Parkinson hastalığında yürüyüş donmasının belirtileri ve şiddeti üzerine çok katmanlı açıklamalı bir sensör veri seti

Orta Adımda Durmanın Neden Önemli Olduğu

Parkinson hastalığı olan birçok kişinin yürüyüşü sadece daha yavaş ya da daha titrek değildir—aniden durabilir. Bir anda ayakları yere yapışmış gibi hissederler, oysa çaresizce hareket etmeye çalışıyor olurlar. Yürüyüş donması olarak adlandırılan bu korkutucu olay, düşmelerin, yaralanmaların ve bağımsızlığın kaybının önde gelen nedenlerinden biridir. Bu özetin dayandığı makale, Parkinson’lu kişilerin günlük hareketlerini izleyen giyilebilir sensörlerden elde edilen zengin bir yeni veri seti olan FoG-STAR’ı tanıtıyor. Bu verileri dünya çapındaki bilim insanlarıyla açıkça paylaşarak, yazarlar bu tehlikeli donma olaylarını algılayabilen, ölçebilen ve nihayetinde önlemeye yardımcı olabilecek daha akıllı cihazlar ve algoritmalar geliştirme sürecini hızlandırmayı umuyorlar.

Gizli Giyilebilir Sensörlerle Hareketin İzlenmesi

Sadece klinikte doktorun kısa gözlemine güvenmek yerine, FoG-STAR projesi vücudun adım adım nasıl hareket ettiğini izlemek için dört küçük hareket sensörü kullanıyor. Yirmi iki gönüllü Parkinson hastası, her iki bileğe değilse bile her iki ayak bileğine, bir bileğe ve vücudun kütle merkezine yakın alt sırta sensörler taktı. Her cihaz, katılımcılar ayağa kalkma, oturma, on metre yürüme, yerinde dönme ya da bir kapı aralığından geçme gibi yaygın hareketleri yaparken vücudun farklı bölümlerinin ne kadar hızlı hareket ettiğini ve döndüğünü saniyede yüzlerce kez kaydetti. Tüm oturumlar, donma olaylarının daha olası olması için katılımcılar “ilaçsız” durumda iken kaydedildi. Aynı zamanda video kameralar her hareketi yakalayarak sensörlerin algıladıklarına görsel bir referans sağladı.

Ham Hareketten Etiketlenmiş Donma Epizodlarına

Sinyallerin toplanması hikâyenin sadece yarısıdır; diğer yarısı bunların ne anlama geldiğini anlamaktır. Her ikisi de hareket bozuklukları konusunda uzman iki nörolog videoları kare kare dikkatle inceledi. Her bir donma epizodunun ne zaman başladığını ve bittiğini işaretlediler ve nasıl göründüğünü tanımladılar—kişinin küçük adımlarla öne sürünmesi mi, bacakların hızlı hareketleriyle yerinde titremesi mi yoksa tamamen hareket edemez hale gelmesi mi. Ayrıca kişinin geri kalan zamanda ne yaptığını da etiketlediler: yürüme, ayakta durma, dönme, oturma veya duruş değişikliği. Bu ayrıntılı işaretlemeler daha sonra sensör verileriyle senkronize edilerek her anın klinik durumla eşlendiği zaman hizalı bir kayıt oluşturuldu. Bu çok katmanlı açıklama, donmayı izole bir nokta olarak değil bağlam içinde incelemeyi mümkün kılıyor.

Daha Akıllı Algoritmalar İçin Bir Kaynak Oluşturmak

Ortaya çıkan şey, her biri bir denek, görev, etkinlik ve donma etiketiyle ilişkilendirilmiş 329.000 sensör örneği içeren açık, düzenli bir koleksiyondur. Ayrı bir dosya, her katılımcının yaşını, hastalık evresini, hareket skorlarını, bilişsel yeteneğini, düşme korkusunu ve yaşam kalitesini listeliyor; böylece araştırmacılar donma örüntülerinin hastalar arasında nasıl farklılık gösterdiğini inceleyebilir. Makine öğrenmesi modelleriyle yapılan ilk testler, derin öğrenme yöntemlerinin özellikle ayak bileği sensörlerinden elde edilen veriler kullanıldığında donma epizodlarını yüksek doğrulukla tanıyabildiğini gösteriyor. Bu modeller FoG-STAR üzerinde eğitilip başka veri setlerine uyarlanabilecek düzeyde, bu da FoG-STAR’ın donmanın hareket sinyallerindeki temel özelliklerini yakaladığını düşündürüyor. Yazarlar ayrıca birden fazla sensörü senkronize etme ve verilerdeki zaman zaman oluşan boşluklarla başa çıkma gibi teknik konuları nasıl ele aldıklarını anlatarak benzer çalışmalar için bir yol haritası sunuyorlar.

Sınırlılıklar, Uyarılar ve Gerçek Dünya Kullanımı

Her bilimsel kaynak gibi, FoG-STAR’ın da sınırlılıkları var. Çalışma yalnızca 22 kişiyi kapsıyor, hepsi dikkatle kontrol edilmiş bir ortamda ve normal ilaçları kesilmiş halde test edilmiş, bu yüzden veriler evde veya daha hafif hastalık evrelerinde görülen donma çeşitliliğini tam olarak yansıtmayabilir. Her katılımcı her görevi tamamlamadı ve videolar saniyede on kareye düşürülmüş; bu da son derece kısa donma olaylarının tam olarak yakalanamayabileceği anlamına geliyor. Yine de veri seti, çeşitli yürüme desenleri, dönmeler ve duruş değişikliklerini kapsıyor ve sinyallerdeki küçük boşlukları ve kusurları düzleştirmek yerine görünür tutuyor; böylece araştırmacılar veriyi kendi amaçlarına göre nasıl temizleyeceklerine ve yorumlayacaklarına karar verebiliyorlar.

Parkinson’la Yaşayanlar İçin Bunun Anlamı

Günlük ifadeyle FoG-STAR, yürüyüş donmasının vücutta nasıl açığa çıktığını ayrıntılı, zaman damgalı bir günlük gibi araştırma topluluğuna sunuyor; bu günlük kelimelerle değil hareketle yazılmış. Bu günlüğü açık ve iyi belgelenmiş biçimde sunarak yazarlar mühendislerin, klinisyenlerin ve veri bilimcilerin yeni fikirleri ve araçları karşılaştırmaları için ortak bir başlangıç noktası veriyorlar. Zamanla bu tür çalışmalar, insanları donmadan hemen önce uyaran, donmaları azaltmak için tedavileri ayarlayan veya bir kişinin spesifik hareket desenlerine göre evde uygulanacak rehabilitasyon egzersizlerini yönlendiren giyilebilir cihazlara yol açabilir. FoG-STAR tek başına Parkinson’u veya yürüyüş donmasını tedavi etmese de, bir gün insanların daha güvenli ve kendinden emin yürümelerine yardımcı olabilecek teknolojiler için kritik bir temel atıyor.

Atıf: Borzì, L., Demrozi, F., Bacchin, R.A. et al. A multi-level annotated sensor dataset of gait freezing manifestations and severity in Parkinson’s disease. Sci Data 13, 305 (2026). https://doi.org/10.1038/s41597-026-06645-1

Anahtar kelimeler: Parkinson hastalığı, yürüyüş donması, giyilebilir sensörler, yürüme analizi, derin öğrenme