Käsialan analyysi liikehäiriöissä (HANDWRML)

Käsinkirjoitus on monimutkainen kognitiivinen kyky, joka heikkenee potilailla, jotka kärsivät hermostoa rappeutuvista sairauksista, mukaan lukien liikehäiriöt. Tarkemmin sanottuna Parkinsonin tautia (PD) sairastavilla potilailla voi ilmetä merkittäviä käsinkirjoituksen poikkeavuuksia, jotka on kollektiivisesti tunnistettu Parkinsonin mikrografiaksi. Mikrografia voi ilmetä taudin alussa ja sitten pahentua asteittain ajan myötä. Aiemmat tekniikat, jotka on julkaistu mikrografian tutkimiseksi PD:ssä, perustuivat yksinkertaisten tehtävien havaintoanalyysiin tai perustuivat kalliisiin teknisiin työkaluihin, mukaan lukien tabletit. Käsiala voidaan kuitenkin kerätä nopeasti ekologisessa skenaariossa turvallisten, halpojen ja laajalti saatavilla olevien työkalujen avulla. Myös objektiivinen tekoälyn kautta tehty käsinkirjoitusanalyysi edustaisi innovatiivista strategiaa, joka on jopa ylivoimainen aiempiin tekniikoihin, koska se mahdollistaa suurten tietomäärien analysoinnin. Tässä kokeellisessa projektissa tutkijat soveltavat erityistä koneoppimisalgoritmia analysoidakseen käsinkirjoitusnäytteitä, jotka on tallennettu terveille kontrolleille ja PD-potilaille. Tutkimuksen tavoitteena on varmistaa, pystyisikö tutkijoiden ehdottamalla tekniikalla havaitsemaan parkinsonin mikrografia objektiivisesti, seuraamaan käsinkirjoituksen poikkeavuuksien kehitystä ja arvioimaan oireenmukaista käsinkirjoituksen paranemista PD-potilaiden L-Dopan annon jälkeen.