Il medico diventa virtuale? Un algoritmo legge la scrittura e dà informazioni sulla salute

Il medico diventa virtuale? Un algoritmo può aiutarci a dare informazioni sulla salute. Il primo passo verso questo nuovo approccio di telemedicina l’ha fatto un gruppo di ricercatori coordinato da Antonio Suppa, professore presso il dipartimento di Neuroscienze umane di Sapienza Università di Roma e Irccs Neuromed Pozzilli in collaborazione con il Dipartimento di Neurologia dell’Università di Cincinnati in Ohio. Il gruppo ha infatti di recente pubblicato un lavoro su Frontiers in Aging Neuroscience, in cui descrivono un algoritmo in grado di riconoscere l’età delle persone in base alla grafia.  

“Il primo obiettivo è stato ottenere una classificazione automatica dei campioni di scrittura in accordo all’età” spiega Suppa. “Lo studio è stato pensato durante la pandemia da SARS-COV2 per potenziare gli strumenti attualmente a disposizione della telemedicina. Per questo abbiamo scelto strumenti semplici e a disposizione di chiunque, come carta e penna, per raccogliere il campione e ottenere informazioni biologicamente rilevanti”.

Antonio Suppa

Lo studio 

Allo studio hanno partecipato 156 soggetti sani suddivisi in base all’età in tre sottogruppi: giovani adulti, adulti di mezza età e anziani. In una prima fase di addestramento dell’algoritmo, ognuno di loro ha eseguito un compito di scrittura a mano che è stato digitalizzato tramite smartphone. Le immagini sono state così elaborate dall’algoritmo, fornendogli in contemporanea informazioni sull’età della persona a cui apparteneva il campione. Nella fase successiva di training i ricercatori hanno verificato la performance dello strumento, quindi la sua capacità di classificare realmente e in modo automatico i successivi campioni di grafia. 

“Anche in questa fase l’algoritmo ha continuato ad apprendere, migliorando progressivamente fino a raggiungere una performance oltre la quale non poteva più andare” precisa Suppa. “In seguito abbiamo chiesto all’algoritmo di distinguere i campioni di scrittura acquisiti nelle tre popolazioni sane di età differente. E infine, quando ci siamo resi conto che era in grado di eseguire correttamente questo compito abbiamo verificato quale fosse l’elemento distintivo usato dal sistema di intelligenza artificiale per riconoscere le diverse età”. 

La scrittura si modifica con l’età 

L’esperto racconta che in realtà in letteratura erano già disponibili studi che associavano determinate alterazioni della scrittura all’età. Alcune riguardano la velocità con cui un soggetto scrive, altre le forze applicate nell’azione, infine l’ampiezza dei caratteri. In questo caso i ricercatori non potevano rilevare elementi di cinematica o dinamica, cioè relativi alla velocità o alle forze applicate, per cui hanno puntato sulla dimensione media dei caratteri. Aggiunge Suppa: “L’algoritmo ha utilizzato l’ampiezza dei caratteri unita naturalmente a molte altre variabili, per distinguere i campioni di grafia, permettendoci in definitiva di capire che l’ampiezza media dei caratteri è più piccola nei soggetti anziani, è intermedia nei soggetti di età adulta ed è più grande nei soggetti giovani. La grafia quindi si modifica fisiologicamente con l’età”. 

Le malattie neurodegenerative

Appurato questo dato e che è possibile ottenere informazioni preziose utilizzando algoritmi di machine learning, ora il prossimo passo – oggetto di un’altra ricerca dello stesso team in corso di pubblicazione – sarà valutare con le stesse metodiche i campioni di grafia di persone con malattie neurodegenerative, in particolare malattia di Parkinson, raccolti sempre a domicilio. 

La scrittura a mano è un’abilità motoria e cognitiva complessa risultante dall’attivazione di una rete cerebrale diffusa. Può quindi fornire informazioni biologicamente rilevanti sullo stato di salute. In particolare come racconta l’esperto, le persone con malattie neurodegenerative presentano numerose alterazioni della scrittura. “Per esempio – precisa Suppa – la scrittura viene comunemente valutata nei test cognitivi che utilizziamo per riconoscere e studiare le demenze, come nella malattia di Alzheimer. Anche nella malattia di Parkinson il test della scrittura mostra tipicamente una micrografia. Obiettivo ulteriore di questo filone di ricerca è ottenere informazioni longitudinali , per consentire di valutare con più precisione l’evoluzione nel tempo di queste patologie”. 

Applicazioni future

Le patologie neurodegenerative sono in rapido aumento come conseguenza anche del progressivo invecchiamento della popolazione. Motivo per cui sarà necessario trovare metodi alternativi alle visite periodiche in ambiente ospedaliero o ambulatoriale, che permettano di monitorare i pazienti da remoto. In futuro lo strumento potrebbe essere utilizzato da neurologi o specialisti che sappiano interpretare in modo adeguato il dato per monitorare le condizioni di salute dei pazienti e la progressione della malattia. Esiste poi il problema di riconoscere condizioni intermedie tra l’invecchiamento fisiologico e un vero e proprio esordio di malattia degenerativa. “Questo è un limbo per noi molto importante” sottolinea Suppa. “Procedure come quella appena raccontata potrebbero essere utili per valutare l’evoluzione verso una malattia degenerativa, in modo da anticipare diagnosi e trattamento. Al momento il nostro obiettivo è soprattutto questo, ma una tale prospettiva potrebbe interessare anche altri ambiti come le patologie del neurosviluppo”. 

Non solo medicina 

Ma non solo. Andando oltre l’ambito sanitario, l’attuale algoritmo di machine learning potrebbe trovare applicazioni in altri settori. Come quello giuridico-forense o archeologico.  Conclude Suppa: “L’intelligenza artificiale potrebbe essere utile in un processo di datazione di un reperto, un documento storico, un dipinto, e così via.  Oppure potrebbe trovare applicazione in ambito legale, per verificare se una firma o un documento scritto appartiene realmente ad una data persona, riuscendo anche a datare quantomeno la fascia d’età”. Prima però sarà necessario verificare l’algoritmo in un numero molto più ampio di soggetti, anche per ottenere uno strumento sempre più preciso nel restituire informazioni biologicamente rilevanti.