使用坐到走生物力学特征的机器学习对早期帕金森病进行分类

从椅子上站起来为何重要

对许多老年人来说，仅仅从椅子上站起并迈出最初几步就会感到有些不稳。对于处于帕金森病非常早期的人来说，这一日常动作可能会在症状明显出现之前，悄悄暴露出平衡和运动控制方面的问题。本研究探讨了一个简短的“坐到走”任务，结合运动传感器和机器学习，是否可以比仅凭临床观察更早且更客观地识别帕金森病。

仔细观察一个日常动作

研究者聚焦于坐到走任务，该动作融合了两个具有挑战性的动作：从椅子上站起并迅速进入行走状态。这个转换之所以考验平衡，是因为身体重量会迅速向前并转移到单侧下肢。在研究中，63名早期帕金森病患者和43名年龄相近的健康成人以舒适速度完成了该任务。运动过程中，若干摄像机、地板下的力板以及贴在腿部肌肉上的小型传感器，从他们开始前倾到完成前两步的全过程记录了身体和肌肉的行为。

从数百项测量到少数关键信号

每次坐到走试验被划分为若干阶段，从第一次躯干前倾到第二次着足，并提取了200多项测量值。这些包括身体整体质心移动的速度、相对于足下压力的位移距离以及躯干和腿部的旋转等。先进的计算算法对这庞大的数据集进行筛选。研究组使用随机森林和梯度提升方法，先将测量项缩减到26项，这些项最能将早期帕金森患者与健康志愿者区分开来。随后进一步的统计分析又将名单精简为仅三项生物力学标记，这三项共同承载了大部分有用信息。

早期帕金森在动作中呈现的样貌

这三项关键标记反映了受试者在起身并迈出第一步时如何控制身体质心和躯干。与健康同龄人相比，早期帕金森患者在整个任务中质心移动更慢，在第一步阶段相对于足下压力的前移距离更短，上背部前屈的幅度也更小。这些模式提示出一种更为谨慎、受限的重量转移以及更僵硬的躯干——可能是当大脑的运动规划回路已出现微弱受损时，为保持平衡而采取的补偿性变化。研究还发现帕金森组下肢肌肉活动的左右差异更大，呼应了该病常常从身体一侧开始的特征。

教计算机识别这种模式

基于这些标记，研究者训练了若干机器学习模型来判断受试者是否患有帕金森病。当输入全部约200项原始测量值时，表现最佳的模型（随机森林分类器）约有87%的分类正确率。使用26项最重要特征时，这一数值略微提高到约92%。令人注目的是，当模型仅依赖最终筛选出的三项坐到走标记时，其准确率仍保持在约85%。这表明，即便是从一个简单日常动作中提取出的非常精简的一组运动信号，也能提供关于早期疾病的可靠信息。

这对日常护理可能意味着什么

作者得出结论：人们起身并迈出第一步的方式中存在的细微变化，可作为帕金森病的敏感早期预警信号。由于这三项关键标记反映的是全身速度、小幅向前的重量转移和躯干运动，它们可能用更简单的工具来测量，比如可穿戴传感器或临床用的运动平台。如果在更大且更具多样性的人群中得到证实，这一方法可为医生提供一种快速、无创的筛查手段，用于检测老年人群的早期帕金森病并识别跌倒风险较高者——远在更明显症状出现之前。

引用: 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

关键词: 帕金森病, 步态与平衡, 机器学习, 生物力学, 早期诊断