파킨슨병(PD)의 객관적 보행 평가는 대규모이고 다양한 종류의 임상 주석이 부여된 운동 데이터셋이 부족함으로 인해 제한을 받고 있다. 본 연구에서는 파킨슨병 환자에 대한 3차원 메시 보행 데이터의 가장 큰 공개 데이터 아카이브인 CARE-PD를 소개한다. 이 데이터셋은 8개의 임상 센터에서 수집된 총 9개의 코호트를 아우르는 최초의 다기관 보행 데이터 모음이며, 공개적으로 이용 가능한 최대 규모의 데이터셋이다. 모든 기록물(색상 영상 또는 모션 캡처 데이터)은 통합된 전처리 파이프라인을 통해 익명화된 SMPL 메시로 변환된다. CARE-PD는 두 가지 핵심 벤치마크를 지원한다. 첫째는 감독 학습 기반의 임상 점수 예측(통합 파킨슨병 평가 척도, UPDRS 보행 점수 추정)이며, 둘째는 비감독 학습 기반의 운동 사전 과제(2D 키포인트에서 3D 키포인트로의 복원 및 전신 3D 재구성)이다. 임상 점수 예측은 네 가지 일반화 평가 프로토콜을 통해 평가된다: 데이터셋 내 예측, 데이터셋 간 예측, 하나의 데이터셋 제외 예측, 다중 데이터셋 내 도메인 적응. 임상적 관련성을 평가하기 위해 최신의 운동 인코더 모델과 기존의 보행 특징 기반 베이스라인을 비교한 결과, 인코더 모델이 일관되게 수작업 특징보다 뛰어난 성능을 보였다. CARE-PD에서 사전 훈련을 수행함으로써 MPJPE(평균 3D 키포인트 오차)는 60.8mm에서 7.5mm로 감소하였으며, 파킨슨병 중증도 예측의 매크로-F1 점수는 17%포인트 상승하였다. 이는 임상적으로 정제된, 다양한 데이터로 구성된 훈련 데이터의 가치를 입증하는 결과이다.