Valutazione basata su video del test Timed Up and Go mediante la libreria Mediapipe = Video-based assessment of the Time-Up-and-Go Test using Mediapipe library

La malattia di Parkinson (MP) è la seconda patologia neurodegenerativa più diffusa e si caratterizza per la degenerazione dei neuroni dopaminergici nella Substantia nigra pars compacta (Snpc), con conseguenti sintomi motori quali tremore, bradicinesia e instabilità posturale, oltre a numerosi sintomi non motori che contribuiscono notevolmente alla disabilità. La valutazione clinica tradizionale si basa su osservazioni dirette e scale di valutazione standardizzate, ma negli ultimi anni le tecniche di Human Pose Estimation (HPE) hanno fornito strumenti innovativi e più accessibili per l’analisi del movimento umano. Le tecniche di Human Pose Estimation (HPE), basate su algoritmi di computer vision e machine learning, permettono di ricostruire la posa scheletrica del corpo a partire da immagini o video e monitorare il movimento del corpo nello spazio. In questo studio, MediaPipe Pose è stato utilizzato per la ricostruzione scheletrica di 31 pazienti con MP durante l’esecuzione del Timed Up and Go (TUG) test, permettendo l’estrazione di numerosi parametri spazio-temporali e cinematici in ambiente MATLAB. Tra questi sono stati calcolati: durate delle fasi del TUG, lunghezza, durata e simmetria dei passi, velocità, cadenza, percentuali di single e double support, angolo di inclinazione del busto. I parametri ottenuti sono stati confrontati con le principali scale cliniche (MDS-UPDRS, BBS, NFoGQ, PFS-16).I risultati mostrano che le misure temporali, relative e angolari, come la durata del passo, la cadenza, le percentuali di single e double support e l'inclinazione del busto, risultano coerenti con quanto riportato in letteratura e significativamente correlate con le valutazioni cliniche della gravità motoria e della stabilità posturale. Anche alcune misure spaziali, come la lunghezza dei passi e la simmetria, pur essendo più soggette a distorsioni, mostrano correlazioni significative con le scale cliniche, confermando il potenziale dell’HPE per la caratterizzazione dell’andatura nei pazienti con MP. Nonostante ciò, il modello presenta ancora limiti di precisione, in particolare per la stima di alcune articolazioni e a causa di distorsioni spaziali dovute alla stima poco accurata della profondità delle immagini. Questi risultati indicano che, sebbene alcuni parametri rappresentino correttamente le caratteristiche dell’andatura nei pazienti con MP, è necessario perfezionare il sistema per renderlo uno strumento affidabile per l’applicazione clinica quotidiana e per l’analisi dettagliata del movimento.