Håndskriftsanalyse ved bevægelsesforstyrrelser (HANDWRML)

Håndskrift er en kompleks kognitiv dygtighed, der forværres hos patienter, der er ramt af neurodegenerative sygdomme, herunder bevægelsesforstyrrelser. Mere detaljeret kan patienter med Parkinsons sygdom (PD) vise fremtrædende håndskriftsabnormiteter, som er blevet kollektivt identificeret som parkinsonisk mikrografi. MIkrografi kan vise sig ved sygdommens begyndelse og forværres derefter gradvist med tiden. Tidligere teknikker udgivet til at undersøge mikrografi i PD var baseret på perceptuel analyse af simple opgaver eller var baseret på dyre teknologiske værktøjer, herunder tablets. Håndskrift kan dog hurtigt indsamles i et økologisk scenarie gennem sikre, billige og stort set tilgængelige værktøjer. Den objektive håndskriftsanalyse gennem kunstig intelligens ville også repræsentere en innovativ strategi, der er endnu bedre end tidligere teknikker, da den giver mulighed for analyse af store mængder data. I dette eksperimentelle projekt anvender efterforskerne en specifik maskinlæringsalgoritme til at analysere håndskriftsprøver optaget i raske kontroller og PD-patienter. Undersøgelsen har til formål at verificere, om teknikken foreslået af efterforskerne ville være i stand til at detektere parkinsonisk mikrografi objektivt, overvåge udviklingen af ​​håndskriftsabnormiteter og vurdere den symptomatiske forbedring af håndskrift efter L-Dopa-administration hos PD-patienter.