Sensori indossabili e sistema di apprendimento automatico possono identificare la malattia di Parkinson

La malattia di Parkinson si sviluppa lentamente e per diagnosticare questo disturbo del movimento spesso devastante, soprattutto nelle sue fasi iniziali, di solito è necessario che i pazienti eseguano una serie di compiti di movimento, osservino i loro schemi di deambulazione e di movimento e testino i loro riflessi. In generale, questo processo richiede molto tempo e richiede grandi sforzi sia per i medici che per i pazienti.

I ricercatori del Center for Bioinformatics and Computational Biology (CBCB) dell’Università del Maryland, College Park, hanno pubblicato una ricerca che potrebbe presto rendere la diagnosi più facile per tutti i soggetti coinvolti.

I ricercatori stanno lavorando con i colleghi dell’Università del Maryland a Baltimora e altrove per utilizzare algoritmi di apprendimento automatico per analizzare i dati provenienti da sensori di rilevamento del movimento indossabili per aiutare ad automatizzare parti del processo. I ricercatori affermano che ciò potrebbe in definitiva portare a diagnosi più accurate e rapide, che a loro volta potrebbero portare a interventi terapeutici più precoci.

Rana Khalil, una studentessa di dottorato al sesto anno in informatica presso l’Università del Minnesota, è l’autrice principale di un nuovo studio carta Dettagli della ricerca pubblicati sulla rivista SensoriHa lavorato al progetto con il suo consulente, Michael Cummings, professore di biologia e direttore della CBCB.

La malattia di Parkinson inizia con sintomi lievi, come un leggero tremore a una mano, ma può progredire fino a una grave rigidità muscolare e all’incapacità di camminare senza assistenza. Secondo il National Institutes of Health, a circa 500.000 persone negli Stati Uniti è stata diagnosticata la malattia di Parkinson. Ma poiché così tante persone non vengono diagnosticate – o vengono diagnosticate erroneamente – gli esperti ritengono che fino a 1 milione di americani potrebbero soffrire di questa malattia debilitante.

Questa significativa discrepanza evidenzia uno dei problemi fondamentali che medici e pazienti devono affrontare: la sfida di diagnosticare accuratamente la malattia. “Diagnosticare i disturbi del movimento è molto difficile”, afferma Cummings, che ha un appuntamento presso l’Institute for Advanced Computational Studies (UMIACS) dell’Università del Maryland. “Gran parte del processo è soggettivo, quindi non è molto accurato”.

Ha aggiunto che avere un metodo di diagnosi più accurato potrebbe aiutare ad alleviare il disagio fisico e psicologico che i pazienti devono affrontare riducendo le visite cliniche multiple e le diagnosi errate.

Sebbene in passato siano stati sviluppati sensori indossabili per la diagnosi del morbo di Parkinson, la loro complessità ha impedito ai medici di utilizzarli nelle cliniche. Cummings ha affermato che la nuova ricerca semplifica l’uso dei sensori e dell’apprendimento automatico in ambito clinico.

Lo studio ha dimostrato che un singolo sensore posizionato sulla parte bassa della schiena e un singolo compito motorio che coinvolge più movimenti possono distinguere efficacemente le persone con malattia di Parkinson dalle persone normali. I ricercatori hanno poi sviluppato un sofisticato quadro di apprendimento automatico che analizza modelli e differenze nei dati.

Ciò ha migliorato l’identificazione dei sintomi della malattia e l’accuratezza diagnostica, con lo studio che riporta un’accuratezza del 92,6% nell’identificazione dei partecipanti nei diversi stadi della malattia di Parkinson, superando l’accuratezza dell’81% precedentemente riportata per la diagnosi clinica da esperti di disturbi del movimento.

Guardando al futuro, i ricercatori del Parkinson’s Center for Movement Medicine sono già profondamente coinvolti in uno studio correlato volto a distinguere il Parkinson da altri disturbi del movimento, nel tentativo di migliorare ulteriormente la precisione e scoraggiare diagnosi errate.