Oturup ayağa kalkma biyomekanik özelliklerini kullanarak erken evre Parkinson hastalığının makine öğrenmesi sınıflandırması

Sandalye­den kalkmanın önemi

Birçok yaşlı için sandalyeden kalkıp ilk birkaç adımı atmak bile biraz dengesiz hissettirebilir. Çok erken evredeki Parkinson hastaları içinse bu günlük hareket, belirtiler belirginleşmeden çok önce denge ve hareket kontrolünde sorunları sessizce ortaya çıkarabilir. Bu çalışma, kısa bir “oturup- yürüme” görevinin, hareket sensörleri ve makine öğrenmesi ile birleştirildiğinde, Parkinson hastalığını standart klinik gözleme kıyasla daha erken ve daha nesnel şekilde tespit edip etmeyeceğini araştırıyor.

Günlük bir harekete daha yakından bakış

Araştırmacılar, sandalyeden kalkma ile yürümeye başlama eylemlerini birleştiren ve iki zorlu hareketi içeren oturup-yürüme görevine odaklandı. Bu geçiş, vücut ağırlığının hızla öne ve tek bir bacak üzerine kayması nedeniyle dengeyi zorlar. Çalışmada, erken evre Parkinson hastası 63 kişi ve hastalığı olmayan benzer yaşlardaki 43 yetişkin bu görevi rahat bir hızda gerçekleştirdi. Hareket ederken, birçok kamara, yere gömülü kuvvet plakaları ve bacak kaslarına yerleştirilen küçük sensörler, kişilerin öne eğildikleri andan ilk iki adımın tamamlanmasına kadar vücut ve kas davranışlarını kaydetti.

Yüzlerce ölçümden birkaç ana sinyale

Her oturup-yürüme denemesi, ilk gövde eğilmesinden ikinci ayak basışına kadar çeşitli aşamalara ayrıldı ve 200’den fazla ölçüm çıkarıldı. Bunlar arasında vücudun genel kütle merkezinin ne kadar hızlı hareket ettiği, ayak altındaki basınca göre ne kadar kaydığı ve gövdeyle bacakların nasıl döndüğü yer aldı. Gelişmiş bilgisayar algoritmaları bu büyük veri kümesini eledi. Rastgele orman (random forest) ve gradyan artması (gradient-boosting) yöntemleri kullanılarak ekip, önce erken Parkinson’lu kişileri sağlıklı gönüllülerden en iyi şekilde ayıran 26 ölçümü belirledi. Daha sonra yapılan istatistiksel analiz bu listeyi, birlikte en fazla faydalı bilgiyi taşıyan sadece üç biyomekanik belirtece daralttı.

Erken Parkinson’un harekette nasıl göründüğü

Üç kritik belirteç, insanların kalkarken ve ilk adımları atarken kütle merkezlerini ve gövdelerini nasıl kontrol ettiklerini yakaladı. Sağlıklı yaşıtlarıyla karşılaştırıldığında, erken Parkinson’lu kişiler tüm görev boyunca kütle merkezini daha yavaş hareket ettirdi, ilk adım aşamasında ayak altındaki basınca göre kütle merkezini öne daha kısa mesafe kaydırdı ve üst sırtlarını daha küçük bir hareket aralığıyla öne doğru eğdiler. Bu desenler, beynin hareket planlama devreleri zaten ince şekilde bozulmuşken dengeyi korumak için yapılan dikkatli, kısaltılmış bir ağırlık transferi ve daha sert bir gövde duruşuna işaret ediyor olabilir. Çalışma ayrıca Parkinson grubunda alt bacak kası aktivitesinde sol-sağ arası daha büyük farklar buldu; bu, hastalığın genellikle vücudun bir tarafında başlamasına uygun bir bulgu.

Bilgisayarlara bu deseni öğretmek

Bu belirteçlerle donanmış ekip, birkaç makine öğrenmesi modelini Parkinson hastası olanları ve olmayanları ayırt edecek şekilde eğitti. Tüm 200 orijinal ölçüm beslendiğinde en iyi model olan rastgele orman sınıflandırıcısı katılımcıları yaklaşık %87 doğrulukla sınıflandırdı. En önemli 26 özellik kullanıldığında bu oran biraz artarak yaklaşık %92’ye çıktı. Dikkat çekici şekilde, model yalnızca son üç oturup-yürüme belirtecine dayandığında bile doğruluğu yaklaşık %85 civarında güçlü kaldı. Bu, basit bir günlük görevden elde edilen çok kompakt bir hareket sinyali setinin bile erken evre hastalık hakkında sağlam bilgi sağlayabileceğini gösteriyor.

Günlük bakım için olası etkileri

Yazarlar, insanların ayağa kalkma ve ilk adımlarını atma biçimlerindeki ince değişikliklerin Parkinson hastalığı için hassas erken uyarı işaretleri olabileceği sonucuna varıyor. Üç ana belirteç bütün vücut hızındaki küçük değişiklikleri, öne doğru ağırlık transferini ve gövde hareketini yansıttığı için, bunlar daha basit araçlarla —örneğin taşınabilir sensörler veya klinik tabanlı hareket platformlarıyla— ölçülebilir olabilir. Daha büyük ve daha çeşitli gruplarda doğrulanırsa, bu yaklaşım doktorlara, daha belirgin semptomlar ortaya çıkmadan önce yaşlıları erken Parkinson açısından hızlı, invazif olmayan bir şekilde tarama ve düşme riski yüksek olanları belirleme imkânı sağlayabilir.

Atıf: 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

Anahtar kelimeler: Parkinson hastalığı, yürüme ve denge, makine öğrenmesi, biyomekanik, erken tanı