Quantification interprétable et granulaire des caractéristiques motrices à partir de vidéos du test d’appui digital dans la maladie de Parkinson

Pourquoi taper des doigts peut révéler la santé du cerveau

Pour de nombreuses personnes atteintes de la maladie de Parkinson, des gestes quotidiens comme boutonner une chemise ou taper sur un clavier deviennent progressivement plus lents et de moindre amplitude. Les médecins évaluent souvent ces changements avec un simple test d’appui digital : les patients touchent rapidement le pouce et l’index l’un contre l’autre. Traditionnellement, un clinicien observe et attribue une note unique. Cette étude montre comment des enregistrements vidéo ordinaires et l’intelligence artificielle peuvent transformer ce bref test en une lecture objective riche des troubles du mouvement, ce qui pourrait rendre le suivi de la maladie de Parkinson plus précis et plus facile à réaliser à domicile.

Un test simple avec une complexité cachée

La tâche d’appui digital semble simple, mais les spécialistes savent qu’elle contient plusieurs problèmes distincts entremêlés. Les personnes atteintes de Parkinson peuvent présenter une réduction de l’amplitude des mouvements (hypokinésie), un ralentissement des mouvements (bradykinésie), une baisse progressive des performances sur quelques secondes (effet de séquence) et des pauses ou hésitations irrégulières (interruptions par hésitation). Jusqu’à présent, ces schémas étaient majoritairement jugés à l’œil et condensés en un seul score de gravité, qui peut varier d’un clinicien à l’autre. Les auteurs se sont donné pour objectif de dissocier ce test, en mesurant séparément chacun de ces quatre problèmes moteurs en se basant uniquement sur la vidéo.

Transformer la vidéo des mains en nombres

Les chercheurs ont analysé plus de 4 000 vidéos d’appui digital provenant de 446 personnes atteintes de Parkinson participant au Personalized Parkinson Project. À l’aide de logiciels de vision par ordinateur, ils ont localisé automatiquement des points clés sur la main — comme la pointe du pouce, la pointe de l’index et le poignet — dans chaque image. À partir de ces points, ils ont calculé la distance changeante entre le pouce et l’index lors des tapotements. En suivant également la longueur de la paume, ils ont mis cette distance à l’échelle pour que les mesures restent comparables même lorsque l’angle ou la distance de la caméra variait d’un enregistrement à l’autre. Le signal ondulant résultant d’ouverture et de fermeture des doigts est ainsi devenu la base de toutes les analyses ultérieures.

Mesurer quatre types de troubles moteurs

À partir de chaque signal, l’équipe a construit un ensemble compact de 12 caractéristiques conçues pour correspondre aux quatre problèmes moteurs définis cliniquement. La hauteur moyenne du tapotement capturait l’amplitude d’ouverture des doigts, reflétant l’hypokinésie. Le temps entre les pics du signal capturait la durée de chaque cycle de tapotement, reflétant la bradykinésie. Deux mesures de vitesse combinaient des informations sur l’amplitude et le rythme des tapotements. Des caractéristiques supplémentaires suivaient si les tapotements diminuaient en taille ou ralentissaient durant le court test (effet de séquence), et dans quelle mesure la taille, le tempo et la vitesse des tapotements fluctuaient d’un cycle à l’autre, y compris des pauses anormalement longues qui comptaient comme des interruptions (interruptions par hésitation). Des tests statistiques ont montré que la plupart de ces mesures basées sur la vidéo s’aggravaient en parallèle du score clinique standard, en particulier pour l’amplitude du mouvement, la lenteur et les pauses irrégulières.

Mettre en lumière des schémas plus fins dans les mouvements de Parkinson

Pour voir comment ces mesures se regroupaient naturellement, les auteurs ont utilisé une technique statistique qui clusterise les caractéristiques apparentées. Les quatre domaines moteurs attendus sont bien apparus, mais les données laissaient entrevoir une structure encore plus fine. En particulier, l’effet de séquence et les interruptions par hésitation semblaient chacun se diviser en deux sous-types : l’un lié aux changements d’amplitude et de vitesse, l’autre lié aux changements de timing et à la présence d’interruptions. Cela suggère que ce qui paraît être un seul type de trouble au chevet peut en réalité comprendre plusieurs schémas distincts, qui pourraient un jour être associés à différents changements cérébraux ou réponses au traitement.

Des caractéristiques objectives à un score pratique

Parce que la référence actuelle reste l’échelle unifiée d’évaluation de la maladie de Parkinson de la Movement Disorder Society (MDS‑UPDRS), les chercheurs ont aussi testé si leurs caractéristiques pouvaient prédire les scores habituels de sévérité au test d’appui digital. Ils ont entraîné plusieurs types de modèles d’apprentissage automatique sur les caractéristiques vidéo. Le meilleur modèle, un système d’arbres de décision à gradient (gradient-boosted decision tree), a classé correctement les enregistrements en catégories légère, modérée ou sévère plus souvent que les méthodes vidéo antérieures. Fait important, la même approche a bien fonctionné sur un jeu de données distinct enregistré avec une configuration caméra différente, suggérant qu’elle peut se généraliser au-delà d’un seul laboratoire ou service clinique.

Ce que cela signifie pour les patients et les soins

En termes concrets, ce travail montre qu’une courte vidéo d’une personne tapotant ses doigts peut être transformée en une empreinte détaillée et objective de la façon dont la maladie de Parkinson affecte ses mouvements. Plutôt qu’un score subjectif unique, médecins et chercheurs peuvent disposer de valeurs séparées pour l’amplitude, la lenteur, la fatigabilité et l’irrégularité des mouvements. Comme la méthode ne nécessite qu’une caméra et des mesures interprétables, elle pourrait être utilisée pour de grands essais cliniques et, éventuellement, pour des contrôles à distance à domicile. Des études futures devront montrer comment ces marqueurs vidéo évoluent sous traitement et sur plusieurs années de maladie, mais ce cadre représente une étape importante vers un suivi plus précis et plus pratique des symptômes de la maladie de Parkinson.

Citation: Zarrat Ehsan, T., Tangermann, M., Güçlütürk, Y. et al. Interpretable and granular video-based quantification of motor characteristics from the finger-tapping test in Parkinson’s disease. npj Parkinsons Dis. 12, 101 (2026). https://doi.org/10.1038/s41531-026-01307-w

Mots-clés: Maladie de Parkinson, test d’appui digital, vision par ordinateur, évaluation motrice à distance, biomarqueurs numériques