La congelació de la marxa ("freezing of gait") és un dels símptomes més incapacitants del Parkinson: episodis sobtats i imprevisibles en què la persona sent els peus "enganxats" al terra, que disparen el risc de caigudes. Detectar-los avui es fa sobretot amb sensors de moviment al laboratori o la clínica, però reproduir aquesta detecció a casa és més difícil perquè un mateix patró de moviment -aturar-se, per exemple- pot voler dir coses molt diferents: una parada intencionada, una interacció amb un objecte o un episodi patològic real.
Un equip encapçalat per Vayalet Stefanova, Diwas Lamsal, Margot Genbrugge i Benjamin Filtjens, entre altres, ha presentat el 13 d'agost un preprint a arXiv en què combina vídeo egocèntric -enregistrat amb una càmera que porta la mateixa persona- i sensors inercials (IMU) sincronitzats, amb etiquetes d'episodis validades per experts, en 13 persones amb Parkinson gravades al seu propi domicili. Els investigadors hi comparen tres enfocaments: un model fundacional de vídeo egocèntric preentrenat (V-JEPA2), models fundacionals de sèries temporals i una xarxa convolucional temporal (TCN) basada només en els sensors de moviment. El millor resultat el dona la xarxa basada en sensors: un 42,3 en la mètrica F1 i un 83,0% d'AUROC, per davant del 32,6 i el 77,2% que aconsegueix el vídeo tot sol; tot i això, el vídeo egocèntric aporta per si mateix una capacitat discriminativa modesta però real, i capta informació de context rellevant que els sensors de moviment no recullen.
L'estudi és rellevant perquè posa a prova, en un entorn real de la llar i no en un laboratori controlat, la idea que entendre el moviment humà exigeix context més enllà de les dades purament cinemàtiques: saber què fa la persona i on ho fa, no només com es mou. S'inscriu en una tendència més àmplia d'aplicar models fundacionals multimodals -pensats originàriament per a vídeo o llenguatge general- a problemes concrets de monitoratge clínic domiciliari.
Es tracta d'un preprint encara sense revisió per parells, amb una mostra petita de 13 participants i un rendiment absolut encara modest -els sensors per si sols continuen sent més fiables que el vídeo-, de manera que l'enfocament és lluny de estar llest per a un ús clínic real. El treball no detalla tampoc les afiliacions institucionals completes dels autors ni si hi ha previst ampliar la mostra en una fase posterior.