Il modo in cui camminiamo potrebbe fornire molte più informazioni sulla nostra salute di quanto si pensasse. Non soltanto velocità, equilibrio e lunghezza del passo, ma anche piccoli movimenti del busto e delle articolazioni sembrano contenere segnali associati a diverse caratteristiche dell'organismo.
Una ricerca pubblicata il 6 novembre 2026 sulla rivista scientifica Nature Medicine ha dimostrato che l'analisi tridimensionale dei movimenti, combinata con l'intelligenza artificiale, può contribuire a prevedere numerosi parametri legati alla salute fisica e al funzionamento di diversi sistemi corporei.
Gli studiosi hanno sviluppato un modello capace di riconoscere schemi motori difficilmente individuabili attraverso le valutazioni tradizionali, ottenendo risultati significativi anche per caratteristiche che apparentemente sembrano poco collegate alla camminata, come la qualità del sonno e la quantità di grasso viscerale. La scoperta suggerisce che il movimento potrebbe diventare uno strumento aggiuntivo per valutare lo stato di salute, anche se serviranno ulteriori ricerche prima di un suo impiego clinico su larga scala.
Come funziona il sistema che analizza il modo di camminare
La ricerca è stata condotta da un gruppo di studiosi guidato da Adam Gabet ed Eran Segal, del Weizmann Institute of Science, con l'obiettivo di comprendere se l'analisi complessiva dei movimenti corporei potesse fornire informazioni sulla salute più precise rispetto ai parametri normalmente utilizzati.
Tradizionalmente, infatti, la valutazione della camminata si basa su caratteristiche misurabili come la velocità, la cadenza, la lunghezza del passo e le oscillazioni del corpo. Questi indicatori possono essere utili per riconoscere alcune difficoltà motorie, ma non riescono necessariamente a descrivere tutte le informazioni contenute nel movimento.
Per superare questo limite, i ricercatori hanno sviluppato un modello di intelligenza artificiale specializzato nell'analisi dei movimenti scheletrici tridimensionali.
Il sistema è stato addestrato utilizzando i dati di 3.328 adulti, i cui movimenti sono stati registrati attraverso una singola telecamera dotata di sensore di profondità durante cinque differenti prove motorie. La tecnologia ha permesso di ricostruire il movimento delle articolazioni nello spazio e di analizzare come le diverse parti del corpo si coordinassero durante l'esecuzione delle attività.
A differenza dei metodi convenzionali, il modello non si limitava a calcolare singoli parametri, ma trasformava le sequenze di movimento in rappresentazioni numeriche capaci di descrivere le relazioni tra le articolazioni nel corso del tempo. Attraverso questi dati, l'intelligenza artificiale ha cercato di individuare collegamenti tra gli schemi motori e numerose caratteristiche fisiche e cliniche dei partecipanti, comprese informazioni raccolte attraverso esami e valutazioni sanitarie.
I risultati dello studio: dal peso corporeo alla qualità del sonno
L'analisi ha evidenziato che il modo di muoversi contiene informazioni associate a numerosi aspetti della salute, anche quando questi non riguardano direttamente la capacità di camminare. Gli studiosi hanno valutato complessivamente 3.210 parametri e associazioni predittive, distribuiti in 18 sistemi corporei, ottenendo risultati statisticamente significativi in 1.887 valutazioni.
Tra i risultati più rilevanti figurano quelli relativi alla composizione corporea. Il modello ha mostrato una correlazione elevata tra le proprie previsioni e i valori effettivamente misurati dell'indice di massa corporea (BMI), raggiungendo un coefficiente di correlazione di 0,91. Per la quantità di tessuto adiposo viscerale, cioè il grasso localizzato all'interno dell'addome intorno agli organi, la correlazione è stata di 0,83, mentre per l'età anagrafica è risultata pari a 0,69.
Questi valori indicano quanto le stime elaborate dal sistema fossero associate alle misurazioni reali, ma non devono essere interpretati come percentuali di accuratezza diagnostica. In altre parole, una correlazione di 0,91 non significa che il sistema abbia individuato correttamente il BMI nel 91% dei partecipanti.
Le informazioni ottenute dai movimenti hanno inoltre contribuito a migliorare le previsioni relative alla forza muscolare, alla qualità del sonno e ad altri indicatori fisiologici. Gli studiosi hanno confrontato i risultati con quelli di un modello tradizionale basato esclusivamente su età, altezza, indice di massa corporea e grasso viscerale, rilevando che l'aggiunta dei dati relativi alla camminata migliorava le capacità predittive in tutti i 18 sistemi corporei analizzati negli uomini e in 17 su 18 nelle donne.
Anche i movimenti del busto e delle gambe possono fornire informazioni diverse
Uno degli aspetti più interessanti della ricerca riguarda il contributo delle singole parti del corpo alle informazioni elaborate dall'intelligenza artificiale. I ricercatori hanno infatti cercato di comprendere quali movimenti fossero maggiormente associati alle diverse caratteristiche sanitarie, analizzando separatamente il ruolo di specifiche regioni anatomiche.
È emerso che i movimenti delle gambe contribuivano soprattutto alle previsioni riguardanti il metabolismo e la fragilità fisica, mentre quelli del busto risultavano particolarmente informativi per alcune caratteristiche legate al sonno e alle abitudini quotidiane. Questo suggerisce che la camminata non rappresenti soltanto una funzione motoria, ma possa riflettere l'interazione tra diversi processi fisiologici.
Il corpo, durante il movimento, deve infatti coordinare continuamente articolazioni, muscoli e postura. Le caratteristiche di questa coordinazione possono variare in relazione alle condizioni fisiche individuali, producendo differenze che non sempre risultano evidenti a un osservatore. Il modello sviluppato dai ricercatori è stato progettato proprio per individuare queste variazioni attraverso l'analisi di grandi quantità di dati.
La ricerca ha inoltre mostrato che le informazioni ricavate dai movimenti potevano migliorare le previsioni relative ad alcune diagnosi cliniche e all'utilizzo di farmaci, rispetto ai modelli che consideravano soltanto i parametri corporei di base. Questo risultato indica una possibile applicazione più ampia dell'analisi motoria, ma non significa che una semplice registrazione della camminata permetta già di diagnosticare una malattia specifica.
L'intelligenza artificiale potrebbe aiutare a individuare segnali di salute
L'analisi del movimento viene già utilizzata in alcuni ambiti medici, soprattutto nella valutazione dei disturbi neurologici, nella riabilitazione e nello studio delle difficoltà motorie. La novità di questa ricerca consiste nell'aver esaminato la camminata come un possibile indicatore generale delle condizioni dell'organismo, anziché considerarla esclusivamente come un elemento utile a riconoscere patologie che compromettono direttamente il movimento.
Secondo gli autori, le informazioni raccolte potrebbero contribuire allo sviluppo di strumenti di valutazione meno invasivi e più facilmente utilizzabili nella pratica sanitaria. Una registrazione tridimensionale, infatti, consentirebbe di raccogliere numerosi dati senza richiedere necessariamente procedure complesse durante la misurazione del movimento. L'obiettivo futuro potrebbe essere quello di integrare queste informazioni con altri indicatori già utilizzati dai medici, migliorando la capacità di identificare caratteristiche cliniche che meritano ulteriori approfondimenti.
I risultati suggeriscono inoltre che l'analisi della camminata possa aggiungere informazioni non completamente rappresentate da età, peso e altezza. Anche persone con caratteristiche corporee simili possono presentare schemi di movimento differenti, che il modello riesce a esaminare attraverso la coordinazione delle articolazioni e le variazioni della postura.
Questa prospettiva potrebbe essere particolarmente interessante per lo sviluppo di sistemi di monitoraggio della salute, ma richiede una distinzione importante: riconoscere associazioni statistiche tra movimento e parametri fisiologici non equivale a dimostrare che una determinata alterazione della camminata sia causata da una malattia.
Cosa significa questa scoperta per la medicina del futuro
Nonostante i risultati positivi, il sistema sviluppato dai ricercatori non rappresenta ancora uno strumento diagnostico da utilizzare autonomamente. Le previsioni sono state valutate attraverso l'analisi dei dati raccolti nello studio e non dimostrano che il modello sia già in grado di prevedere l'insorgenza futura di malattie nei singoli individui. Saranno necessarie ulteriori verifiche per stabilire quanto i risultati possano essere riprodotti in popolazioni differenti e in condizioni di utilizzo quotidiano.
Inoltre, il fatto che il movimento presenti associazioni con numerosi indicatori di salute non permette di individuare automaticamente le cause di queste relazioni. Età, caratteristiche corporee, condizioni fisiche e altri fattori possono contribuire contemporaneamente sia al modo di camminare sia ai parametri clinici analizzati.
La ricerca pubblicata su Nature Medicine offre comunque una nuova prospettiva sul valore delle informazioni contenute nei movimenti quotidiani. La camminata potrebbe essere considerata un segnale biologico complementare agli indicatori tradizionali, capace di contribuire alla valutazione di diversi aspetti della salute attraverso strumenti tecnologici sempre più avanzati.
Per il momento, il risultato più importante non consiste nella possibilità di riconoscere una malattia osservando semplicemente una persona mentre cammina, ma nell'aver dimostrato che l'analisi dettagliata dei movimenti può fornire informazioni clinicamente rilevanti che le misurazioni tradizionali non riescono a cogliere completamente. Un approccio che, con ulteriori studi e validazioni, potrebbe trovare spazio nelle future strategie di valutazione e monitoraggio della salute.
Fonte
Nature Medicine - A gait foundation model for prediction of multisystem health phenotypes from 3D skeletal motion