Dai tasti fisici dei nostri laptop ai pulsanti software dei nostri smartphone, la maggior parte di noi fa affidamento sulle tastiere come il modo principale per inserire i dati nel mondo digitale. Ma si scopre che le nostre tastiere possono anche parlarci un po 'di noi stessi, rilevando quando siamo stanchi, ubriachi e anche quando mostriamo i primi segni di disturbi neurologici come il morbo di Parkinson, forse anni prima che emergano sintomi più riconoscibili.
I ricercatori del Madrid-MIT M + Visión Consortium, una rete dedicata all'innovazione sanitaria a Madrid, stanno raccogliendo e analizzando le sequenze di tasti di volontari con software e studiando i modelli che emergono attraverso l'apprendimento automatico. Modelli di tipizzazione individuali sono già stati usati per identificare gli individui; alcune banche li hanno utilizzati per aumentare la sicurezza durante l'accesso ai conti. Ma secondo un articolo che sarà presto pubblicato in Scientific Reports, il team di M + Visión è stato in grado di acquisire gli stessi dati di digitazione, combinati con le tecniche di riconoscimento dei modelli, per distinguere tra la digitazione eseguita quando completamente riposata e quando i volontari erano incaricati di digitare quando svegliato nella notte. Tali dati potrebbero anche essere utilizzati per rilevare condizioni neurologiche molto prima dei metodi esistenti.
Per essere chiari, il team sta solo raccogliendo informazioni sui tempi di pressione dei tasti, non su quali tasti vengono premuti. I ricercatori hanno sviluppato un software che potrebbe essere applicato a un browser Web per tenere traccia di quanto tempo un dattilografo tiene premuto ciascun tasto. Non è necessario utilizzare tastiere specializzate e poca causa di problemi di privacy. In effetti, molte tastiere per smartphone di terze parti raccolgono molti più dati su ciò che digitiamo.
Ma dal lavoro del gruppo emerge chiaramente che quando interagiamo con i dispositivi elettronici nella nostra vita quotidiana lasciamo dietro una moltitudine di informazioni.
"Ogni volta che tocchiamo qualcosa che contiene un microprocessore, il microprocessore è in grado di misurare i tempi con precisione inferiore al millisecondo", afferma Luca Giancardo, un collega di M + Vision e il primo autore del documento. "È possibile ottenere informazioni potenziali da un forno a microonde, ma cambiare il software in un forno a microonde è molto più difficile."
Il documento si concentra principalmente sul riconoscimento della fatica, in quanto è una delle forme più comuni di compromissione motoria. Un gruppo di volontari ha prima scritto un articolo di Wikipedia durante il giorno e poi gli è stato chiesto di scrivere un altro articolo dopo essere stato svegliato da 70 a 80 minuti dopo essere andato a dormire; in quest'ultimo scenario, la tempistica dei loro tasti era più incoerente. Ma secondo il MIT, uno studio preliminare che ha coinvolto 21 volontari con il Parkinson e 15 persone senza la malattia ha indicato che quelli con il Parkinson mostrano più variazioni di battitura.
"C'è un declino motorio sette anni prima che la diagnosi clinica [sia possibile], e il declino motorio continua", afferma Giancardo. Dice che la cattura precoce dei segni della malattia consentirebbe ai neurologi di modificare il trattamento in base al declino motorio del paziente, e forse alla fine di arrestarlo presto con trattamenti attualmente in fase di sviluppo.
La tecnica potrebbe eventualmente essere utilizzata per testare altre malattie neurologiche, così come l'artrite reumatoide, e se la persona che digita è o meno ubriaca. Per ora, tuttavia, il team è concentrato sulla dimostrazione, il miglioramento e il perfezionamento del metodo per rilevare il Parkinson con uno studio più ampio.
Oltre a ciò, i ricercatori sono anche interessati a raccogliere una più ampia gamma di input da tastiera da un ampio gruppo di utenti, che dovrebbe fornire loro una migliore base di pattern di digitazione e aiutarli a diagnosticare diverse condizioni.
"Speriamo di essere in grado di collaborare con alcuni grandi giocatori, quindi la nostra tecnologia può essere inclusa su piattaforme più grandi e il segnale può essere catturato senza l'intervento dell'utente", afferma Giancardo. "Dovrebbero semplicemente rinunciare o opt-in o opt-in “.
Fino a quando ciò non accadrà, il team sta facendo un crowdsourcing di dati per conto proprio. Hanno sviluppato un'app, disponibile su neuroqwerty.com, che monitora la digitazione in Windows o Mac OSX in modo analogo ai loro studi controllati. I dattilografi sani possono condividere i dati della tastiera e gli utenti a cui è stato diagnosticato il Parkinson possono indicare che al momento dell'iscrizione, nonché lo stadio della loro malattia e quali farmaci stanno assumendo.
