Интерпретируемая и детализированная видеоснованная количественная оценка моторных характеристик при тесте на постукивание пальцами при болезни Паркинсона

Почему постукивание пальцами может рассказать о здоровье мозга

У многих людей с болезнью Паркинсона повседневные движения, такие как застёгивание пуговиц или набор текста, постепенно становятся медленнее и мельче. Врачи часто оценивают эти изменения с помощью простого теста — постукивания пальцами: пациент быстро соприкасается большим и указательным пальцем. Традиционно клиницист наблюдает за выполнением и выставляет единую оценку. В этом исследовании показано, как обычные видеозаписи и искусственный интеллект могут превратить этот короткий тест в богатый, объективный отчёт о нарушениях движений, что потенциально делает мониторинг болезни Паркинсона более точным и удобным для домашнего использования.

Простой тест со скрытой сложностью

Задача постукивания пальцами кажется простой, но специалисты знают, что в ней скрыто несколько разных нарушений одновременно. У людей с Паркинсоном могут проявляться уменьшение амплитуды движения (гипокинезия), замедление движений (брадикинезия), постепенное ухудшение выполнения в течение нескольких секунд (так называемый эффект последовательности) и нерегулярные паузы или колебания (колебательные остановки). До сих пор эти паттерны в основном оценивали визуально и сводили к одной суммарной оценке, которая может варьироваться между врачами. Авторы поставили цель разделить этот тест на части, измеряя каждое из четырёх двигательных нарушений отдельно, используя только видео.

Преобразование видео рук в числа

Исследователи проанализировали более 4 000 видео с тестом постукивания пальцами от 446 человек с болезнью Паркинсона, участвовавших в Personalized Parkinson Project. С помощью программного обеспечения компьютерного зрения они автоматически определяли ключевые точки на руке — например, кончики большого и указательного пальцев и запястье — на каждом кадре. По этим точкам вычисляли меняющееся расстояние между большим и указательным пальцем в процессе постукивания. Также отслеживая длину ладони, они масштабировали это расстояние, чтобы измерения были сопоставимы, даже если угол камеры или расстояние до неё отличались между записями. Получившийся волнообразный сигнал открытия и закрытия пальцев стал основой для всех последующих расчётов.

Измерение четырёх типов двигательных нарушений

Из каждого сигнала команда выделила компактный набор из 12 признаков, соответствующих четырём клинически определённым проблемам движения. Средняя высота постукивания отражала, насколько широко открывались пальцы, что указывает на гипокинезию. Время между пиками сигнала показывало длительность каждого цикла постукивания, отражая брадикинезию. Две меры скорости объединяли информацию о размере и времени постукиваний. Дополнительные признаки отслеживали, сжимались ли или замедлялись ли постукивания в коротком тесте (эффект последовательности), а также насколько варьировали размер, время и скорость постукиваний от цикла к циклу, включая необычно длинные паузы, учитываемые как прерывания (колебательные остановки). Статистические тесты показали, что большинство этих видеобазированных мер ухудшались вместе со стандартной клинической оценкой, особенно показатели амплитуды движения, замедления и нерегулярных пауз.

Выявление более тонких паттернов движений при Паркинсоне

Чтобы изучить, как эти измерения естественным образом группируются, авторы применили статистический метод кластеризации связанных признаков. Ожидаемые четыре домена движений действительно проявились, но данные подсказали ещё более тонкую структуру. В частности, эффект последовательности и колебательные остановки, по-видимому, каждый делились на два подтипа: один обусловлен изменениями в размере и скорости движений, а другой — изменениями во временных параметрах и присутствием прерываний. Это наводит на мысль, что то, что кажется единым видом проблемы у постели больного, на самом деле может состоять из нескольких разных паттернов, которые со временем могут быть связаны с различными изменениями в мозге или ответом на лечение.

От объективных признаков к практической оценке

Поскольку нынешним эталоном остаётся шкала MDS‑UPDRS (Unified Parkinson’s Disease Rating Scale) от Общества двигательных расстройств, исследователи также проверили, могут ли их признаки предсказывать привычные баллы за тест постукивания пальцами. Они обучили несколько типов моделей машинного обучения на видеопризнаках. Лучшая модель, система бустинга на решающих деревьях, точнее распределяла записи по категориям лёгкой, средней и тяжёлой степени, чем предыдущие видеобазированные методы. Важно, что тот же подход хорошо показал себя и на отдельном наборе данных, записанном с другой камерной установкой, что говорит о возможности обобщения вне одной лаборатории или клиники.

Что это значит для пациентов и ухода

Проще говоря, эта работа показывает, что короткое видео человека, постукивающего пальцами, можно превратить в подробный, объективный «отпечаток» того, как болезнь Паркинсона влияет на движения. Вместо одной субъективной оценки врачи и исследователи могут видеть отдельные числа для того, насколько движения малы, медленны, утомляемы и нерегулярны. Поскольку метод опирается лишь на камеру и интерпретируемые измерения, он может применяться в крупных клинических испытаниях и, в перспективе, для удалённых проверок на дому. Будущие исследования должны показать, как эти видеомаркеры изменяются под действием препаратов и в течение лет заболевания, но предложенная структура — важный шаг к более точному и удобному мониторингу симптомов Паркинсона.

Цитирование: 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

Ключевые слова: болезнь Паркинсона, тест постукивания пальцами, компьютерное зрение, удалённая оценка моторики, цифровые биомаркеры