🧠 Prodromal Parkinson Monitor: Clinical Rule-based App powered by Streamlit (the real one coming soon, stay tuned)

🧾 Overview

Prodromal Parkinson Monitor è una webapp interattiva sviluppata con Streamlit, pensata per aiutare clinici e ricercatori a monitorare soggetti sani che mostrano pattern motori e clinici compatibili con fasi prodromiche del Parkinson.

L'app sfrutta regole cliniche derivate da un'analisi approfondita di un dataset reale per suggerire il monitoraggio in presenza di specifiche combinazioni di:

• caratteristiche demografiche
• parametri di cammino
• marker clinici
• segnali di instabilità posturale

Tutto in un'interfaccia semplice, accessibile e spiegabile.

📊 Cosa fa l'app

• ✅ Permette di inserire feature cliniche e cinematiche di un soggetto
• ✅ Applica regole decisionali trasparenti e interpretabili
• ✅ Genera un output diretto: monitoraggio raccomandato oppure nessun segnale rilevante
• ✅ Interfaccia real-time in Streamlit
• ✅ Supporto a estensioni future (modelli ML, explainability, salvataggio dati)

💡 Logica Decisionale

L'algoritmo attuale si basa su regole statiche estratte da uno studio statistico e clinico.

📂 Struttura della Repository

Prodromal_Parkinson/ │ ├── data/ # Dataset pulito e aggregato ├── figures/ # Grafici ed export di analisi ├── models/ # (future) Modelli ML/XAI ├── notebooks/ # Notebook di analisi e sviluppo ├── webapp.py # Codice principale della webapp Streamlit ├── requirements.txt # Dipendenze Python ├── .gitignore # Esclusione cartelle pesanti └── README.md # (Questo file)

🧠 Dataset e Feature Usate

Il dataset include soggetti sani e parkinsoniani, con valutazioni su:

• Demografici: Sesso, Età, Anni dalla diagnosi
• Prodromi: Stipsi, Iposmia, RBD, Depressione (presenti come colonne)
• Cinematica del passo: Cadence, Double Support, Single Support, Stride Length
• Postura e stabilità: %Det ML/AP, Tilt, Postural Alteration

Tutte le soglie usate nell'app derivano da una distribuzione empirica su un campione clinico reale.

🚀 Avvio Locale

1. Clona la repo
   -bash git clone https://github.com/DanteTrb/Prodromal_Parkinson.git cd Prodromal_Parkinson

Crea e attiva un virtualenv

python3 -m venv .venv source .venv/bin/activate

Installa le dipendenze

pip install -r requirements.txt

Avvia l'app

streamlit run webapp.py

✅ Si aprirà nel browser.

---

🌐 Deployment Online

L'app è disponibile anche pubblicamente via Streamlit Cloud:

👉 Clicca qui per provarla

🔮 Sviluppi Futuri

Roadmap futura

• 🔍 Integrazione modelli ML per classificazione combinata
• 🧠 SHAP / SHAPSet plot per interpretabilità
• 🩺 Esportazione in PDF del profilo soggetto
• 💾 Salvataggio dati in backend cloud (es. Firebase / PostgreSQL)
• 👨‍⚕️ Possibilità di usare anche test cognitivi e funzionali

👨‍🔬 Autore

Sviluppato da Dante Trabassi
PhD Candidate & AI Biomedical Researcher
Sapienza Università di Roma – Dipartimento di Neuroscienze

🔗 LinkedIn
📬 Contatti disponibili nella sezione profilo

This project integrates explainable AI and generative AI techniques into biomechanics and gait analysis, with a focus on Parkinson's disease.