Parkinson hastalığında parmak vuru testi ile motor özelliklerin yorumlanabilir ve ayrıntılı video tabanlı nicelenmesi

Parmakları Tıklatmanın Beyin Sağlığını Nasıl Gösterdiği

Parkinson hastalığı olan birçok kişi için gömlek düğmelemek veya klavye kullanmak gibi günlük hareketler zamanla daha yavaş ve daha küçük hale gelir. Doktorlar bu değişiklikleri genellikle basit bir parmak vuru testi ile değerlendirir: hastalardan başparmak ve işaret parmaklarını hızlıca birbirine dokundurmaları istenir. Geleneksel olarak klinisyen testi izler ve tek bir puan verir. Bu çalışma, sıradan video kayıtları ve yapay zekânın o kısa testi daha zengin, objektif bir hareket değerlendirmesine dönüştürebileceğini; böylece Parkinson takibinin daha hassas ve evde yapılması daha kolay hale gelebileceğini gösteriyor.

Basit Görünen, Gizli Bir Karmaşıklık

Parmak vuru görevi basit görünse de uzmanlar bunun birkaç ayrı sorunu bir arada barındırdığını bilir. Parkinsonlular hareket büyüklüğünde azalma (hipokinezi), hareketlerin yavaşlaması (bradikinezi), birkaç saniye içinde performansta kademeli düşüş (dizi etkisi) ve düzensiz duraklamalar veya tereddütler (tereddüt-duraklamalar) gösterebilir. Bugüne dek bu örüntüler çoğunlukla gözle değerlendirilip tek bir şiddet puanında toplanıyordu; bu da klinisyenden klinisyene değişebiliyordu. Yazarlar bu testi parçalara ayırmayı, yalnızca videodan bu dört hareket sorununu ayrı ayrı ölçmeyi amaçladılar.

Ellerin Videosunu Sayılara Dönüştürmek

Araştırmacılar Kişiye Özel Parkinson Projesi’ne katılan 446 Parkinson hastasından alınan 4.000’den fazla parmak vuru videosunu analiz ettiler. Bilgisayar görüsü yazılımı kullanarak her karede elin başparmak ucu, işaret parmak ucu ve bilek gibi kilit noktalarını otomatik olarak tespit ettiler. Bu noktalardan, kişi vuruş yaparken başparmak ile işaret parmağı arasındaki değişen mesafeyi hesapladılar. Avuç uzunluğunu da izleyerek bu mesafeyi ölçeklendirdiler, böylece kamera açısı veya mesafesi farklı kayıtlar arasında kıyaslanabilir hale geldi. Açılıp kapanan parmakların dalga benzeri sinyali daha sonraki tüm hesaplamaların temelini oluşturdu.

Dört Tür Hareket Sorununu Ölçmek

Her sinyalden ekip, klinik olarak tanımlanmış dört hareket sorunuyla uyumlu olacak şekilde tasarlanmış kompakt 12 özellik seti çıkardı. Ortalama vuru yüksekliği parmakların ne kadar açıldığını yakalayarak hipokineziyi yansıttı. Sinyaldeki tepeler arasındaki süre ise her vuru döngüsünün ne kadar sürdüğünü göstererek bradikineziyi yansıttı. İki hız ölçüsü, vuruşların büyüklüğü ve zamanlaması hakkında bilgi birleştirdi. Ek özellikler, kısa test boyunca vuruşların küçülüp küçülmediğini veya yavaşlayıp yavaşlamadığını (dizi etkisi) ve vuruşların büyüklük, zamanlama ve hızındaki döngüler arası dalgalanmaları; ayrıca olağandışı uzun duraklamalar olarak sayılan kesintileri (tereddüt-duraklamalar) izledi. İstatistiksel testler, bu video tabanlı ölçümlerin çoğunun standart klinik skorla paralel şekilde kötüleştiğini; özellikle hareket büyüklüğü, yavaşlık ve düzensiz duraklamalarda güçlü ilişki olduğunu gösterdi.

Parkinson Hareketinde Daha İnce Örüntüleri Ortaya Çıkarmak

Bu ölçümlerin doğal olarak nasıl gruplaştığını görmek için yazarlar ilişkili özellikleri kümeliyen istatistiksel bir teknik kullandılar. Beklenen dört hareket alanı ortaya çıktı, ama veriler daha ince bir yapıya işaret etti. Özellikle, dizi etkisi ile tereddüt-duraklamalar her biri iki alt türe ayrılıyor gibiydi: biri hareket büyüklüğü ve hızındaki değişikliklerden kaynaklanan, diğeri ise zamanlama değişiklikleri ve kesintilerin varlığından kaynaklanan tür. Bu, yatakta tek bir sorun türü gibi görünenin aslında birkaç ayrı örüntüden oluşabileceğini; ve bir gün bunların farklı beyin değişiklikleri veya tedavi yanıtlarıyla ilişkilendirilebileceğini düşündürüyor.

Objektif Özelliklerden Pratik Puanlamaya

Bugünün altın standardı hâlâ Hareket Bozuklukları Derneği’nin Birleşik Parkinson Hastalığı Değerlendirme Ölçeği (MDS-UPDRS) olduğundan, araştırmacılar aynı zamanda özelliklerinin olağan parmak vuru şiddet puanlarını tahmin edip edemeyeceğini de sordular. Video özellikleriyle çeşitli makine öğrenmesi modelleri eğittiler. En iyi model, gradyan artırımlı karar ağacı sistemi, kayıtları hafif, orta veya şiddetli kategorilerine önceki video tabanlı yöntemlerden daha sık doğru yerleştirdi. Önemli olarak, aynı yaklaşım farklı bir kamera düzeniyle kaydedilmiş ayrı bir veri setinde de iyi çalıştı; bu da tek bir laboratuvar veya kliniğin ötesinde genellenebilir olduğunu gösteriyor.

Hastalar ve Bakım için Anlamı

Günlük diliyle bu çalışma, bir kişinin parmaklarını tıklattığı kısa bir videonun Parkinson hastalığının hareketlere etkisini ayrıntılı, objektif bir parmak izi haline dönüştürülebileceğini gösteriyor. Tek bir öznel skor yerine, doktorlar ve araştırmacılar hareketlerin ne kadar küçük, ne kadar yavaş, ne kadar çabuk yorulabilir ve ne kadar düzensiz olduğuna dair ayrı sayılar görebilir. Yöntem yalnızca bir kameraya ve yorumlanabilir ölçümlere dayandığı için büyük klinik denemelerde ve nihayetinde evde uzaktan kontrollerde kullanılabilir. Gelecek çalışmaların bu video tabanlı belirteçlerin ilaçla ve hastalığın yıllar içindeki ilerlemesiyle nasıl değiştiğini göstermesi gerekecek, ancak bu çerçeve Parkinson belirtilerinin daha hassas ve kullanışlı izlenmesine doğru önemli bir adımı işaret ediyor.

Atıf: 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

Anahtar kelimeler: Parkinson hastalığı, parmak vuru testi, bilgisayar görüsü, uzaktan motor değerlendirme, dijital biyobelirteçler