WearGait-PD: Un conjunto de datos de acceso abierto sobre wearables para la marcha en la enfermedad de Parkinson y controles emparejados por edad

Por qué importa cómo caminamos

Caminar es algo que la mayoría damos por sentado, pero para las personas que viven con la enfermedad de Parkinson, cada paso puede ser un reto. Los médicos saben que los cambios en la marcha y el equilibrio son centrales en esta enfermedad, sin embargo siguen basándose en gran medida en lo que ven durante breves visitas clínicas y en lo que los pacientes recuerdan informar. Este artículo presenta WearGait-PD, una amplia colección de datos de movimiento detallados compartida públicamente, recogida en personas con Parkinson y en adultos mayores sin la enfermedad. Al poner estas mediciones a disposición de cualquiera, el proyecto busca acelerar la creación de mejores pruebas, tratamientos y herramientas digitales que puedan monitorizar la marcha y el equilibrio en la vida cotidiana.

De las listas de verificación clínicas a las huellas digitales digitales

Tradicionalmente, los médicos evalúan la enfermedad de Parkinson con escalas de valoración y observación: observan al paciente caminar por un pasillo, girar, permanecer quieto y luego asignan puntuaciones. Estos métodos son valiosos pero intrínsecamente limitados: capturan apenas unos minutos en una clínica y dependen del juicio humano. Al mismo tiempo, las tecnologías wearables como sensores de movimiento y plantillas inteligentes se han vuelto potentes y asequibles. Pueden registrar cómo se mueve una persona, segundo a segundo, a lo largo de muchos pasos y tareas. Sin embargo, el progreso se ha visto frenado por un problema básico: recopilar datos de alta calidad de muchas personas con Parkinson es costoso y requiere mucho tiempo, por lo que solo unos pocos grupos bien financiados pueden hacerlo, y a menudo mantienen los datos en privado.

Construir un recurso compartido de pasos reales

El proyecto WearGait-PD se propuso eliminar esa barrera reuniendo un conjunto de datos público y rico. El equipo registró a 185 voluntarios: 100 personas con enfermedad de Parkinson y 85 adultos mayores de edad similar sin la enfermedad. Los participantes completaron una serie de tareas de marcha y equilibrio, como caminar a un ritmo cómodo, apresurarse, caminar talón con punta, mantenerse de pie en posiciones desafiantes, atravesar una puerta y seguir un recorrido corto en interiores que incluía pasillos y una silla. Para cada persona, estas tareas produjeron múltiples ensayos que, en conjunto, ofrecieron más de 1.500 grabaciones de movimiento. Junto con los datos de los sensores, los investigadores recopilaron información clínica como edad, puntuaciones de gravedad de la enfermedad, uso de medicación y si la persona tenía un implante cerebral para controlar los síntomas.

Conectar el cuerpo y el suelo

Para capturar el movimiento con detalle, los participantes llevaron 13 pequeños sensores de movimiento inalámbricos en la cabeza, el tronco, los brazos, las piernas, los tobillos y el dorso de los pies, además de una plantilla inteligente dentro de cada zapato. Estos dispositivos midieron aceleración, rotación y presión bajo los pies a alta frecuencia. Los participantes caminaron sobre una pasarela especial con sensores de presión: una alfombra delgada llena de miles de pequeños sensores que detectan exactamente dónde y con qué intensidad aterriza cada paso. Dos cámaras de vídeo, colocadas frontal y lateralmente, filmaron cada tarea. Más tarde, revisores entrenados utilizaron los vídeos para anotar lo que hacía cada persona cuadro a cuadro, incluidas episodios de congelación de la marcha y tropiezos. Todas estas fuentes—sensores corporales, plantillas, la pasarela y las anotaciones de vídeo—se sincronizaron cuidadosamente hasta centésimas de segundo, de modo que un investigador pueda alinear un paso visto en cámara con las señales exactas de cada sensor.

Convertir señales crudas en datos fiables

Recopilar tanta información es solo la mitad del trabajo; asegurar que sea limpia y fiable es igual de importante. El equipo de WearGait-PD empleó un protocolo compartido en tres centros médicos para que los sensores se colocaran de la misma manera en cada participante. Después de cada sesión, revisaron y corrigieron las grabaciones crudas. Arreglaron problemas como pequeños retrasos temporales entre sistemas, comprobaron que cada apoyo del pie estuviera etiquetado correctamente en la pasarela y confirmaron que las señales de los wearables permanecieran dentro de rangos esperados. Cada ensayo pasó por controles automáticos y revisión humana, y cualquier problema fue reparado o claramente señalizado. El conjunto final de datos incluye tanto ensayos perfectamente completos como algunos con lagunas menores, bien documentadas, ofreciendo a los usuarios una visión realista de qué esperar en estudios del mundo real.

Abrir la puerta a nuevas herramientas

Todos los datos de WearGait-PD están disponibles de forma gratuita a través de una plataforma en línea, bajo una licencia que fomenta la reutilización mientras protege la privacidad de los participantes. Dado que el conjunto de datos vincula señales de movimiento detalladas con puntuaciones clínicas y marcas de expertos en vídeo, proporciona un banco de pruebas ideal para crear nuevos algoritmos, entrenar modelos de aprendizaje automático y verificar si las medidas digitales de la marcha reflejan realmente la condición de una persona. En términos prácticos, esto significa que futuras aplicaciones, plantillas inteligentes o monitores domésticos para la enfermedad de Parkinson pueden desarrollarse y validarse más rápido y de manera más equitativa, usando evidencia compartida en lugar de estudios privados aislados. Para las personas que viven con Parkinson, eso podría traducirse en un seguimiento de síntomas más preciso, tratamientos mejor sincronizados y una imagen más clara de cómo su marcha—y su vida diaria—cambia con el tiempo.

Cita: 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

Palabras clave: enfermedad de Parkinson, marcha, sensores wearables, conjunto de datos abierto, salud digital