Multimodal mean and variability gait features for machine- learning discrimination between healthy middle-aged and older adults and participants with knee osteoarthritis, with exploratory Kellgren-Lawrence grading: a retrospective internal evaluation
Questo studio retrospettivo dimostra che un modello di fusione di apprendimento automatico multimodale, che combina le caratteristiche medie e di variabilità del cammino dai domini spazio-temporali, della pressione plantare e del range di movimento articolare, raggiunge un'elevata accuratezza nel distinguere gli adulti sani da quelli con osteoartrite del ginocchio, sebbene le sue prestazioni per la classificazione esplorativa della gravità secondo la scala di Kellgren-Lawrence siano state incoerenti tra i set di validazione e di test interno.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Camminare è un ritmo di cui raramente ci accorgiamo finché non vacilla. Per le persone con osteoartrite del ginocchio, una condizione in cui l'ammortizzazione all'interno dell'articolazione si consuma, quel ritmo cambia. Potrebbero camminare più lentamente, fare passi più brevi o spostare il peso in modo diverso per evitare il dolore. Gli scienziati sanno da tempo che il modo in cui una persona cammina contiene indizi sulla sua salute, ma hanno faticato a concordare su quali indizi siano i più importanti. È la media del modo in cui una persona si muove, o sono le minuscole oscillazioni momento per momento nel suo passo? La pressione sotto il piede racconta una storia diversa rispetto all'angolo del ginocchio? Comprendere questi dettagli è fondamentale perché potrebbe aiutare i medici a individuare la malattia precocemente o a monitorarne il progresso senza affidarsi esclusivamente alle radiografie, che mostrano la struttura ossea ma non come una persona si muova effettivamente.
Un team di ricercatori in Cina si è posto l'obiettivo di sbrogliare queste questioni ascoltando attentamente i passi di quasi 340 persone. Hanno riunito un gruppo di adulti sani, che andavano dall'età adulta alla terza età, e un secondo gruppo di persone con osteoartrite del ginocchio confermata. Utilizzando una passerella specializzata che misura la pressione sotto il piede e un sistema di telecamere che traccia il movimento delle articolazioni, hanno registrato come camminava ogni persona. I ricercatori non si sono limitati a guardare la velocità media o l'angolo medio di un ginocchio; hanno anche misurato quanto variassero quei numeri da un passo all'altro. Hanno trattato questi due tipi di informazioni — la media costante e la variabilità fluttuante — come flussi di dati separati, sperando che combinandoli si potesse creare un quadro più chiaro di chi ha la malattia e di chi no.
Lo studio si è concentrato su due obiettivi distinti. Primo, volevano vedere se un programma informatico potesse distinguere tra i camminatori sani e quelli con dolore al ginocchio. Secondo, hanno cercato di vedere se gli stessi dati sul cammino potessero classificare i pazienti in diversi livelli di gravità, basandosi su una scala standard utilizzata dai medici per graduare il danno visto nelle radiografie. Per farlo, hanno fornito al computer dati provenienti da tre aree principali: come i piedi toccavano il terreno, come si muovevano le articolazioni e la tempistica dei passi. Hanno testato molti diversi approcci matematici per trovare quello che funzionasse meglio, dividendo attentamente i loro dati in modo che il computer imparasse su un set di persone e venisse poi testato su un set completamente diverso che non aveva mai visto prima.
I risultati per il primo obiettivo sono stati sorprendenti. Quando al computer veniva chiesto semplicemente di distinguere tra una persona sana e una con osteoartrite del ginocchio, diventava straordinariamente accurato. Combinando i modelli di camminata medi con le variazioni di tali modelli, il modello identificava correttamente i gruppi in quasi ogni caso. Gli indizi più importanti derivavano da un mix di fonti: quanto fosse costante il trasferimento del peso dal piede, quanto si muovesse il ginocchio e quanto fosse stabile la caviglia. Ciò suggerisce che la malattia cambi sia la strategia complessiva che una persona usa per camminare, sia la stabilità di tale strategia. Il computer non aveva bisogno di fare affidamento su un solo tipo di misurazione; la forza derivava dall'ascoltare l'intera storia del cammino.
Tuttavia, il secondo obiettivo si è rivelato molto più difficile. Quando i ricercatori hanno chiesto al computer di graduare la gravità della malattia — distinguendo tra casi lievi, moderati e gravi in base al solo cammino — i risultati sono stati incoerenti. Il modello che funzionava bene per individuare la malattia non riusciva a classificare in modo affidabile i pazienti in base a quanto fosse grave la loro condizione. Nella fase di test, il computer spesso confondeva i diversi livelli di gravità, performando non meglio di un'ipotesi casuale in alcuni casi. Questo reperto è significativo perché suggerisce che, sebbene i modelli di camminata mostrino chiaramente che qualcosa non va, essi non si mappano necessariamente in modo diretto sul grado specifico di danno visto in una radiografia. Due persone con lo stesso livello di danno articolare potrebbero camminare in modo molto diverso, forse perché una ha adattato il proprio movimento per gestire il dolore mentre l'altra no.
I ricercatori hanno concluso che, sebbene l'analisi del cammino sia uno strumento potente per rilevare la presenza di osteoartrite del ginocchio, non è ancora uno strumento affidabile per valutarne la gravità. Lo studio evidenzia che il modo in cui camminiamo è un mix complesso di abitudini, risposte al dolore e limitazioni fisiche che non sempre si allineano perfettamente con il danno strutturale nell'articolazione. Per ora, il miglior uso di questa tecnologia sembra essere l'identificazione di chi necessita di ulteriore attenzione medica, piuttosto che cercare di sostituire la radiografia con una macchina che conta i passi. Il lavoro apre la porta a studi futuri per vedere se queste firme del cammino possano monitorare come la condizione di una persona cambi nel tempo, ma funge anche da promemoria del fatto che il corpo umano è troppo complesso per essere ridotto a un singolo punteggio semplice.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.