La sindrome di Parkinson idiopatica è la seconda malattia neurodegenerativa più comune con un’incidenza crescente. Una diagnosi tempestiva nelle fasi iniziali della malattia è auspicabile per poter iniziare terapie efficaci il prima possibile. Una possibilità è la valutazione dei dati del sensore del polso.
La diagnosi della sindrome di Parkinson idiopatica (IPS) viene fatta per lo più clinicamente. I test diagnostici adiuvanti sono costosi, richiedono tempo, non sono sufficientemente disponibili o non sono specifici. Esiste quindi un’elevata necessità clinica di un metodo disponibile, poco costoso, oggettivo e interpretabile. L’apprendimento automatico può essere utilizzato per un’analisi significativa dei dati dei sensori di movimento. Tali dati possono essere raccolti, ad esempio, attraverso dispositivi indossati sul corpo (wearables). La combinazione di sensori diagnostici miniaturizzati e sempre più collegati in rete (Internet-of-Things, IoT) con metodi di apprendimento automatico offre l’opportunità di una metodologia diagnostica economica e allo stesso tempo altamente efficace.
È stato condotto uno studio proof-of-concept per un approccio diagnostico guidato dai dati con un modello gerarchico nella fase iniziale della PD, per raccogliere le metriche clinimetriche di un algoritmo diagnostico che utilizza l’apprendimento automatico e i dati del sensore del polso. I dati dell’accelerometro 3D sono stati raccolti da 25 pazienti in una fase iniziale della malattia e da 25 soggetti di controllo. Le registrazioni sono state effettuate con un Microsoft Band 2, che ha registrato i movimenti del braccio a una frequenza di campionamento di 62,5 Hz con i soggetti che si muovevano liberamente (impostazione di vita libera). I dati dei sensori sono stati inseriti in un modello gerarchico. L’algoritmo ha classificato 22 dei 25 pazienti con Parkinson come positivi e 21 delle 25 persone sane come negativi. La specificità era pari a 0,85, la sensibilità a 0,84. Il valore predittivo positivo era di 0,88, il valore predittivo negativo era di 0,84. L’accuratezza è stata di 0,86. I risultati sono promettenti e devono essere convalidati in ulteriori coorti con modelli ottimizzati.
Fonte: 92° Congresso della Società Tedesca di Neurologia (DGN)
InFo NEUROLOGY & PSYCHIATRY 2019; 17(6): 35 (pubblicato il 23.11.19, in anticipo sulla stampa).
