Οι επιστήμονες – εδώ και χρόνια – προσπαθούν να εντοπίσουν πρώιμα σημάδια της νόσου Πάρκινσον στους ανθρώπους και συγκεκριμένα σε δείγματα από τα μαλλιά, το αίμα, ακόμη και το κερί στα αυτιά. Ωστόσο, παρά την πρόοδο που έχει επιτευχθεί η πρώιμη ανίχνευση της νόσου παραμένει ένα πολύπλοκο ζήτημα.
Προς αυτή την κατεύθυνση εργάστηκε μία ομάδα Ινδών ερευνητών από το Siksha 'O' Anusandhan University, οι οποίοι δημιούργησαν ένα σύστημα ΑΙ, το οποίο όπως ισχυρίζονται μπορεί να ανιχνεύσει το Πάρκινσον - πολύ πριν εκδηλωθεί - με εντυπωσιακή ακρίβεια, με βάση τον τρόπο με τον οποίο οι άνθρωποι γράφουν και ολοκληρώνουν ένα σχέδιο.
Η ανάλυση της γραφής και του σχεδίου θεωρείται ένα πολλά υποσχόμενο μη επεμβατικό εργαλείο ελέγχου για μελλοντικές ασθένειες και οι επιστήμονες τη συνδυάζουν όλο και περισσότερο με εργαλεία τεχνητής νοημοσύνης που μπορούν να ανιχνεύσουν σημάδια νευροεκφυλιστικών παθήσεων με βάση ανεπαίσθητες ενδείξεις στον τρόπο που γράφει και σχεδιάζει κάποιος. Σε ένα πείραμα με επικεφαλής τον ερευνητή Ishan Ayus από το Πανεπιστήμιο Siksha 'O' Anusandhan, χρησιμοποιήθηκαν δεδομένα από μια προηγούμενη μελέτη για τη νόσο του Πάρκινσον στη Βραζιλία, στην οποία συμμετείχαν 66 άτομα.
Η ομάδα περιελάμβανε 31 άτομα με νόσο του Πάρκινσον και 35 υγιή άτομα, τα οποία ανήκαν στην ομάδα ελέγχου. Οι συμμετέχοντες εκτέλεσαν ασκήσεις σχεδίασης χρησιμοποιώντας ένα βιομετρικό «έξυπνο» στυλό που κατέγραφε τις εικόνες που σχεδίαζαν, ενώ ταυτόχρονα κατέγραφε σήματα της κίνησης του χεριού τους.
Στις δοκιμές, οι συμμετέχοντες ανίχνευσαν δύο είδη συμβόλων: σπειροειδή σχήματα και μαιάνδρους (από συνεχείς γραμμές σε σχήμα γωνίας). Ο Ayus και οι συνάδελφοί του ερευνητές τροφοδότησαν στη συνέχεια τις εικόνες και τα δεδομένα αισθητήρων που καταγράφηκαν από το «έξυπνο» στυλό σε μια σειρά από διαφορετικά συστήματα βαθιάς μάθησης. Κάθε μοντέλο αξιολόγησε τις χωρικές ανωμαλίες στα σχεδιασμένα σπειροειδή και μαιανδρικά μοτίβα, εκτός από την ανάλυση των ανεπαίσθητων διαφορών στον κινητικό έλεγχο και τον συντονισμό των χεριών, όπως καταγράφηκαν με την πένα.
Στη συνέχεια, τα δεδομένα υποβλήθηκαν σε επεξεργασία χρησιμοποιώντας έναν αλγόριθμο που ονομάζεται SNAKE, ο οποίος έλαβε υπόψη και στάθμισε τις διάφορες αξιολογήσεις μοντέλων τεχνητής νοημοσύνης, πριν τελικά προσδιορίσει εάν κάθε σχέδιο δημιουργήθηκε από άτομο με νόσο του Πάρκινσον ή από κάποιο άτομο από την υγιή ομάδα ελέγχου. Η ομάδα αποδίδει τα αποτελέσματά της στις δυνατότητες του αλγορίθμου SNAKE – ο οποίος εξισορροπεί τις προβλέψεις διαφορετικών συστημάτων βαθιάς μάθησης χρησιμοποιώντας ένα μοντέλο σταθμισμένο με ακρίβεια – και επίσης στις διπλές μετρήσεις που παρέχονται από «έξυπνες» πένες.
«Οι χειρόγραφες εικόνες παρέχουν χωρικά χαρακτηριστικά των ανωμαλιών του εγκεφαλικού επεισοδίου, των παραμορφώσεων που προκαλούνται από τον τρόμο και των αποκλίσεων σχήματος», γράφουν οι ερευνητές.
«Αντίθετα, τα σήματα χειρόγραφης γραφής που βασίζονται σε αισθητήρες καταγράφουν τη χρονική κινητική συμπεριφορά, η οποία περιλαμβάνει διακυμάνσεις ταχύτητας, ασυνέπειες πίεσης και ελλείμματα συντονισμού».
«Συνολικά, η μελέτη δείχνει τον σημαντικό ρόλο της Τεχνητής Νοημοσύνης στον έγκαιρο και προσβάσιμο έλεγχο νευρολογικών διαταραχών, υποστηρίζοντας τη συνεχιζόμενη μετάβαση προς την προληπτική και ακριβή υγειονομική περίθαλψη», γράφει η ομάδα.
«Το προτεινόμενο πλαίσιο μπορεί τελικά να συμβάλει στον μη επεμβατικό, χαμηλού κόστους και εξ αποστάσεως προσβάσιμο νευρολογικό έλεγχο και την υποστήριξη κλινικών αποφάσεων». Ωστόσο, επειδή το δείγμα ατόμων που χρησιμοποιήθηκε ήταν πολύ μικρό, οι ερευνητές επισημαίνουν ότι απαιτείται περαιτέρω έρευνα.
Τα ευρήματα δημοσιεύονται στο Discover Computing.
