Щеглов Богдан Олегович, к.м.н., научный сотрудник
117513, Москва, ул. Островитянова, 1, стр. 10
Bogdan O. Shcheglov, Cand. of Sci. (Med.), Researcher
Яковенко Андрей Александрович, лаборант-исследователь
117513, Москва, ул. Островитянова, 1, стр. 10
Andrey A. Yakovenko, Research Assistant
1 bld. 10 Ostrovityanova str., Moscow, 117513
Артеменко Александр Федорович, инженер
117513, Москва, ул. Островитянова, 1, стр. 10
Alexander F. Artemenko, Engineer
1 bld. 10 Ostrovityanova str., Moscow, 117513
Ледков Евгений Александрович, к.т.н., научный сотрудник
117513, Москва, ул. Островитянова, 1, стр. 10
Evgeny A. Ledkov, Cand. of Sci. (Tech.), Researcher
1 bld. 10 Ostrovityanova str., Moscow, 117513
Биктимиров Артур Рамилевич, нейрохирург
117513, Москва, ул. Островитянова, 1, стр. 10
Artur R. Biktimirov, Neurosurgeon
1 bld. 10 Ostrovityanova str., Moscow, 117513
Введение. Выполнен комплексный анализ опыта применения современных цифровых технологий, включая носимые сенсоры, компьютерное зрение и алгоритмы искусственного интеллекта.
Цель работы. Диагностика, мониторинг и реабилитация пациентов с болезнью Паркинсона, с фокусом на оценку их потенциала в объективизации моторных симптомов, выявлении ключевых преимуществ и системных ограничений, препятствующих их широкой клинической интеграции.
Материалы и методы. Проведен систематический обзор научной литературы за период 2020-2025 годов с использованием баз данных PubMed, Scopus, Web of Science и elibrary.ru. Поиск осуществлялся по ключевым терминам, таким как «digital biomarkers», «computer vision», «machine learning», «Parkinson’s disease» и «telemedicine platforms». Методология включала критический анализ и систематизацию данных с выделением архитектурных решений, алгоритмических подходов и результатов клинической апробации цифровых систем.
Результаты. Установлено, что цифровые технологии, в частности многоуровневые платформы по типу Parkinson Expert System, демонстрируют высокую эффективность в формировании объективных цифровых биомаркеров для оценки тремора, брадикинезии и нарушений походки, показывая высокую корреляцию с традиционными клиническими шкалами. Ключевым ограничением является отсутствие стандартизации протоколов, валидации и единых методологических подходов, что затрудняет сопоставимость результатов и их трансляцию в рутинную практику.
Заключение. Цифровые технологии обладают значительным трансформационным потенциалом для персонализации диагностики и мониторинга болезни Паркинсона, обеспечивая непрерывный и объективный сбор данных. Однако для их успешной интеграции в клиническую практику необходимы разработка единых стандартов, проведение масштабных многоцентровых исследований и решение вопросов, связанных с валидацией алгоритмов, защитой данных и взаимодействием систем. Дальнейшее развитие этого направления позволит повысить точность и эффективность медицинской помощи пациентам с нейродегенеративными заболеваниями.
Background. A comprehensive analysis of modern digital technologies, including wearable sensors, computer vision, and artificial intelligence algorithms, was conducted.
Objective. To evaluate the use of these technologies for the diagnosis, monitoring, and rehabilitation of patients with Parkinson’s disease, focusing on their potential to objectively assess motor symptoms, identify key advantages, and highlight systemic limitations that hinder their widespread clinical integration.
Materials and methods. A systematic review of the scientific literature from 2020 to 2025 was conducted using the PubMed, Scopus, Web of Science, and eLibrary.ru databases. The search employed key terms such as digital biomarkers, computer vision, machine learning, Parkinson’s disease, and telemedicine platforms. The methodology included critical analysis and systematization of data, emphasizing architectural solutions, algorithmic approaches, and results of clinical testing of digital systems.
Results. Digital technologies, particularly multi-level platforms such as the Parkinson Expert System, demonstrate high efficiency in forming objective digital biomarkers for assessing tremor, bradykinesia, and gait disturbances, showing strong correlation with traditional clinical scales. The key limitation lies in the lack of standardized protocols, validation procedures, and unified methodological approaches, which complicates the comparability of results and their translation into routine clinical practice.
Conclusion. Digital technologies possess significant transformative potential for the personalization of Parkinson’s disease diagnosis and monitoring by enabling continuous and objective data collection. However, successful clinical integration requires the development of unified standards, large-scale multicenter studies, and solutions addressing algorithm validation, data protection, and system interoperability. Further development of this field will improve the accuracy and efficiency of medical care for patients with neurodegenerative diseases.
The authors declare that there are no conflicts of interest present.