Explainable machine learning for predicting shellfish toxicity in the Adriatic Sea using long-term monitoring data of HABs

Questo studio applica tecniche di machine learning spiegabile a un dataset di 28 anni nel Golfo di Trieste per prevedere con successo la tossicità delle cozze causata da fioriture algali, identificando specie specifiche e fattori ambientali come predittori chiave per migliorare i sistemi di allerta precoce e l'acquacoltura sostenibile.

L'essenziale

🌊 Il "Cristallo Magico" per Prevedere le Tossine nelle Cozze

Immagina di essere un allevatore di cozze nel Golfo di Trieste. Il tuo lavoro dipende dal mare, ma il mare ha un nemico invisibile: le fioriture algali tossiche. Quando queste alghe microscopiche si moltiplicano, rilasciano veleni che si accumulano nelle cozze. Se qualcuno mangia quelle cozze, può ammalarsi gravemente.

Attualmente, il sistema di sicurezza funziona così: si aspetta che le cozze siano già contaminate, si fanno dei test di laboratorio e, solo dopo aver scoperto il veleno, si chiude la vendita. È come aspettare che la casa bruci per poi chiamare i pompieri: funziona, ma è tardi e costa caro.

Gli scienziati di questo studio hanno voluto creare un sistema di allerta precoce, un "cristallo magico" basato sull'Intelligenza Artificiale (IA) che possa dire: "Attenzione! Domani le cozze potrebbero essere tossiche".

Ecco come hanno fatto, spiegato in modo semplice:

1. La Ricetta Segreta: 28 Anni di Dati

Per insegnare all'IA a prevedere il futuro, gli scienziati hanno dovuto darle una "palestra" enorme. Hanno raccolto un archivio storico di 28 anni (dal 1994 al 2021) che include:

• Chi c'è nel mare: Quanti e quali tipi di alghe tossiche (i "cattivi") erano presenti.
• Il meteo: Pioggia, vento, temperatura dell'aria e del mare.
• L'acqua dolce: Quanto l'acqua del fiume Soča è scesa in mare (questo è cruciale perché l'acqua dolce cambia la salinità).
• Il risultato: Se le cozze di quel giorno erano tossiche o no.

È come se avessero dato all'IA un diario di bordo di quasi 30 anni per farle capire i "capricci" del mare.

2. L'Allenatore: L'Algoritmo "Foresta Casuale"

Hanno provato diversi "allenatori" (modelli di machine learning) per vedere quale fosse il migliore.

• Alcuni erano come decisioni semplici (un albero decisionale): "Se c'è l'alga X, allora è pericoloso".
• Altri erano reti neurali (molto complesse ma difficili da capire, come una scatola nera).
• Il vincitore è stato il Random Forest (Foresta Casuale).

L'analogia: Immagina di dover prevedere il tempo. Chiedere a una sola persona è rischioso. Ma se chiedi a 100 esperti (ognuno un "albero" della foresta) di dare la loro opinione basandosi su dati diversi e poi prendi la media delle loro risposte, il risultato è molto più affidabile. Questo è il "Random Forest": un esercito di piccoli esperti che lavorano insieme per non sbagliare.

3. Il Problema della "Scatola Nera" e la Chiave di Spiegazione

C'era un problema: spesso queste Intelligenze Artificiali sono come scatole nere. Ti dicono il risultato ("Chiudi le cozze!"), ma non ti spiegano perché. Per un allevatore o un'agenzia sanitaria, sapere il "perché" è fondamentale per fidarsi.

Per risolvere questo, hanno usato una tecnica chiamata XAI (Intelligenza Artificiale Spiegabile).

• Immagina di avere un detective: L'XAI è come quel detective che entra nella scatola nera e ti mostra esattamente quali indizi ha usato per risolvere il caso.
• Grazie a questa tecnica, hanno scoperto che i due indizi principali per prevedere il veleno sono:
  1. La presenza di due alghe specifiche: Dinophysis fortii e Dinophysis caudata (i "cattivi" principali).
  2. La salinità dell'acqua: Quando piove molto o il fiume Soča porta molta acqua dolce, l'acqua di mare diventa meno salata. Questo crea le condizioni perfette per far esplodere la popolazione di queste alghe.

4. Il Risultato: Un Allarme Più Intelligente

Il modello ha funzionato bene. Non è perfetto (nessuno lo è), ma è molto meglio del nulla.

• Cosa fa: Analizza le alghe, il meteo e la salinità.
• Cosa dice: "Oggi c'è un'alta probabilità che le cozze siano tossiche".
• Il vantaggio: Invece di aspettare che le cozze siano già velenose, gli allevatori possono essere avvisati prima. Possono monitorare più da vicino o prendere precauzioni, evitando chiusure improvvise e danni economici enormi.

In Sintesi

Questo studio è come aver dato agli allevatori di cozze uno smartphone con un'app meteo specializzata. Invece di guardare il cielo e sperare, l'app guarda i dati storici, le alghe e il fiume, e ti dice: "Oggi l'acqua è tranquilla, ma domani, se piove e c'è questa specifica alga, le cozze potrebbero diventare pericolose".

Grazie all'Intelligenza Artificiale spiegabile, non solo sappiamo cosa succederà, ma sappiamo anche perché, rendendo il sistema sicuro, affidabile e pronto a proteggere sia la nostra salute che il lavoro delle persone che allevano il mare.

Sommario tecnico

Ecco un riassunto tecnico dettagliato del documento scientifico in italiano, strutturato secondo le sezioni richieste.

Titolo dello Studio

Machine Learning spiegabile per la previsione della tossicità dei molluschi nel Mar Adriatico utilizzando dati di monitoraggio a lungo termine delle fioriture algali nocive (HABs).

---

1. Il Problema

L'acquacoltura di molluschi, in particolare le cozze (Mytilus galloprovincialis), è fondamentale per la sicurezza alimentare, ma è minacciata dalle fioriture algali nocive (HABs). Nel Mar Adriatico (in particolare nel Golfo di Trieste), la principale preoccupazione è l'avvelenamento da molluschi diarroici (DSP), causato da tossine lipofile (acido okadico e derivati) prodotte da dinoflagellati del genere Dinophysis.

Le sfide attuali includono:

• Limiti dei sistemi di monitoraggio attuali: Le chiusure delle aree di raccolta avvengono solo dopo la conferma della tossicità nei molluschi, causando incertezza economica e rischi per la salute pubblica.
• Complessità ecologica: Le HABs sono sistemi dinamici e non lineari influenzati da fattori biologici (abbondanza di specie tossiche) e ambientali (temperatura, salinità, apporti fluviali).
• Carenza di modelli predittivi: Sebbene esistano modelli per prevedere la presenza di specie algali, pochi tentativi si sono concentrati sulla previsione diretta della tossicità nei molluschi, e molti modelli di Machine Learning (ML) tradizionali sono "scatole nere" prive di spiegabilità, rendendo difficile la fiducia degli operatori del settore e delle autorità.

2. Metodologia

Lo studio ha sviluppato un pipeline di Machine Learning spiegabile (XAI) basata su un dataset unico e consolidato.

• Dati: È stato creato un dataset di 28 anni (1994-2021) comprendente:
  • Abbondanza di fitoplancton tossico (5 specie chiave di Dinophysis e Phalacroma).
  • Concentrazioni di tossine DSP nelle cozze (analizzate inizialmente con bioassay su topi fino al 2014, poi con LC-MS/MS).
  • Parametri fisico-chimici (temperatura, salinità).
  • Dati meteorologici e idrologici (precipitazioni, portata del fiume Soča, temperatura dell'aria, irradiazione solare).
• Preprocessing:
  • Armonizzazione: Standardizzazione dei risultati tossici (binari: positivo/negativo) per allineare i vecchi dati bioassay con i nuovi dati chimici (soglia di 176 µg kg⁻¹).
  • Gestione dei dati mancanti: Interpolazione spaziale e temporale.
  • Bilanciamento del dataset: Il dataset era fortemente sbilanciato (88% negativi, 12% positivi). Sono state applicate tecniche di undersampling (rimozione di istanze "conflittuali" vicine alla classe minoritaria) e oversampling (SMOTE) per migliorare l'apprendimento.
  • Riduzione della dimensionalità: Uso di UMAP per visualizzare la separazione delle classi.
• Modelli di Machine Learning: Sono stati addestrati e confrontati quattro algoritmi:
  • Decision Tree (DT)
  • Random Forest (RF)
  • Support Vector Machine (SVM)
  • Artificial Neural Network (ANN - MLP)
  • Ottimizzazione: Grid search con convalida incrociata a 5 fold, ottimizzando il punteggio F1.
• Spiegabilità (XAI):
  • Importanza per permutazione: Per valutare quanto il modello dipende da ciascuna variabile.
  • SHAP (Shapley Additive Explanations): Per quantificare il contributo di ogni variabile alla previsione specifica (valori SHAP positivi aumentano la probabilità di tossicità, negativi la diminuiscono).

3. Risultati Chiave

• Performance del Modello: Il modello Random Forest (RF) ha ottenuto le prestazioni migliori e più stabili.
  • Precisione media: 0.74
  • Recall medio: 0.59
  • Punteggio F1 medio: 0.65
  • Gli altri modelli (DT, SVM, ANN) hanno mostrato prestazioni inferiori, con un F1 medio intorno a 0.43.
• Fattori Predittivi (Spiegabilità):
  • Le analisi SHAP e l'importanza per permutazione hanno identificato le variabili più influenti per la previsione della tossicità positiva:
    1. Abbondanza di Dinophysis fortii: Il fattore biologico più critico.
    2. Abbondanza totale di DSP (DSP-tot) e Dinophysis caudata.
    3. Fattori ambientali: Portata del fiume Soča (flussi bassi favoriscono la tossicità), salinità (valori più bassi favoriscono la tossicità) e precipitazioni.
  • Il modello ha dimostrato che condizioni di stabilità della colonna d'acqua (bassa salinità, alta temperatura) favoriscono l'accumulo di Dinophysis.
• Interpretazione del Decision Tree: Anche se meno performante, il DT ha fornito regole decisionali chiare (es. se D. fortii > 30 cellule/l, previsione positiva; altrimenti, verificare D. caudata e salinità ≤ 36.17).

4. Contributi Principali

1. Dataset Aperto: Creazione e pubblicazione di un dataset di 28 anni, unico nel suo genere, che integra dati biologici, tossicologici e ambientali, reso disponibile pubblicamente per la ricerca futura.
2. Approccio XAI in Ecologia Marina: Dimostrazione che l'uso di tecniche di Intelligenza Artificiale Spiegabile (XAI) è cruciale per trasformare i modelli ML da "scatole nere" a strumenti di supporto decisionale affidabili per le autorità di gestione.
3. Predizione Diretta della Tossicità: Superamento della semplice previsione della presenza di alghe per focalizzarsi sulla previsione diretta della tossicità nei molluschi, un compito più complesso ma più rilevante per la sicurezza alimentare.
4. Identificazione di Soglie Critiche: Fornitura di soglie quantitative (es. abbondanza di D. fortii e livelli di salinità) che possono essere utilizzate per sistemi di allerta precoce (EWS).

5. Significato e Implicazioni

• Sistemi di Allerta Precoce (EWS): I modelli sviluppati possono essere integrati in sistemi EWS per anticipare i rischi di chiusura delle aree di raccolta, permettendo azioni di mitigazione tempestive (es. divieti di vendita preventivi) e riducendo i danni economici per gli allevatori.
• Fiducia e Trasparenza: L'uso di metodi spiegabili aumenta la fiducia delle autorità e degli stakeholder, poiché le decisioni del modello sono basate su relazioni ecologiche comprensibili (es. correlazione tra D. fortii e tossicità) e non su pattern opachi.
• Sostenibilità: Migliora la gestione sostenibile dell'acquacoltura nel Mar Adriatico, bilanciando la protezione della salute pubblica con la continuità economica del settore.
• Futuri Sviluppi: Lo studio suggerisce che la robustezza dei modelli può essere ulteriormente migliorata espandendo il dataset con più eventi di alta tossicità e integrando dati da regioni limitrofe, oltre a raffinare la risoluzione temporale dei dati di monitoraggio.

In sintesi, questo studio rappresenta un avanzamento significativo nell'applicazione dell'IA spiegabile all'ecologia marina, fornendo uno strumento pratico e interpretabile per la gestione del rischio legato alle fioriture algali tossiche.