Una ciotola intelligente per cogliere i segnali di malessere che un cane tende a nascondere. È la proposta di Hoomanely, startup di Palo Alto che ha sviluppato una piattaforma di intelligenza artificiale collegata a EverBowl, una stazione di alimentazione dotata di sensori. Il sistema osserva nel tempo il comportamento dell’animale mentre mangia e beve, trasformando una routine quotidiana in una fonte continuativa di dati sulla salute.
EverBowl misura il consumo di cibo e acqua e la velocità di alimentazione, oltre a registrare i suoni prodotti durante masticazione e deglutizione. Rileva anche temperature facciali, movimenti della bocca e altri segnali. La piattaforma analizza queste informazioni per costruire un profilo di riferimento individuale, dal quale ricava poi una sorta di cartella sanitaria digitale. Eventuali scostamenti prolungati vengono mostrati al proprietario attraverso un’app e riepilogati in rapporti di lungo periodo.
L’applicazione permette anche di aggiungere manualmente informazioni che non possono essere raccolte dai sensori, mantenendo aggiornato il profilo dell’animale. Per Sai Supriya Sharath, cofondatrice e amministratrice delegata di Hoomanely, la ciotola rappresenta un ambiente di osservazione particolarmente stabile: stesso luogo, stessa postura e stessa routine, generalmente ripetuta due volte al giorno per anni. Appetito, idratazione e comfort orale possono inoltre cambiare precocemente in presenza di dolore, problemi dentali, disturbi gastrointestinali, alterazioni endocrine o altre malattie.
I cani riescono spesso a mascherare letargia e difficoltà motorie, ma hanno meno possibilità di nascondere variazioni nel modo in cui mangiano e bevono. Hoomanely punta quindi sull’analisi di assunzione e idratazione per produrre avvisi che aiutino proprietari e veterinari a riconoscere prima un possibile problema. L’obiettivo dichiarato non è formulare diagnosi, ma offrire dati più strutturati quando diventa necessario coinvolgere un professionista.
La piattaforma è stata sviluppata dopo una fase di beta test durata 18 mesi, nella quale sono stati raccolti circa 5 milioni di dati relativi a più di 80 cani. In un caso, il sistema ha rilevato cambiamenti nelle abitudini alimentari poi ricondotti a un dente scheggiato che cominciava a infettarsi. In un altro, una variazione persistente rispetto ai valori abituali di alimentazione e temperatura ha spinto il proprietario a rivolgersi al veterinario, che ha diagnosticato la febbre da zecca.
I risultati iniziali devono però essere letti alla luce delle dimensioni limitate della sperimentazione. La società avrebbe distribuito finora soltanto una cinquantina di dispositivi e non dispone ancora di misure indipendenti su sensibilità, specificità e falsi positivi per gli eventi clinici. La verifica richiede studi capaci di confrontare sistematicamente gli avvisi generati dalla piattaforma con diagnosi veterinarie effettive. Il servizio che comprende EverBowl e i rapporti dell’app viene proposto tramite un abbonamento da 29 dollari al mese.
Hoomanely sta usando i dati disponibili per progettare studi veterinari formali su una popolazione più ampia. Le ricerche dovranno misurare sensibilità, specificità, valore predittivo positivo e falsi allarmi per ogni categoria di avviso, con risultati distinti per caso d’uso. Parallelamente, la startup intende ampliare la raccolta attraverso EverSense, un dispositivo indossabile dedicato a movimento e riposo, ed EverHub, un sistema capace di ricevere dati da collari, mangiatoie e dispositivi domestici di terze parti.
La traiettoria di lungo periodo porta oltre la singola ciotola: Hoomanely vuole diventare un’azienda specializzata nei dati sanitari animali, mettendo il patrimonio informativo raccolto al servizio della ricerca e di imprese della nutrizione e delle assicurazioni. L’architettura non è progettata esclusivamente per i cani e potrebbe estendersi a gatti, cavalli e bestiame. La startup ha raccolto finora 1,8 milioni di dollari in finanziamento pre-seed e ha avviato le prime conversazioni per un round seed, mentre gli studi clinici dovranno stabilire quanto gli avvisi siano affidabili su scala più ampia.