WearGait-PD: un dataset open-access di dispositivi indossabili per l’andatura nella malattia di Parkinson e controlli abbinati per età

Perché il modo in cui camminiamo conta

Camminare è qualcosa che la maggior parte di noi dà per scontato, ma per le persone con malattia di Parkinson ogni passo può essere una sfida. I medici sanno che i cambiamenti nella deambulazione e nell’equilibrio sono aspetti centrali della malattia, eppure continuano a fare grande affidamento su ciò che osservano durante brevi visite cliniche e su ciò che i pazienti ricordano di riferire. Questo articolo presenta WearGait-PD, una grande raccolta di dati di movimento dettagliati, condivisa apertamente e ottenuta da persone con Parkinson e da anziani senza la malattia. Rendendo queste misurazioni disponibili a chiunque, il progetto mira ad accelerare la creazione di test, terapie e strumenti digitali migliori per monitorare cammino ed equilibrio nella vita quotidiana.

Dai checklist in clinica alle impronte digitali del movimento

Tradizionalmente i medici valutano la malattia di Parkinson con scale di valutazione e osservazione: guardano un paziente camminare lungo un corridoio, girarsi, stare fermo e poi assegnano punteggi. Questi metodi sono preziosi ma intrinsecamente limitati—catturano solo pochi minuti in clinica e dipendono dal giudizio umano. Allo stesso tempo, le tecnologie indossabili come i sensori di movimento e le solette intelligenti sono diventate potenti e accessibili. Possono registrare come si muove una persona, secondo dopo secondo, su molti passi e compiti. Tuttavia il progresso è stato rallentato da un problema di base: raccogliere dati di alta qualità da molte persone con Parkinson è costoso e richiede tempo, quindi solo pochi gruppi ben finanziati possono farlo e spesso mantengono i dati privati.

Costruire una risorsa condivisa di passi reali

Il progetto WearGait-PD si è posto l’obiettivo di rimuovere questa barriera assemblando un ricco dataset pubblico. Il team ha registrato 185 volontari: 100 persone con malattia di Parkinson e 85 anziani di età simile senza la malattia. I partecipanti hanno svolto una serie di compiti di cammino ed equilibrio, come passeggiare a velocità confortevole, accelerare, camminare tallone-punta, stare in posizioni difficili, attraversare una porta e seguire un breve percorso interno che includeva corridoi e una sedia. Per ogni persona questi compiti hanno prodotto più prove, per un totale di oltre 1.500 registrazioni di movimento. Accanto ai dati dei sensori, i ricercatori hanno raccolto informazioni cliniche come età, punteggi di gravità della malattia, uso di farmaci e se la persona avesse un impianto cerebrale per gestire i sintomi.

Collegare il corpo e il pavimento

Per catturare il movimento in dettaglio, i partecipanti hanno indossato 13 piccoli sensori di movimento wireless sulla testa, sul tronco, sulle braccia, sulle gambe, sulle caviglie e sulla parte superiore dei piedi, oltre a una soletta intelligente all’interno di ogni scarpa. Questi dispositivi misuravano accelerazione, rotazione e pressione sotto i piedi ad alta frequenza. I partecipanti hanno camminato su una passerella speciale sensibile alla pressione—un tappetino sottile riempito di migliaia di piccoli sensori che rilevano esattamente dove e con quanta forza ogni passo impatta. Due videocamere, posizionate frontalmente e lateralmente, hanno filmato ogni compito. Successivamente, revisori addestrati hanno usato i video per annotare cosa faceva ciascuna persona fotogramma per fotogramma, inclusi episodi di freezing dell’andatura e inciampi. Tutte queste sorgenti—sensori corporei, solette, passerella e annotazioni video—sono state accuratamente sincronizzate fino a centesimi di secondo, in modo che un ricercatore possa allineare un passo visto in video con i segnali esatti di ogni sensore.

Trasformare segnali grezzi in dati affidabili

Raccogliere così tante informazioni è solo metà del lavoro; assicurarsi che siano pulite e affidabili è altrettanto importante. Il team WearGait-PD ha utilizzato un protocollo condiviso in tre centri medici in modo che i sensori fossero posizionati allo stesso modo su ogni partecipante. Dopo ogni sessione hanno revisionato e corretto le registrazioni grezze. Hanno risolto problemi come lievi ritardi temporali tra i sistemi, verificato che ogni appoggio fosse etichettato correttamente sulla passerella e confermato che i segnali degli indossabili rientrassero negli intervalli attesi. Ogni prova ha superato controlli automatici e revisioni umane, e eventuali problemi sono stati riparati o chiaramente segnalati. Il dataset finale include sia prove perfettamente complete sia alcune con piccole lacune ben documentate, offrendo agli utenti una visione realistica di cosa aspettarsi negli studi nel mondo reale.

Aprire la porta a nuovi strumenti

Tutti i dati di WearGait-PD sono liberamente disponibili tramite una piattaforma online, con una licenza che incoraggia il riutilizzo proteggendo al contempo la privacy dei partecipanti. Poiché il dataset collega segnali di movimento dettagliati con punteggi clinici e annotazioni video esperte, fornisce un banco di prova ideale per inventare nuovi algoritmi, addestrare modelli di machine learning e verificare se le misure digitali del cammino riflettano realmente la condizione di una persona. In termini pratici, questo significa che future app, solette intelligenti o monitor domestici per la malattia di Parkinson possono essere costruiti e validati più rapidamente e in modo più equo, usando prove condivise piuttosto che studi privati isolati. Per le persone che vivono con il Parkinson, ciò potrebbe tradursi in un tracciamento più accurato dei sintomi, terapie somministrate al momento giusto e un quadro più chiaro di come il loro cammino—e la loro vita quotidiana—stia cambiando nel tempo.

Citazione: 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

Parole chiave: Malattia di Parkinson, andatura, sensori indossabili, dataset aperto, salute digitale