Il morbo di Parkinson, in inglese Parkinson’s Disease (PD), è un disturbo neurodegenerativo che colpisce milioni di persone anziane a livello globale con un’incidenza in costante aumento [1]. Esso si manifesta prevalentemente tramite sintomi motori, come ad esempio tremori, congelamento dell’andatura e instabilità posturale. Possono anche manifestarsi sintomi non motori, come disturbi del sonno e depressione [2]. Dato l’aumento dei casi, si è vista la necessità di introdurre dei dispositivi in grado di diagnosticare e monitorare il progredire della malattia, anche con l’obiettivo di migliorare la qualità della vita dei pazienti. L’utilizzo di sensori inerziali indossabili, in particolare accelerometri e giroscopi, ha ottenuto risultati promettenti nell’analisi sia dei sintomi motori sia di quelli non motori [3]. Questi dispositivi, infatti, acquisiscono dati dei segnali triassiali relativi alle accelerazioni corporee da misurazioni in vari punti del corpo che, una volta elaborati mediante tecniche di filtraggio e da specifici algoritmi, forniscono informazioni essenziali su parametri clinicamente rilevanti. Per quanto riguarda il posizionamento, il polso è spesso preferito per utilità clinica e comodità del paziente [3][4], sebbene altre sedi risultino più adatte in funzione del sintomo da analizzare. Gli accelerometri possono rappresentare una risorsa anche per la diagnosi precoce del PD [5] tramite l’applicazione di modelli di apprendimento automatico per il Machine Learning (ML), come, ad esempio, le Neural Networks (NN), capaci di individuare pattern motori caratteristici già nelle fasi iniziali della malattia [6]. Nuovi sviluppi hanno introdotto tecnologie come smartphone e smartwatch che, attraverso gli accelerometri e i giroscopi al loro interno, possono fornire un maggiore supporto alla ricerca nel campo del PD. Lo sviluppo di applicazioni mobili consente il monitoraggio continuo e a distanza, favorendo la telemedicina e una gestione più efficace delle cure. Tuttavia, si evidenziano alcune criticità, come la mancanza di standardizzazione dei protocolli sperimentali, l’elevata variabilità dei dati e la necessità di validazioni cliniche su larga scala. L’obiettivo del presente lavoro è riassumere gli utilizzi principali degli accelerometri nel PD, descrivendone le modalità di applicazione e l’elaborazione di segnali e dati, in relazione ai diversi sintomi della malattia. Inoltre, si discutono i recenti sviluppi in ambito di monitoraggio e diagnosi precoce.
Applicazioni degli accelerometri nella diagnosi e nel monitoraggio del Parkinson's Disease
BARDELLE, NICOLA
2024/2025
Abstract
Il morbo di Parkinson, in inglese Parkinson’s Disease (PD), è un disturbo neurodegenerativo che colpisce milioni di persone anziane a livello globale con un’incidenza in costante aumento [1]. Esso si manifesta prevalentemente tramite sintomi motori, come ad esempio tremori, congelamento dell’andatura e instabilità posturale. Possono anche manifestarsi sintomi non motori, come disturbi del sonno e depressione [2]. Dato l’aumento dei casi, si è vista la necessità di introdurre dei dispositivi in grado di diagnosticare e monitorare il progredire della malattia, anche con l’obiettivo di migliorare la qualità della vita dei pazienti. L’utilizzo di sensori inerziali indossabili, in particolare accelerometri e giroscopi, ha ottenuto risultati promettenti nell’analisi sia dei sintomi motori sia di quelli non motori [3]. Questi dispositivi, infatti, acquisiscono dati dei segnali triassiali relativi alle accelerazioni corporee da misurazioni in vari punti del corpo che, una volta elaborati mediante tecniche di filtraggio e da specifici algoritmi, forniscono informazioni essenziali su parametri clinicamente rilevanti. Per quanto riguarda il posizionamento, il polso è spesso preferito per utilità clinica e comodità del paziente [3][4], sebbene altre sedi risultino più adatte in funzione del sintomo da analizzare. Gli accelerometri possono rappresentare una risorsa anche per la diagnosi precoce del PD [5] tramite l’applicazione di modelli di apprendimento automatico per il Machine Learning (ML), come, ad esempio, le Neural Networks (NN), capaci di individuare pattern motori caratteristici già nelle fasi iniziali della malattia [6]. Nuovi sviluppi hanno introdotto tecnologie come smartphone e smartwatch che, attraverso gli accelerometri e i giroscopi al loro interno, possono fornire un maggiore supporto alla ricerca nel campo del PD. Lo sviluppo di applicazioni mobili consente il monitoraggio continuo e a distanza, favorendo la telemedicina e una gestione più efficace delle cure. Tuttavia, si evidenziano alcune criticità, come la mancanza di standardizzazione dei protocolli sperimentali, l’elevata variabilità dei dati e la necessità di validazioni cliniche su larga scala. L’obiettivo del presente lavoro è riassumere gli utilizzi principali degli accelerometri nel PD, descrivendone le modalità di applicazione e l’elaborazione di segnali e dati, in relazione ai diversi sintomi della malattia. Inoltre, si discutono i recenti sviluppi in ambito di monitoraggio e diagnosi precoce.| File | Dimensione | Formato | |
|---|---|---|---|
|
Bardelle_Nicola.pdf
accesso aperto
Dimensione
524.71 kB
Formato
Adobe PDF
|
524.71 kB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/92531