Classificação por aprendizado de máquina de doença de Parkinson em estágio inicial usando características biomecânicas do movimento sentar-para-andar

Por que levantar de uma cadeira é importante

Para muitos adultos mais velhos, simplesmente levantar-se de uma cadeira e dar os primeiros passos pode parecer um tanto instável. Para pessoas nas fases muito iniciais da doença de Parkinson, esse movimento cotidiano pode revelar de forma silenciosa problemas no equilíbrio e no controle do movimento muito antes de os sintomas se tornarem evidentes. Este estudo investiga se uma breve tarefa de “sentar-para-andar”, combinada com sensores de movimento e aprendizado de máquina, pode ajudar a detectar a doença de Parkinson mais cedo e de forma mais objetiva do que a observação clínica padrão isolada.

Um olhar mais atento sobre um movimento cotidiano

Os pesquisadores concentraram-se na tarefa sentar-para-andar, que combina duas ações desafiadoras: levantar-se de uma cadeira e iniciar a marcha. Essa transição exige muito do equilíbrio porque o peso do corpo se desloca rapidamente para frente e para uma perna. No estudo, 63 pessoas com doença de Parkinson em estágio inicial e 43 adultos de idade semelhante sem a doença realizaram essa tarefa em velocidade confortável. Enquanto se moviam, um conjunto de câmeras, plataformas de força no chão e pequenos sensores nos músculos das pernas registraram como seus corpos e músculos se comportavam desde o instante em que inclinaram o tronco para frente até a conclusão dos dois primeiros passos.

De centenas de medições a alguns sinais-chave

Cada ensaio de sentar-para-andar foi dividido em fases, desde a primeira inclinação do tronco até o segundo apoio do pé, e foram extraídas mais de 200 medidas. Isso incluiu quão rapidamente o centro de massa do corpo se movia, quão longe ele se deslocava em relação à pressão sob os pés e como o tronco e as pernas rotacionavam. Algoritmos computacionais avançados vasculharam esse grande conjunto de dados. Utilizando métodos de random forest e gradient boosting, a equipe primeiro reduziu as medições para 26 que melhor separavam pessoas com Parkinson inicial de voluntários saudáveis. Uma análise estatística adicional então restringiu essa lista para apenas três marcadores biomecânicos que, em conjunto, carregavam a maior parte da informação útil.

Como o Parkinson inicial se manifesta em movimento

Os três marcadores cruciais capturaram como as pessoas controlavam sua massa corporal e o tronco ao levantar-se e dar os primeiros passos. Em comparação com pares saudáveis, aqueles com Parkinson em estágio inicial moveram seu centro de massa mais lentamente ao longo de toda a tarefa, deslocaram-no uma distância menor para frente em relação à pressão sob os pés durante a primeira fase de passo e flexionaram a parte superior das costas em um alcance menor. Esses padrões sugerem uma transferência de peso cautelosa e encurtada e um tronco mais rígido — alterações que podem ser compensações para manter o equilíbrio quando os circuitos cerebrais de planejamento do movimento já estão sutilmente comprometidos. O estudo também encontrou maiores diferenças esquerda–direita na atividade dos músculos da perna inferior no grupo com Parkinson, ecoando a tendência da doença de começar em um lado do corpo.

Ensinando computadores a reconhecer o padrão

Munida desses marcadores, a equipe treinou vários modelos de aprendizado de máquina para identificar quem tinha ou não a doença de Parkinson. Quando alimentado com as 200 medições originais, o melhor modelo, um classificador random forest, classificou corretamente os participantes em cerca de 87% das vezes. Usar as 26 características mais importantes melhorou isso ligeiramente para cerca de 92%. Notavelmente, quando o modelo passou a depender apenas dos três marcadores finais do sentar-para-andar, sua precisão manteve-se robusta, em torno de 85%. Isso mostra que mesmo um conjunto muito compacto de sinais de movimento, extraído de uma tarefa diária simples, pode fornecer informações confiáveis sobre a doença em estágio inicial.

O que isso pode significar para o cuidado cotidiano

Os autores concluem que mudanças sutis na forma como as pessoas se levantam e dão os primeiros passos podem servir como sinais de alerta sensíveis para a doença de Parkinson. Como os três marcadores-chave refletem pequenas variações na velocidade corporal total, na transferência de peso para frente e no movimento do tronco, eles poderiam potencialmente ser medidos com ferramentas mais simples, como sensores vestíveis ou plataformas de movimento em clínicas. Se confirmada em grupos maiores e mais diversos, essa abordagem poderia fornecer aos médicos uma maneira rápida e não invasiva de rastrear adultos mais velhos quanto ao Parkinson em fase inicial e identificar aqueles com maior risco de quedas — bem antes de surgirem sintomas mais óbvios.

Citação: 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

Palavras-chave: Doença de Parkinson, marcha e equilíbrio, aprendizado de máquina, biomecânica, diagnóstico precoce