Valutazione sperimentale della performance degli algoritmi di segmentazione del cammino tramite sensori inerziali nella malattia di Parkinson

Il morbo di Parkinson è un disturbo motorio degenerativo e progressivo classificato come malattia cerebrale. Tale sintomatologia provoca spesso alterazioni nei parametri temporali del cammino, grazie allo studio dei quali è possibile operare la stadiazione e il monitoraggio della patologia. Al fine di ricavare questi parametri, è necessario disporre di strumenti che possano identificare correttamente gli eventi del cammino. Ad oggi, grazie allo sviluppo dei sensori inerziali, sono stati implementati molteplici algoritmi per la segmentazione del passo su soggetti sani. Nei soggetti con Parkinson il pattern del cammino potrebbe risultare alterato, perciò non è assicurata la corretta identificazione degli eventi del cammino da parte dell’algoritmo. Uno studio precedente ha analizzato le performance di questi algoritmi su soggetti con Parkinson su tratti rettilinei di cammino, senza considerare eventuali fenomeni di freezing. Lo scopo di questa tesi è valutare le performance degli algoritmi di segmentazione del passo presenti in letteratura applicati ai dati inerziali di cammino di soggetti Parkinsoniani lasciati deambulare in condizioni ecologiche. 20 pazienti sono stati equipaggiati con 5 sensori inerziali posti su tronco, piedi e caviglie, ed è stata eseguita una six-minute walking. È stato poi sviluppato un algoritmo che elimina i momenti di pausa e svolta durante il task motorio e lascia inalterati i momenti di freezing, se presenti. Il segnale risultante è stato poi applicato agli algoritmi alcuni dei quali non sono risultati utilizzabili per la determinazione degli eventi del cammino. Grazie ad un’analisi di ripetibilità del pattern del cammino tramite ICC intrasoggetto e rispetto sani, si possono definire le linee guida di utilizzo dell’algoritmo migliore da utilizzare