Классификация на основе машинного обучения ранней стадии болезни Паркинсона с использованием биомеханических признаков при переходе из сидячего положения в ходьбу

Почему важно вставать со стула

Для многих пожилых людей простое вставание со стула и первые шаги вызывают некоторое чувство нестабильности. У людей на самой ранней стадии болезни Паркинсона это повседневное действие может незаметно выявлять проблемы с равновесием и контролем движений задолго до того, как симптомы становятся очевидными. В этом исследовании оценивалось, может ли короткое задание «встать и шагнуть», в сочетании с датчиками движения и методами машинного обучения, помочь обнаружить болезнь Паркинсона раньше и более объективно, чем стандартное клиническое наблюдение.

Внимательно рассматривая повседневное движение

Исследователи сосредоточились на задании «встать и шагнуть», которое сочетает два непростых действия: подъем со стула и немедленный выход в ходьбу. Этот переход нагружает систему равновесия, потому что вес тела быстро смещается вперед и опирается на одну ногу. В исследовании 63 человека с ранней стадией болезни Паркинсона и 43 сверстника без заболевания выполняли это задание в комфортном темпе. Пока они двигались, сеть камер, измерительные пластины в полу и небольшие датчики на мышцах ног фиксировали поведение тела и мышц от момента первого наклона до завершения двух первых шагов.

От сотен измерений к нескольким ключевым сигналам

Каждый пробный проход «встать и шагнуть» делили на фазы — от первого наклона туловища до второго касания стопы — и извлекали более 200 показателей. Среди них были скорость движения центра массы тела, расстояние его смещения относительно давления под стопами и углы поворота туловища и ног. Современные компьютерные алгоритмы просеяли этот большой массив данных. С помощью методов случайного леса и градиентного бустинга команда сначала сократила набор до 26 измерений, которые лучше всего разделяли людей с ранним Паркинсоном и здоровых добровольцев. Дальнейший статистический анализ отбросил лишнее и оставил всего три биомеханических маркера, которые в совокупности несли большую часть полезной информации.

Как выглядит ранний Паркинсон в движении

Три ключевых маркера отражали контроль за массой тела и положением туловища при подъеме и первых шагах. По сравнению с здоровыми сверстниками люди с ранней болезнью Паркинсона перемещали центр массы медленнее на протяжении всего задания, смещали его на меньшее расстояние вперед относительно давления под стопами в фазе первого шага и сгибали верхнюю часть спины в меньшем диапазоне. Эти паттерны указывают на осторожный, укороченный перенос веса и более жесткое туловище — изменения, которые могут быть компенсаторными, чтобы сохранить равновесие при уже тонких нарушениях в мозговых схемах планирования движений. В исследовании также обнаружили более выраженные асимметрии в активности мышц нижних конечностей слева и справа у группы с Паркинсоном, что согласуется с тенденцией заболевания начинаться с одной стороны тела.

Обучение компьютеров распознавать этот узор

Имея эти маркеры, команда обучила несколько моделей машинного обучения различать, у кого есть болезнь Паркинсона, а у кого нет. При подаче всех исходных ~200 измерений лучшая модель — классификатор случайного леса — правильно классифицировала участников примерно в 87% случаев. Использование 26 наиболее важных признаков немного повысило точность — до примерно 92%. Примечательно, что при опоре только на три итоговых маркера «встать и шагнуть» точность модели оставалась высокой — около 85%. Это показывает, что даже очень компактный набор сигналов движения, получаемый при простом повседневном задании, может давать устойчивую информацию о ранней стадии заболевания.

Что это может значить для ежедневной помощи

Авторы делают вывод, что тонкие изменения в том, как люди встают и делают первые шаги, могут служить чувствительными ранними признаками болезни Паркинсона. Поскольку три ключевых маркера отражают небольшие сдвиги в скорости всего тела, переносе веса вперед и движении туловища, их потенциально можно измерять с помощью более простых инструментов — носимых датчиков или клинических платформ для оценки движения. Если эти результаты подтвердятся в более крупных и разнообразных группах, такой подход мог бы дать врачам быстрый, неинвазивный способ скрининга пожилых людей на раннюю стадию болезни Паркинсона и выявления тех, кто имеет повышенный риск падений — задолго до появления более явных симптомов.

Цитирование: 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

Ключевые слова: Болезнь Паркинсона, ходьба и равновесие, машинное обучение, биомеханика, ранняя диагностика