Applicazione e validazione di tecniche Markerless per l'analisi del cammino in bambini con sindrome dell'X fragile

La sindrome dell’X fragile (FXS) è la principale causa di disabilità intellettiva e disturbo dello spettro autistico di origine ereditaria. È determinata da una mutazione nel gene FMR1. Le persone affette da FXS possono manifestare alterazioni comportamentali, come iperattività e ansia, oltre a problematiche muscoloscheletriche, tra cui piedi piatti flessibili, lassità articolare e ridotto tono muscolare. Questi aspetti alterano la cinematica articolare e modificano l’attività muscolare durante il cammino. L’analisi del cammino in soggetti con FXS può offrire informazioni significative per valutare il controllo motorio; tuttavia, i disturbi comportamentali dei pazienti rendono complesso l’utilizzo delle tecniche standard, come la stereofotogrammetria. L’obiettivo di questo studio è validare l’utilizzo di tecniche markerless guidate dall’intelligenza artificiale nell’analisi del cammino, condotta in un ambiente familiare e accogliente, per valutare i bambini con FXS e quantificare le alterazioni motorie, confrontandole con quelle dei soggetti sani con sviluppo neurotipico. Sono stati valutati 13 bambini con FXS e 7 controlli sani, attraverso l’utilizzo di quattro videocamere commerciali sincronizzate. I dati relativi alla deambulazione sono stati analizzati attraverso l’utilizzo di tre diversi approcci di motion capture senza l’utilizzo di marker e specifici script Matlab del database del BioMovLab, per l’estrazione dei parametri spazio-temporali e il calcolo degli angoli articolari. Per il gruppo di controllo, è stato possibile utilizzare anche i dati provenienti dalla stereofotogrammetria optoelettronica. I risultati presentano il confronto tra i vari metodi riguardo gli angoli di flesso-estensione di anca e ginocchio e di dorsi-plantarflessione della caviglia, sia per i pazienti con FXS che per il gruppo di controllo. Viene inoltre riportato il confronto tra i due gruppi per valutare la capacità dei metodi markerless, guidati dall'intelligenza artificiale, di rilevare differenze nel cammino. Sono stati riportati infine i parametri spazio-temporali. Dall’analisi è emerso che solo il software Track On Field, un approccio markerless che implementa l’algoritmo di tracciamento del flusso ottico, ha prodotto risultati comparabili con quelli ottenuti tramite stereofotogrammetria. Al contrario, i due approcci basati sull’intelligenza artificiale hanno riscontrato delle difficoltà nella stima delle traiettorie dei marcatori necessari per definire la posa dei segmenti anatomici e quindi nel conseguente calcolo degli angoli articolari e dei parametri spazio-temporali nei bambini. Questo può essere imputabile al fatto che il training dataset utilizzato per sviluppare i metodi markerless applicati non presenta dati di bambini, né di soggetti patologici, ma è composto da una popolazione adulta sana.