In Italia oltre un milione di persone soffre di malattie neurodegenerative legate all’età che compromettono le abilità cognitive, cinestetiche e percettivo-motorie peggiorando progressivamente la qualità di vita.
Non esistendo ancora una cura risolutiva, solo una diagnosi precoce può aiutare a ritardare gli effetti della malattia.
HAND (acronimo di Handwriting Analysis against Neuromuscolar Disease, analisi della grafia contro le malattie neuromuscolari) è un protocollo diagnostico basato sull’intelligenza artificiale e capace di individuare i segni distintivi delle demenze attraverso test grafici; si propone come uno strumento in più per medici e strutture sanitarie per affrontare la malattia fin dal suo esordio.
La scrittura è infatti tra le attività motorie più compromesse dalle patologie neuro-degenerative, essendo il risultato di una complessa rete di abilità governate dalle aree del cervello colpite da Alzheimer, da Parkinson e dalle altre patologie classificate come demenze.
L’unicità di HAND sta nella sua capacità di acquisire i dati relativi alle dinamiche della scrittura attraverso una tavoletta grafica, individuare le caratteristiche che influiscono maggiormente sulle alterazioni nella grafia e di elaborare una diagnosi con un grado di affidabilità di oltre il 90%.
Il progetto HAND è stato sviluppato dai Dipartimenti di Informatica e di Ingegneria dell’Università Aldo Moro di Bari, dell’Università di Salerno e dell’Università degli Studi di Cassino e del Lazio Meridionale, nell’ambito del programma di finanziamenti PRIN (Progetti di Rilevante Interesse Nazionale) che contano sul sostegno economico del Ministero dell’Istruzione, dell’Università e della Ricerca.
Il progetto – che si colloca nel settore PE-Scienze fisiche e Ingegneria – è stato giudicato eccellente dalla Commissione d’esame del PRIN2015 su tutte le voci di valutazione (innovatività, metodologia, risonanza internazionale, qualità scientifica della compagine, eseguibilità e impatto sia scientifico che industriale-economico), è stato selezionato tra 1.483 proposte a livello nazionale nel settore PE e ha goduto di un finanziamento di 494.000 euro.
Come funziona HAND?
Grazie a una tavoletta grafica connessa via bluetooth a un computer (su cui è installata una suite software che memorizza ed elabora i dati forniti dalla tavoletta, così da produrre un report diagnostico), il protocollo HAND ricrea le condizioni che consentono ai pazienti di scrivere su comuni fogli di carta A4 – appoggiati sulla tavoletta – e di produrre i gesti della loro scrittura nel modo più naturale possibile. Per farlo, si utilizza una “normale” penna a sfera – in tutto e per tutto simile per forma, peso e dimensioni a una biro comune – capace di registrare le coordinate spazio-temporali dei tratti (posizione, movimento, accelerazione, velocità, pressione, traiettoria, interruzione del tratto).
Il test comprende 25 compiti semplici (di copia, di memoria e grafici) che vengono elaborati dal software e può essere somministrato anche in ambulatorio da un medico, al quale basta un breve training formativo.
Il risultato – che andrà sottoposto all’interpretazione dello specialista – consente di raggiungere una diagnosi precisa sia della patologia neurodegenerativa in essere sia dello stadio in cui si trova. In futuro sarà possibile anche una diagnosi predittiva con diversi anni di anticipo rispetto all’insorgenza dei primi sintomi.
Per l’uso delle tecniche di machine learning e per una sempre maggiore accuratezza nell’interpretazione dei dati è fondamentale l’esistenza di una banca dati ben profilata e grande abbastanza da consentire un impiego efficace degli algoritmi di classificazione sviluppati per HAND.
Per questa ragione i ricercatori hanno creato ex novo un database, composto da centinaia di campioni, tra pazienti e controlli, che è stato realizzato con la collaborazione di medici, ospedali, Uva, Rsa e Università di tutta Italia.
Questo ampio database, che continuerà a essere aggiornato nel tempo, insieme alla massiccia mole di caratteristiche della scrittura (dinamiche e statiche) estratte e rielaborate da altri test diagnostici e dalla letteratura medico-scientifica, ha permesso ai ricercatori di HAND di sviluppare nuove tecniche di IA e di facilitare la fase di addestramento degli algoritmi di apprendimento del protocollo in modo da migliorare ulteriormente l’affidabilità del test.
