I dati ottenuti attraverso uno smartwatch potrebbero un giorno permettere di anticipare la diagnosi di Malattia di Parkinson.

È quanto emerge dai risultati di uno studio inglese, i cui risultati sono stati pubblicati su Nature Medicine, che ha messo in relazione parametri relativi al movimento e al sonno con il rischio di sviluppare negli anni successivi la patologia neurodegenerativa (1).

Lo studio ha preso in considerazione i dati della UK Biobank relativi a 103.000 persone di età compresa tra 40 e 69 anni. I ricercatori hanno utilizzato le rilevazioni del movimento effettuate grazie agli accelerometri degli smartwatch per addestrare un modello di machine learning in grado di suggerire la presenza o la futura insorgenza del Parkinson. In seguito hanno valutato la performance di questo modello rispetto ad altri fattori in grado di indirizzare la diagnosi: genetica, stile di vita, parametri ematochimici, segni prodromici.

I risultati hanno messo in evidenza come i modelli di apprendimento basati sulle caratteristiche del movimento e del sonno fossero in grado di diagnosticare la malattia di Parkinson in anticipo e con maggiore accuratezza rispetto agli altri fattori presi in considerazione.

Gli autori concludono che i risultati dello studio potrebbero aprire alla possibilità di utilizzare i dati degli smartwatch per implementare dei programmi di screening della Malattia di Parkinson, con nuove possibilità in termini di interventi diagnostici e terapeutici precoci.

Saranno però necessari ulteriori studi preferibilmente prospettici e randomizzati per indagare ulteriormente il valore predittivo delle informazioni derivanti dall’analisi del movimento e del sonno. La possibilità di utilizzare questi dati per costruire programmi di screening, infine, dovrà essere a sua volta analizzata in termini di rischi e benefici.

Bibliografia

1. Schalkamp AK, Peall KJ, Harrison NA, et al. Wearable movement-tracking data identify Parkinson’s disease years before clinical diagnosis. Nat Med 2023; https://doi.org/10.1038/s41591-023-02440-2.