WearGait-PD: Ein Open-Access-Datensatz zu Gangmustern bei Parkinson und altersangepassten Kontrollen

Warum unsere Art zu Gehen wichtig ist

Gehen ist etwas, das die meisten von uns als selbstverständlich ansehen; für Menschen mit Parkinson kann jeder Schritt jedoch zur Herausforderung werden. Ärztinnen und Ärzte wissen, dass Veränderungen im Gang und Gleichgewicht zentrale Merkmale dieser Erkrankung sind, stützen sich aber weiterhin stark auf Beobachtungen während kurzer Klinikbesuche und auf das, woran Patientinnen und Patienten sich erinnern zu berichten. Dieser Beitrag stellt WearGait-PD vor, eine große, offen zugängliche Sammlung detaillierter Bewegungsdaten, die von Menschen mit Parkinson und altersgleichen Erwachsenen ohne Erkrankung erhoben wurden. Indem diese Messdaten allen zugänglich gemacht werden, soll die Entwicklung besserer Tests, Therapien und digitaler Werkzeuge beschleunigt werden, die Gang und Gleichgewicht im Alltag überwachen können.

Von Klinik-Checklisten zu digitalen Fußabdrücken

Traditionell beurteilen Ärztinnen und Ärzte Parkinson mithilfe von Bewertungsbögen und Beobachtungen: Sie sehen zu, wie eine Person einen Flur entlanggeht, sich dreht, stillsteht, und vergeben dann Punktwerte. Diese Verfahren sind wertvoll, aber prinzipiell eingeschränkt — sie erfassen nur wenige Minuten in einer Klinik und hängen von menschlichem Urteil ab. Gleichzeitig sind tragbare Technologien wie Bewegungssensoren und intelligente Einlagen leistungsfähiger und erschwinglicher geworden. Sie können aufzeichnen, wie sich eine Person Schritt für Schritt und über viele Aufgaben hinweg bewegt. Trotzdem stockt der Fortschritt oft an einem grundlegenden Problem: Hochwertige Daten von vielen Menschen mit Parkinson zu sammeln ist teuer und zeitaufwendig, sodass nur wenige gut finanzierte Gruppen dies leisten können und die Daten häufig privat halten.

Aufbau einer gemeinsamen Ressource echter Schritte

Das WearGait-PD-Projekt nahm sich vor, diese Hürde zu beseitigen, indem es einen umfangreichen, öffentlichen Datensatz zusammenstellte. Das Team zeichnete 185 Freiwillige auf: 100 Menschen mit Parkinson und 85 ältere Erwachsene ähnlichen Alters ohne die Erkrankung. Die Teilnehmenden führten eine Reihe von Geh- und Gleichgewichtsaufgaben durch, etwa entspanntes Gehen, schnelles Gehen, Fersenspitzengang, anspruchsvolle Standpositionen, das Durchschreiten einer Türöffnung und das Folgen eines kurzen Indoor-Parcours mit Fluren und einem Stuhl. Für jede Person ergaben diese Aufgaben mehrere Durchläufe, insgesamt mehr als 1.500 Bewegungsaufzeichnungen. Neben den Sensordaten erfassten die Forschenden medizinische Informationen wie Alter, Schweregradwerte der Erkrankung, Medikamenteneinnahme und ob eine Person eine Hirnstimulation zur Symptomkontrolle hatte.

Verkabelung von Körper und Boden

Um die Bewegung detailliert zu erfassen, trugen die Teilnehmenden 13 winzige kabellose Bewegungssensoren am Kopf, Rumpf, an Armen, Beinen, Knöcheln und Fußrücken sowie eine smarte Einlage in jedem Schuh. Diese Geräte maßen Beschleunigung, Rotationen und den Druck unter den Füßen mit hoher Geschwindigkeit. Die Teilnehmenden liefen außerdem über einen speziellen druckempfindlichen Laufsteg — eine dünne Matte gefüllt mit tausenden kleinen Sensoren, die genau erfassen, wo und wie stark jeder Schritt auftritt. Zwei Videokameras, von vorne und von der Seite positioniert, filmten jede Aufgabe. Später markierten geschulte Reviewer in den Videos framegenau, was jede Person tat, einschließlich Episoden von Freezing of Gait und Stolpern. Alle diese Datensignale — Körpersensoren, Einlagen, Laufsteg und Videoannotationsdaten — wurden sorgfältig auf Hundertstelsekunden synchronisiert, sodass Forschende einen auf Video sichtbaren Schritt mit den exakten Signalen aller Sensoren in Übereinstimmung bringen können.

Rohsignale in verlässliche Daten verwandeln

So viele Informationen zu sammeln ist nur die halbe Miete; ebenso wichtig ist sicherzustellen, dass sie sauber und zuverlässig sind. Das WearGait-PD-Team nutzte ein einheitliches Protokoll an drei medizinischen Zentren, sodass die Sensoren bei allen Teilnehmenden gleich platziert wurden. Nach jeder Sitzung überprüften und korrigierten sie die Rohaufzeichnungen. Sie behoben Probleme wie geringe Zeitverzögerungen zwischen Systemen, überprüften, dass jeder Fußkontakt auf dem Laufsteg korrekt gekennzeichnet war, und bestätigten, dass die Wearable-Signale innerhalb erwarteter Bereiche blieben. Jeder Durchlauf durchlief automatische Checks und menschliche Kontrolle; auftretende Probleme wurden entweder behoben oder klar gekennzeichnet. Der finale Datensatz enthält sowohl vollständig intakte Trials als auch solche mit geringfügigen, gut dokumentierten Lücken, was Nutzern ein realistisches Bild davon vermittelt, was in Studien im Alltag zu erwarten ist.

Die Tür für neue Werkzeuge öffnen

Alle WearGait-PD-Daten sind frei über eine Online-Plattform verfügbar, unter einer Lizenz, die Wiederverwendung fördert und gleichzeitig die Privatsphäre der Teilnehmenden schützt. Weil der Datensatz detaillierte Bewegungsdaten mit klinischen Scores und Expertenannotation aus Videos verknüpft, bietet er ein ideales Testfeld für die Entwicklung neuer Algorithmen, das Training von Machine-Learning-Modellen und die Überprüfung, ob digitale Messgrößen des Gangs tatsächlich den Zustand einer Person widerspiegeln. Konkret bedeutet das, dass künftige Apps, smarte Einlagen oder zuhause einsetzbare Monitoringsysteme für Parkinson schneller und fairer entwickelt und validiert werden können — auf Grundlage geteilter Evidenz statt isolierter privater Studien. Für Menschen mit Parkinson könnte das genauere Symptombewertung, besser getimte Therapien und ein klareres Bild davon bedeuten, wie sich ihr Gang — und ihr Alltag — im Laufe der Zeit verändert.

Zitation: Anderson, A.J., Eguren, D., Gonzalez, M.A. et al. WearGait-PD: An Open-Access Wearables Dataset for Gait in Parkinson’s Disease and Age-Matched Controls. Sci Data 13, 440 (2026). https://doi.org/10.1038/s41597-026-06806-2

Schlüsselwörter: Morbus Parkinson, Gang, tragbare Sensoren, offener Datensatz, digitale Gesundheit