuttavia, questa aggregazione è stata mostrata su una sola sessione e non stabilisce soglie operative.
La validazione sul campo resta aperta. Una ricerca reale comprende pennacchi odorosi discontinui, distanze variabili, terreno, clima, distrazioni, interazione con il conduttore e posizione ignota della sorgente. Anche la risposta finale può essere diversa dal breve nose-poke utilizzato nell’esperimento. Una ripresa laterale continua, inoltre, è raramente disponibile durante l’impiego.
Il sistema sperimentale non può dunque certificare la prontezza del cane, convalidare una ricerca o determinare automaticamente quando interrompere l’attività. Può indicare quali segnali candidati meritano una verifica progressiva in condizioni più realistiche.
Quali dati servono per valutare il binomio
Una futura validazione dovrebbe collegare ogni esito al carico di lavoro, alla durata e qualità delle pause, alla temperatura ambientale e corporea, all’umidità, alla sequenza delle prove e al comportamento osservato. Sarebbe utile sincronizzare dati cardiaci e di movimento con velocità, terreno, caratteristiche del target, disponibilità dell’odore, tempo di ricerca e interventi del conduttore.
Il campione dovrebbe comprendere più cani, profili addestrativi diversi, differenti tipi di target, risposte finali e scenari. Solo così si potrà capire se il segnale mantiene valore predittivo oltre il tapis roulant e se aggiunge informazioni utili all’osservazione professionale.
La tecnologia, in questa prospettiva, non sostituisce il conduttore. Può diventare un supporto soltanto quando misure affidabili, contestualizzazione operativa e lettura del comportamento vengono integrate correttamente.
Durante l’addestramento state registrando soltanto il risultato finale oppure anche carico, pause, temperatura, sequenza e comportamento che precedono il miss?
Riferimento
Schultz, J., Rothkoff, L., Aviles-Rosa, E. O., Hall, N. J. & Maughan, M. N. “Predicting missed alerts in detection dogs”. Scientific Reports, 16, 28712 (2026). https://doi.org/10.1038/s41598-026-71367-8.
Francesco Piliego è CEO di FP GROUP SRL, azienda specializzata in servizi cinofili professionali per la sicurezza, la difesa e l’ambiente. Ex specialista delle unità cinofile antiesplosivo della Polizia di Stato, è formatore, autore ed esperto in detection. Svolge attività di divulgazione attraverso podcast su Spotify ed è autore e proprietario del canale YouTube @francescopiliegoreal, che ha superato le 100.000 visualizzazioni. Attraverso la formazione, la divulgazione e l’esperienza operativa contribuisce allo sviluppo di unità K9 preparate, affidabili e adeguate ai diversi contesti d’impiego.
