Classificazione mediante apprendimento automatico del morbo di Parkinson in fase iniziale usando caratteristiche biomeccaniche del passaggio da seduto a cammino

Perché alzarsi da una sedia è importante

Per molti anziani, semplicemente alzarsi da una sedia e compiere i primi passi può risultare un po’ incerto. Per le persone nelle primissime fasi del morbo di Parkinson, questo gesto quotidiano può rivelare in modo silenzioso problemi nel controllo dell’equilibrio e del movimento molto prima che i sintomi diventino evidenti. Questo studio esplora se un breve compito “sit-to-walk”, combinato con sensori di movimento e apprendimento automatico, possa aiutare a rilevare il Parkinson in modo più precoce e oggettivo rispetto alla sola osservazione clinica standard.

Uno sguardo più attento a un movimento quotidiano

I ricercatori si sono concentrati sul compito sit-to-walk, che fonde due azioni impegnative: alzarsi da una sedia e iniziare a camminare. Questa transizione mette alla prova l’equilibrio perché il peso del corpo si sposta rapidamente in avanti e su una gamba. Nello studio, 63 persone con Parkinson in fase iniziale e 43 adulti di età simile senza la malattia hanno eseguito questo compito a velocità confortevole. Durante il movimento, una serie di telecamere, piastre di forza nel pavimento e piccoli sensori sui muscoli delle gambe hanno registrato come si comportavano corpo e muscoli dall’istante in cui si inclinarono in avanti fino al completamento dei primi due passi.

Dalle centinaia di misure ad alcuni segnali chiave

Ogni prova sit-to-walk è stata suddivisa in fasi, dal primo piegamento del tronco al secondo appoggio del piede, e sono state estratte più di 200 misure. Queste includevano la rapidità con cui si muoveva il centro di massa complessivo del corpo, quanto si spostava rispetto alla pressione sotto i piedi e come ruotavano tronco e gambe. Algoritmi avanzati hanno setacciato questo ampio insieme di dati. Usando metodi come random forest e gradient boosting, il team ha inizialmente ridotto le misure a 26 che meglio separavano le persone con Parkinson precoce dai volontari sani. Un’ulteriore analisi statistica ha poi ridotto l’elenco a solo tre marcatori biomeccanici che, insieme, contenevano la maggior parte delle informazioni utili.

Come si manifesta il Parkinson iniziale nel movimento

I tre marcatori cruciali descrivevano come le persone controllavano la massa corporea e il tronco mentre si alzavano e compivano i primi passi. Rispetto ai coetanei sani, chi aveva il Parkinson in fase iniziale ha mosso il centro di massa più lentamente lungo l’intero compito, lo ha spostato di una distanza minore in avanti rispetto alla pressione sotto i piedi durante la prima fase del passo e ha flette il dorso superiore con un’escursione minore. Questi schemi suggeriscono uno spostamento di peso più cauto e ridotto e un tronco più rigido—cambiamenti che possono essere compensazioni per mantenere l’equilibrio quando i circuiti cerebrali che pianificano il movimento sono già leggermente compromessi. Lo studio ha inoltre rilevato maggiori differenze destra–sinistra nell’attività dei muscoli della gamba inferiore nel gruppo Parkinson, rispecchiando la tendenza della malattia a iniziare da un lato del corpo.

Insegnare ai computer a riconoscere il modello

Con questi marcatori, il team ha addestrato diversi modelli di apprendimento automatico a distinguere chi aveva e chi non aveva il Parkinson. Quando sono stati usati tutti i 200 parametri originali, il modello migliore, un classificatore random forest, ha classificato correttamente i partecipanti circa l’87% delle volte. L’uso delle 26 caratteristiche più importanti ha migliorato leggermente questo valore, portandolo a circa il 92%. Sorprendentemente, quando il modello si è basato solo sui tre marcatori finali del sit-to-walk, la sua accuratezza è rimasta robusta, intorno all’85%. Questo dimostra che anche un insieme molto compatto di segnali di movimento, ricavati da un semplice compito quotidiano, può fornire informazioni solide sulla malattia in fase iniziale.

Cosa potrebbe significare per la cura quotidiana

Gli autori concludono che cambiamenti sottili nel modo in cui le persone si alzano e compiono i primi passi possono costituire segnali di allarme sensibili per il morbo di Parkinson. Poiché i tre marcatori chiave riflettono piccole variazioni nella velocità del corpo, nel trasferimento del peso in avanti e nel movimento del tronco, potrebbero essere misurati con strumenti più semplici come sensori indossabili o piattaforme di movimento in ambulatorio. Se confermata in gruppi più ampi e diversi, questa strategia potrebbe offrire ai medici un modo rapido e non invasivo per screeningare gli anziani per il Parkinson precoce e per identificare chi è a maggior rischio di cadute—molto prima che emergano sintomi più evidenti.

Citazione: Kim, M., Youm, C., Park, H. et al. Machine learning classification of early-stage Parkinson’s disease using sit-to-walk biomechanical features. Sci Rep 16, 10559 (2026). https://doi.org/10.1038/s41598-026-45122-y

Parole chiave: Morbo di Parkinson, andatura e equilibrio, apprendimento automatico, biomeccanica, diagnosi precoce