Identificazione precoce della malattia di Parkinson mediante analisi di dati acquisiti durante il mantenimento della stazione eretta.

La malattia di Parkinson (PD) rappresenta la seconda patologia neurodegenerativa più diffusa al mondo, caratterizzata da una progressiva degenerazione dei neuroni dopaminergici della substantia nigra che compromette severamente il controllo motorio automatico e l'equilibrio posturale. Il presente elaborato di tesi si propone di sviluppare un sistema automatizzato per l'identificazione precoce della malattia di Parkinson in fase clinica iniziale (de novo), superando i limiti soggettivi delle attuali scale di valutazione clinica come la MDS-UPDRS. L'approccio metodologico ha previsto l'analisi posturografica di 58 soggetti (30 sani di controllo e 28 pazienti parkinsoniani) durante il mantenimento della stazione eretta in due condizioni di feedback visivo: Occhi Aperti (OA) e Visione Occlusa (VO). Per superare i limiti di stazionarietà associati alle metriche lineari classiche, sono state utilizzate tecniche di dinamica non lineare, in particolare la Recurrence Quantification Analysis (RQA) e la Cross-Recurrence Quantification Analysis (CRQA), applicate alle traiettorie bidimensionali del Centro di Pressione (CoP). Le feature estratte allenato dieci classificatori basati su tecniche di Machine Learning,validati attraverso una procedura Leave-One-Subject-Out (LOSO). I risultati dimostrano che la rimozione del feedback visivo (VO) amplifica le instabilità latenti, facilitando la discriminazione patologica. Il modello K-Nearest Neighbors (KNN), si è dimostrato il miglior modello in tutte le configurazioni ed applicato alla configurazione ottimale, analisi multivariata con tecnica RQA (ML+AP) in Visione Occlusa con ritardo temporale τ=50, ha ottenuto le migliori performance, raggiungendo un'accuratezza globale dell'89.47%. Lo studio conferma che l'integrazione tra l'analisi delle dinamiche non lineari del Centro di Pressione (CoP) e gli algoritmi di intelligenza artificiale costituisce uno strumento promettente ed efficace per il supporto alla diagnosi precoce della malattia di Parkinson.