Maskininlärningsklassificering av tidig Parkinsons sjukdom med hjälp av sit-to-walk biomekaniska egenskaper

Varför det spelar roll att resa sig från en stol

För många äldre vuxna kan det kännas en aning ostadigt att bara resa sig ur en stol och ta de första stegen. För personer i mycket tidiga skeden av Parkinsons sjukdom kan denna vardagliga rörelse diskret avslöja problem med balans och rörelsekontroll långt innan symtomen blir tydliga. Denna studie undersöker om en kort "sit-to-walk"-uppgift, kombinerad med rörelsesensorer och maskininlärning, kan hjälpa till att upptäcka Parkinsons sjukdom tidigare och mer objektivt än enbart standard klinisk observation.

En närmare titt på en vardagsrörelse

Forskningsteamet fokuserade på sit-to-walk-uppgiften, som förenar två utmanande handlingar: att resa sig upp från en stol och att starta gång. Denna övergång belastar balansen eftersom kroppsvikten snabbt förskjuts framåt och över på ett ben. I studien utförde 63 personer med tidig Parkinsons sjukdom och 43 jämnåriga vuxna utan sjukdomen uppgiften i bekvämt tempo. Under rörelsen fångade en uppsättning kameror, kraftplattor i golvet och små sensorer på benmusklerna hur deras kroppar och muskler uppförde sig från det ögonblick de lutade sig framåt till avslutad andra stegfot.

Från hundratals mätvärden till några få nyckelsignaler

Varje sit-to-walk-försök delades in i faser, från första bållutningen till andra fotisättningen, och mer än 200 mått extraherades. Dessa inkluderade hur snabbt kroppens totala masscentrum rörde sig, hur långt det försköts i förhållande till trycket under fötterna och hur bröstkorg och ben roterade. Avancerade datoralgoritmer gick igenom denna stora datamängd. Med hjälp av random forest- och gradient‑boosting-metoder reducerade teamet först mätningarna till 26 som bäst skiljde personer med tidig Parkinsons från friska försökspersoner. En vidare statistisk analys förkortade därefter listan till endast tre biomekaniska markörer som tillsammans bar största delen av den användbara informationen.

Hur tidig Parkinson rör sig

De tre avgörande markörerna fångade hur personer kontrollerade sin kroppsmassa och bålen vid uppresning och de första stegen. Jämfört med friska jämnåriga rörde sig personer med tidig Parkinsons sjukdom kroppens masscentrum långsammare över hela uppgiften, försköt det en kortare sträcka framåt i förhållande till trycket under fötterna under den första stegfasen och böjde överkroppen framåt genom en mindre rörelseomfång. Dessa mönster tyder på en försiktig, förkortad viktförskjutning och en stelare båle—förändringar som kan vara kompensationer för att behålla balansen när hjärnans rörelseplanerande kretsar redan är subtilt påverkade. Studien fann också större vänster–höger-skillnader i underbensmusklernas aktivitet i Parkinsonsgruppen, vilket speglar sjukdomens tendens att börja på ena sidan av kroppen.

Lära datorer att känna igen mönstret

Med dessa markörer tränade teamet flera maskininlärningsmodeller för att avgöra vem som hade Parkinsons sjukdom och vem som inte hade det. När alla ursprungliga cirka 200 mätvärden matades in klassificerade den bästa modellen, en random forest-klassificerare, deltagarna korrekt ungefär 87 % av gångerna. Genom att använda de 26 viktigaste funktionerna förbättrades detta något till cirka 92 %. Anmärkningsvärt nog förblev modellens noggrannhet stark, cirka 85 %, även när den enbart byggde på de tre slutliga sit-to-walk-markörerna. Detta visar att även en mycket kompakt uppsättning rörelsesignaler, hämtade från en enkel daglig uppgift, kan ge robust information om sjukdom i tidigt skede.

Vad detta kan innebära för vardaglig vård

Författarna drar slutsatsen att subtila förändringar i hur människor reser sig och tar sina första steg kan fungera som känsliga tidiga varningssignaler för Parkinsons sjukdom. Eftersom de tre nyckelmarkörerna speglar små förändringar i helkroppshastighet, framåtriktad viktöverföring och bålrörelse, skulle de potentiellt kunna mätas med enklare verktyg såsom bärbara sensorer eller klinikbaserade rörelseplattformar. Om resultaten bekräftas i större och mer varierade grupper kan detta tillvägagångssätt ge läkare ett snabbt, icke-invasivt sätt att screena äldre för tidig Parkinsons sjukdom och att identifiera dem med högre fallrisk—långt innan mer uppenbara symtom uppträder.

Citering: 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

Nyckelord: Parkinsons sjukdom, gång och balans, maskininlärning, biomekanik, tidig diagnos