يمثل مرض باركنسون (Parkinson's Disease) تحدياً حقيقياً للمرضى وعائلاتهم، حيث يتسم بتدهور تدريجي في الحركة، ويشمل ذلك تصاعد مشاكل المشي والزوايا التي يتحرك خلالها المريض. حتى الآن، كانت أدوات التقييم السريرية الحالية غير قادرة على رصد التغيرات الساعية في الأعراض، إذ كانت تقتصر على التقييمات القصيرة ضمن بيئات العيادات.

في هذا السياق، قدمت دراسة جديدة تعتمد على التعلم العميق (Deep Learning) طريقة مبتكرة لقياس زوايا التحول (Turning Angles) بشكل مستمر وبدون تدخل. حيث تم استخدامها نماذج متطورة لتقدير وضعية الإنسان (Human Pose Estimation) مثل "Fastpose" و"Strided Transformer"، وذلك لتحويل 1386 مقطع فيديو لتحركات 24 شخصاً، منهم 12 مريضاً بداء باركنسون و12 متطوعاً سليماً.

تستند هذه الدراسة إلى مجموعة بيانات من مقاطع فيديو للمرضى في بيئات منزلية غير محددة، وقد شملت جوانب معقدة مثل الملابس الفضفاضة والإضاءة السيئة، مما يعكس الحياة اليومية للمرضى. لتقديم تقييم دقيق، قامت الدراسة بعملية تصنيف زوايا التحول بناءً على تصنيفات يدوية قدمها أطباء مختصون، مما أدى إلى تحقيق دقة محتسبة تبلغ 41.6% وبخطأ متوسط قدره 34.7 درجة.

النتيجة؟ هذه هي المرة الأولى التي يتم فيها استخدام بيانات كاميرا أحادية (Monocular Camera) لقياس زوايا التحول في بيئة منزلية لمرضى باركنسون، مما يعد قفزة نوعية في إمكانية تقييم المرض بهذا الشكل المستمر.

رغم أن الأبحاث السابقة كانت مقتصرة على المستشفيات والمختبرات، تؤكد هذه التقنية الحديثة على أهمية فهم التغيرات اليومية في حالة المرضى، مما يعزز من جودة الرعاية الصحية المقدمة لهم.

ماذا تعتقدون بشأن هذه التقنية الجديدة؟ هل تعتقدون بأنها ستحسن من حياة مرضى باركنسون؟ شاركونا آرائكم في التعليقات!