La sindrome ulcerativa epizootica (EUS) è una malattia critica che affligge i pesci d'acqua dolce, caratterizzata da lesioni ulcerative e tassi di mortalità elevati, che danneggiano le aziende di acquacoltura di tutto il mondo. L'identificazione tempestiva e precisa è fondamentale per arrestare la diffusione della EUS e mitigare i danni economici. Le tecniche convenzionali, tra cui l'ispezione oculare e l'analisi istopatologica, tendono a essere laboriose, costose e possono presentare una sensibilità insufficiente. Le metodologie di intelligenza artificiale (AI), in particolare i modelli di apprendimento automatico e di apprendimento profondo, forniscono soluzioni efficaci per l'identificazione rapida e precisa dell'EUS attraverso l'analisi di immagini, dati ambientali e modelli associati ai focolai. Questa ricerca studia l'utilizzo di metodologie di IA per l'individuazione dell'EUS nei pesci d'acqua dolce, sottolineando le tecniche, la precisione dei modelli e le ramificazioni pratiche. La nostra ricerca indica che l'IA migliora i tassi di rilevamento dell'EUS, facilitando un controllo più efficiente della malattia in acquacoltura.