Sviluppo e Validazione di un algoritmo automatico per la segmentazione dei passi di curva e di rettilineo = Development and Validation of an automatic algorithm for the segmentation of curved and straight steps

La malattia idiopatica di Parkinson (MP) è una malattia neurodegenerativa che, ad oggi, conta 20 nuovi casi all’anno su 100000 abitanti con una maggiore prevalenza sulla popolazione maschile. Ai primi stadi della malattia, i sintomi sono prevalentemente di carattere motorio e, per monitorare l’andamento della patologia, i clinici utilizzano l’esame dell’analisi del cammino per descrivere e misurare i parametri della deambulazione. L’analisi del cammino è spesso condotta unicamente lungo i tratti rettilinei e, solo negli ultimi anni, si è accresciuta l’attenzione per la deambulazione in curva, poiché il rischio di caduta è più alto e l’esecuzione più complessa, in quanto presuppone una buona capacità di coordinazione degli arti e di mantenimento dell’equilibrio. Al fine di poter analizzare i parametri della deambulazione nei due tratti del percorso, la tesi si pone l’obiettivo di sviluppare e validare un algoritmo automatico di segmentazione del cammino in passi di curva e passi di rettilineo. Nella fase di costruzione del sistema è stato utilizzato un dataset composto da 20 soggetti volontari sani e da 21 soggetto affetti da MP, mentre per la fase di validazione dell’algoritmo è stato utilizzato un dataset di 20 soggetti del gruppo di controllo e 20 soggetti del gruppo malato. A partire dai segnali basografici e goniometrici misurati, sono stati individuati tutti i singoli passi compiuti durante uno specifico task e sono stati calcolati la durata del passo, il range of motion, la velocità angolare e la differenza tra il picco k2 e k3 del segnale goniometrico, per poter utilizzare tali features per classificare i cicli del cammino in passi di rettilineo e di curva. Sono stati implementati due approcci di classificazione differenti: il primo si basa sull’utilizzo di un unico classificatore che analizza tutte le features calcolate su entrambe le gambe e, il secondo, sull’impiego di due classificatori in parallelo, in cui uno dei classificatori valuta i parametri della sola gamba destra e il secondo della sola gamba sinistra. Entrambi gli approcci classificano i cicli del cammino in passi di curva e passi di rettilineo con percentuali elevate di accuratezza e F1-score. L’analisi statistica ha dimostrato che, rispetto al primo approccio, grazie all’applicazione del secondo metodo di classificazione si ottengono delle percentuali di accuratezza leggermente più alte, pari a 96.2 ± 10.3 % nei controlli e 93.5 ± 13.9 % nei malati mentre, dalla valutazione dell’F1-score non si osserva una differenza statistica significativa. Infine, in questo lavoro di tesi, si è caratterizzato il cammino in curva valutando la durata media di percorrenza, il numero medio di passi compiuti e la percentuale di passi atipici. È stata condotta un’analisi statistica al fine di confrontare i parametri tra la popolazione sana e la malata, sia durante lo svolgimento del normal walking che del verbal fluency, studiando in che modo la stimolazione del DBS generi una variazione nei parametri del cammino: nella popolazione affetta da MP la durata di percorrenza delle curve, così come la percentuale di passi atipici compiuti dal lato più affetto, si riducono a seguito dell’intervento, avvicinandosi ai valori osservabili sul gruppo di controllo. In generale lo studio dimostra l’utilità dell’analisi del cammino in curva al fine di ottenere un quadro clinico più completo sulle reali capacità di deambulazione del soggetto.