Monitoraggio della motilità notturna su soggetti con Parkinson tramite sensori inerziali: un approccio di Supervised Learning = Monitoring Nocturnal Motility in Parkinson's Disease Subjects through Inertial Sensors: a Supervised Learning Approach

La Malattia di Parkinson è un disturbo neurodegenerativo che coinvolge funzioni quali il controllo del movimento e dell'equilibrio e ad oggi risulta essere la malattia più frequente tra i distrubi del movimento. Il Parkinson è diffuso in tutto il mondo e coinvolge tutti i gruppi etnici, mostrando riscontro in entrambi i sessi, con una lieve prevalenza verso i soggetti di sesso maschile. Secondo le statistiche raccolte in questi ultimi anni, l'età media di esordio risulta essere intorno ai 58-60 anni dei quali circa il 5% dei pazienti può presentare un esordio giovanile già tra i 21 ed i 40 anni, mentre la comparsa prima del compimento dei 20 anni si è dimostrata essere particolarmente rara. L'incidenza registrata sulla popolazione over 60 si aggira sull' 1-2% , sino a raggiungere il 3-5% nei casi in cui l'età sia superiore agli 85 anni. Tra tutti i disturbi che comporta la Malattia di Parkinson, i disturbi del sonno sono la complicanza che influisce maggiormente sulla salute fisica e mentale dei soggetti affetti da Parkinson, nello specifico le Ipocinesie e le Acinesie. Partendo da un campione rappresentativo costituito da circa trenta soggetti, suddivisi in due gruppi, di cui uno di controllo e uno formato da pazienti con diagnosi di Parkinson, di ognuno è stata monitorata l'attività motoria durante il sonno attraverso l'applicazione di un dispositivo che raccogliesse i parametri generati da accelerometro, giroscopio e magnetometro. Successivamente, partendo dai dati raccolti con sensori inerziali, sono state estrapolate delle features con l'obiettivo di fornire un'analisi quantitativa della motilità notturna. Al fine di effettuare un'analisi completa dal punto di vista sia quantitativo sia qualitativo, si è tenuto conto anche della percezione del sonno da parte dei soggetti in analisi. A tal proposito, sono stati somministrati due questionari: short-Pittsburg Sleep Quality Index (sPSQI) e Sleep Survey (SLEEPS), il primo comunemente utilizzato nella pratica clinica, dai quali si è ottenuto un punteggio che è stato utilizzato come feature. Su tutte le features raccolte è stato effettuato un processo di selezione, al fine di mantenere soltanto quelle con una buona correlazione rispetto alla diagnosi di Parkinson. Sulle features rimanenti sono stati implementati quattro classificatori, Support Vector Machine, K-Nearest Neighbour, Random Forest e Gradient Boosting, sui quali è stata effettuata un'ottimizzazione degli iperparametri e successivamente un confronto per identificare il modello ottimale. Infine, è stata proposta una soluzione di medicina pervasiva per l'home care con dispositivi wearable al fine di rendere possibile un continuo monitoraggio permettendo una maggiore accessibilità alle cure. Grazie a questo studio si sono riscontrate buone correlazioni tra diversi aspetti della motilità notturna e la diagnosi di Parkinson, inoltre, dalle analisi statistiche effettuate sui dati raccolti, si sono riscontrati ottimi risultati in termini di omogeneità e di normalità, dando così conferma della validità del lavoro eseguito.