Klasyfikacja choroby Parkinsona we wczesnym stadium za pomocą uczenia maszynowego na podstawie cech biomechanicznych ruchu „wstań i idź”

Dlaczego wstawanie z krzesła ma znaczenie

Dla wielu starszych osób samo wstawanie z krzesła i wykonanie pierwszych kroków bywa nieco chwiejne. U osób we wczesnym stadium choroby Parkinsona ten codzienny ruch może po cichu ujawnić problemy z równowagą i kontrolą ruchu na długo przed pojawieniem się oczywistych objawów. Badanie analizuje, czy krótka próba „wstań i idź”, połączona z czujnikami ruchu i uczeniem maszynowym, może pomóc wykryć chorobę Parkinsona wcześniej i bardziej obiektywnie niż samo badanie kliniczne.

Bliższe spojrzenie na codzienny ruch

Naukowcy skupili się na zadaniu „wstań i idź”, które łączy dwa wymagające działania: wstanie z krzesła i płynne przejście do chodu. Ta przemiana obciąża równowagę, ponieważ ciężar ciała szybko przesuwa się do przodu i na jedną nogę. W badaniu 63 osoby z wczesnym stadium choroby Parkinsona oraz 43 osoby w podobnym wieku bez choroby wykonały to zadanie w tempie komfortowym. Podczas ruchu zestaw kamer, płyt siłowych w podłożu i małych czujników umieszczonych przy mięśniach nóg rejestrował zachowanie ciała i mięśni od chwili pochylenia tułowia do zakończenia pierwszych dwóch kroków.

Od setek pomiarów do kilku kluczowych sygnałów

Każde wykonanie zadania „wstań i idź” podzielono na fazy, od pierwszego pochylenia tułowia do drugiego zetknięcia stopy z podłożem, i wyciągnięto ponad 200 miar. Obejmowały one szybkość przemieszczania się środka masy ciała, odległość jego przesunięcia względem nacisku pod stopami oraz rotacje tułowia i nóg. Zaawansowane algorytmy komputerowe przesiały ten duży zbiór danych. Z użyciem metod random forest i gradient-boosting zespół najpierw zawęził pomiary do 26 tych, które najlepiej odróżniały osoby z wczesnym Parkinsonem od zdrowych ochotników. Dalsza analiza statystyczna skróciła listę do zaledwie trzech markerów biomechanicznych, które łącznie zawierały większość przydatnych informacji.

Jak wygląda wczesny Parkinson w ruchu

Trzy kluczowe markery opisywały, jak osoby kontrolowały środek masy i tułów podczas wstawania i wykonywania pierwszych kroków. W porównaniu z rówieśnikami zdrowymi, osoby z wczesnym Parkinsonem przesuwały swój środek masy wolniej w trakcie całego zadania, przesuwały go na krótszą odległość do przodu względem nacisku pod stopami w pierwszej fazie stawiania kroku oraz prostowali górny odcinek pleców w mniejszym zakresie. Wzorce te sugerują ostrożne, skrócone przeniesienie ciężaru i sztywniejszy tułów — zmiany mogące być kompensacją dla utrudnień w obwodach planowania ruchu w mózgu, które są jeszcze subtelne. Badanie wykazało też większe różnice lewo‑prawo w aktywności mięśni podudzia w grupie z Parkinsonem, co odzwierciedla tendencję choroby do rozpoczynania się po jednej stronie ciała.

Uczenie komputerów rozpoznawania wzorca

Posiadając te markery, zespół trenował kilka modeli uczenia maszynowego, aby rozróżnić osoby z chorobą Parkinsona i bez niej. Kiedy modele otrzymały wszystkie 200 pierwotnych pomiarów, najlepszy model — klasyfikator random forest — poprawnie klasyfikował uczestników w około 87% przypadków. Użycie 26 najważniejszych cech nieco poprawiło wynik do około 92%. Co godne uwagi, gdy model opierał się tylko na trzech finalnych markerach z zadania „wstań i idź”, jego dokładność pozostała wysoka — około 85%. Pokazuje to, że nawet bardzo zwięzły zestaw sygnałów ruchowych, pochodzących z prostego, codziennego zadania, może dostarczyć solidnych informacji o chorobie we wczesnym stadium.

Co to może znaczyć dla codziennej opieki

Autorzy wnioskują, że subtelne zmiany w sposobie wstawania i wykonywania pierwszych kroków mogą służyć jako czułe wczesne sygnały ostrzegawcze choroby Parkinsona. Ponieważ trzy kluczowe markery odzwierciedlają niewielkie przesunięcia w prędkości całego ciała, przeniesieniu ciężaru do przodu i ruchu tułowia, można je potencjalnie mierzyć prostszymi narzędziami, takimi jak czujniki do noszenia lub platformy ruchu w gabinecie. Jeśli wyniki potwierdzą się w większych i bardziej zróżnicowanych próbach, podejście to mogłoby dać lekarzom szybki, nieinwazyjny sposób przesiewania osób starszych pod kątem wczesnego Parkinsona i identyfikowania tych o wyższym ryzyku upadków — na długo przed pojawieniem się bardziej oczywistych objawów.

Cytowanie: 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

Słowa kluczowe: choroba Parkinsona, chód i równowaga, uczenie maszynowe, biomechanika, wczesna diagnoza