A laptopok fizikai billentyűitől az okostelefonok szoftvergombjaitól kezdve a legtöbben a billentyűzetekre támaszkodnak, mint az adatok digitális világba történő bevitelének elsődleges módjára. Kiderül, hogy a billentyűzetünk elég sokat tud nekünk is önmagunkról, felismerve, mikor fáradtak vagyunk, vagy részeg, és még akkor is, ha neurológiai rendellenességek korai jeleit mutatjuk, mint például a Parkinson-kór - talán évekkel a felismerhetőbb tünetek felszínéig.
A madridi egészségügyi innovációt elkötelező hálózat, a Madrid-MIT M + Visión Consortium kutatói összegyűjtik és elemezik az önkéntesek gombnyomásait szoftverrel, és tanulmányozzák a gépi tanulás során felmerülő mintákat. Az egyéni gépelési mintákat már használták az egyének azonosításához; néhány bank felhasználta őket a biztonság növelésére, amikor bejelentkezik. De a tudományos jelentésekben hamarosan megjelenő cikk szerint az M + Visión csapata képes volt ugyanazokat a gépelési adatokat felhasználni, mintázatfelismerési technikákkal kombinálva, hogy megkülönböztesse a gépelést teljes pihenés és az önkéntesek feladata alapján írja be, amikor felébredt éjjel. Ezeket az adatokat a meglévő módszereknél sokkal korábban fel lehet használni a neurológiai állapotok kimutatására is.
A világosság kedvéért a csapat csak a gombnyomások időzítéséről gyűjt információkat, nem pedig arról, hogy melyik gombot nyomja meg. A kutatók olyan szoftvert fejlesztettek ki, amelyet fel lehetne használni egy böngészőben annak nyomon követésére, hogy a gépíró milyen hosszú ideig tartja lenyomva az egyes gombokat. Nincs szükség speciális billentyűzet használatára, és kevés oka van az adatvédelmi aggályoknak. Valójában sok harmadik féltől származó okostelefon-billentyűzet sokkal több adatot gyűjt az általunk gépelésről.
A csoport munkájából azonban egyértelmű, hogy egy információs adagot hagyunk hátra, amikor mindennapi életünkben kölcsönhatásba lépünk az elektronikus eszközökkel.
„Minden alkalommal, amikor megérinti valamit, amelyben mikroprocesszor van, a mikroprocesszor képes mérni az időzítést másodperc másodperc pontossággal” - mondja Luca Giancardo, az M + Vision munkatárs és a cikk első szerzője. "Lehetséges információk szerezhetők be a mikrohullámú sütőből, de a szoftver mikrohullámúban történő megváltoztatása sokkal nehezebb."
A cikk elsősorban a fáradtság felismerésére összpontosít, mivel ez a motoros károsodás egyik leggyakoribb formája. Az önkéntesek egy csoportja először gépelt be egy Wikipedia cikket a nap folyamán, majd azt kérték, hogy írjon be egy másik cikket, miután felébredt 70–80 perccel az alvás után; ez utóbbi esetben a billentyűleütések ütemezése nem volt következetes. A MIT szerint azonban egy, 21 önkéntes Parkinson-kóros és 15 betegség nélküli bevonásával végzett előzetes vizsgálat rámutatott, hogy azoknál, akiknél a Parkinson-kórban több eltérés mutatkozik.
„Hét évvel a motoros hanyatlás előtt megtörténik a klinikai diagnózis [lehetséges], és a motoros hanyatlás folytatódik” - mondja Giancardo. Azt mondja, hogy a betegség jeleinek korábbi észlelése lehetővé tenné a neurológusok számára, hogy a kezelést a páciens motoros hanyatlása alapján változtassák meg, és esetleg a fejlesztés alatt álló kezelésekkel valószínűleg korán megállítsák a hanyatlást.
A technikát végül fel lehet használni más idegrendszeri betegségek, valamint a rheumatoid arthritis vizsgálatára, valamint annak megállapítására, hogy a gépelt személy részeg-e vagy sem. Most azonban a csapat arra koncentrál, hogy bebizonyítsa, javítsa és finomítsa a Parkinson-kórok kimutatására szolgáló módszerét egy nagyobb tanulmány segítségével.
Ezen túlmenően a kutatók azt is érdekli, hogy egy nagyobb felhasználói körből összegyűjtsék a billentyűzet-bemenetet, amelynek jobb nekik kell lennie a gépelési mintának, és elősegítenie kell a különböző állapotok diagnosztizálását.
"Remélhetőleg képesek leszünk partnerrel lenni néhány nagy szereplővel, így technológiánkat nagyobb platformon is beilleszthetjük, és a jelet felhasználói beavatkozás nélkül is rögzíthetjük" - mondja Giancardo. .”
Addig, amíg ez meg nem történik, a csapat önállóan gyűjt adatokat. Kidolgoztak egy alkalmazást, amely elérhető a neuroqwerty.com webhelyen, és amely a Windows vagy a Mac OSX gépelését nagyjából ugyanúgy figyeli, mint a kezelt tanulmányok. Az egészséges gépírók megoszthatják a billentyűzet adatait, és azok a felhasználók, akiknél Parkinson-kórt diagnosztizáltak, jelezhetik a regisztrációkor, valamint a betegség stádiumát és az általuk alkalmazott gyógyszereket.
