Håndskriftsanalyse ved bevegelsesforstyrrelser (HANDWRML)

Håndskrift er en kompleks kognitiv dyktighet som forverres hos pasienter som er rammet av nevrodegenerative sykdommer, inkludert bevegelsesforstyrrelser. Mer detaljert kan pasienter med Parkinsons sykdom (PD) manifestere fremtredende håndskriftsavvik som har blitt kollektivt identifisert som parkinsonisk mikrografi. MIkrografi kan manifestere seg ved begynnelsen av sykdommen og forverres deretter gradvis over tid. Tidligere teknikker utgitt for å undersøke mikrografi i PD var avhengig av perseptuell analyse av enkle oppgaver eller var basert på dyre teknologiske verktøy, inkludert nettbrett. Imidlertid kan håndskrift raskt samles i et økologisk scenario, gjennom trygge, billige og stort sett tilgjengelige verktøy. Den objektive håndskriftanalysen gjennom kunstig intelligens vil også representere en innovativ strategi som er enda bedre enn tidligere teknikker, siden den gir mulighet for analyse av store datamengder. I dette eksperimentelle prosjektet bruker etterforskerne en spesifikk maskinlæringsalgoritme for å analysere håndskriftprøver registrert hos friske kontroller og PD-pasienter. Studien tar sikte på å verifisere om teknikken foreslått av etterforskerne vil være i stand til å oppdage parkinsonisk mikrografi objektivt, overvåke utviklingen av håndskriftavvik og vurdere den symptomatiske forbedringen av håndskrift etter administrering av L-Dopa hos PD-pasienter.