Analisi ed implementazione di algoritmi per il monitoraggio del cammino in pazienti con Parkinson’s Disease

Il presente lavoro di tesi si focalizza sull'ottimizzazione di un algoritmo volto ad individuare irregolarità nelle deambulazioni di soggetti affetti da PD e, da esse, estrarre parametri importanti ai fini della valutazione dell'avanzamento della malattia stessa, mediante l'utilizzo di sensori inerziali indossabili. Il monitoraggio del PD, usualmente, avviene in strutture ospedaliere mediante l'utilizzo della Unified Parkinson’s Disease Rating Scale (UPDRS) con risultati soggetti ad alterazioni dovute alla stanchezza accumulata dai pazienti per raggiungere la struttura o anche alla troppo breve durata dei monitoraggi (risultati a breve termine) rendendo, così, questo metodo molto soggettivo. L'utilizzo di sensori inerziali, per un periodo che va dalle otto alle dodici ore, ha reso possibile l'analisi oggettiva delle deambulazioni dei pazienti e, inoltre, ha permesso di capire come e se variare la terapia seguita da un determinato paziente mediante l'analisi della qualità dell'andatura durante gli stati di ON (mentre ha effetto la Levodopa) e di OFF (quando la Levodopa inizia a non avere più effetto e ricompaiono i sintomi della malattia). Per l'acquisizione dei dati sono stati utilizzati tre sensori inerziali (Next-Generation IMU), posizionati rispettivamente su piede destro, piede sinistro e vita dei soggetti. Il software Matlab è stato utilizzato per la scrittura dell'algoritmo mentre App Designer per la realizzazione dell'interfaccia grafica, utile nel permettere a chiunque di poter utilizzare in maniera pratica ed intuitiva il codice. I risultati finali, relativi alla qualità dell'andatura e ai valori assunti dai parametri durante ogni deambulazione, vengono presentati in forma grafica e salvati, in formato pdf, all'interno di un report finale dal quale sarà possibile, in sviluppi futuri, studiare le correlazioni tra i parametri motori e stati di ON e di OFF.