Titolo della tesi: INNOVATIVE METHODOLOGIES AND APPROACHES FOR ASSESSING BRADYKINESIA AND RELATED FEATURES IN PARKINSON’S DISEASE
La malattia di Parkinson (PD) è una patologia neurodegenerativa progressiva caratterizzata da una costellazione eterogenea di sintomi motori e non motori. Tra caratteristiche principali della malattia, la bradicinesia—definita come lentezza del movimento e una riduzione dell’ampiezza o della velocità (effetto sequenza) durante l’esecuzione prolungata di movimenti ripetitivi—riveste un ruolo fondamentale per la diagnosi clinica. Tuttavia, evidenze crescenti indicano che la bradicinesia non è una manifestazione esclusiva del PD, potendo essere riscontrata anche in pazienti affetti da altri disordini del movimento, quali il tremore essenziale (ET), in patologie neurologiche non primariamente caratterizzate da parkinsonismo e persino in soggetti anziani sani. La presenza di caratteristiche motorie sovrapponibili tra condizioni differenti complica l’accuratezza diagnostica e sottolinea la necessità di strumenti oggettivi e ad alta risoluzione per la valutazione fine della funzione motoria. La presente tesi affronta la fenomenologia e la fisiopatologia della bradicinesia in ampie coorti di pazienti affetti da PD, ET ed in soggetti anziani sani, impiegando registrazioni cinematiche ad alta risoluzione ed analisi del movimento tramite tecniche markerless di computer vision (CoV) in tre distinti studi sperimentali. Il nostro approccio si fonda sul concetto recentemente introdotto di “complesso della bradicinesia”, che scompone il fenomeno in quattro componenti fondamentali: lentezza del movimento, ipocinesia, disritmia ed effetto di sequenza. I nostri risultati dimostrano che specifiche combinazioni di caratteristiche cinematiche—in particolar modo la presenza simultanea di lentezza, ritmo irregolare ed effetto di sequenza—sono altamente predittive del PD, mentre la sola lentezza del movimento rappresenta un segno aspecifico. Inoltre, abbiamo validato l’impiego delle tecniche markerless basate su CoV come alternativa affidabile, scalabile e non invasiva rispetto ai sistemi optoelettronici tradizionali. Tali metodiche hanno mostrato un’elevata concordanza con le valutazioni cliniche e offrono importanti prospettive per il monitoraggio a distanza dei pazienti. Attraverso l’integrazione tra analisi oggettiva del movimento e valutazione video basata su intelligenza artificiale, questa tesi contribuisce allo sviluppo di strumenti di precisione per la diagnosi differenziale e il monitoraggio clinico dei disturbi del movimento e di altre condizioni neurologiche. Inoltre, essa evidenzia il potenziale della telemedicina e di modelli di cura sostenibili dal punto di vista ambientale, aprendo la strada a una più ampia implementazione nell’ambito della neurologia clinica.