Kan AI diagnosticere tidligt stadium Parkinsons ud fra subtile håndskrivningssitren i digitaliserede noter ?

Parkinson’s sygdom forårsager ofte mikroskrift—små, rystende håndskrift—før motoriske symptomer viser sig. AI-modeller trænet på digitaliserede pennestrøg kunne opdage mønstre, der er usynlige for klinikere. Tidlig opsporing kan muliggøre indgreb, der bremser sygdommens udvikling. Dog skal skriveprøver standardiseres og være mangfoldige for at undgå bias. Udfordringen består i at skelne sygdomsrelaterede rystelser fra normal variation.

Nuværende AI-systemer kan opdage tidlig stadie af Parkinson’s ud fra digitaliseret håndskrift ved at analysere mikro-rystelser og kinematiske træk med høj præcision—nogle undersøgelser rapporterer op til 97 % følsomhed ved brug af dybdelæringsmodeller trænet på opgaver som spiraltegning og sætningskopiering, der fanger finmotorisk kontrol. Studier fremhæver, at kombinationen af tryk, hastighed og accelerationsmålinger i digital pennedata forbedrer ydeevnen i forhold til traditionel klinisk screening alene, selvom storstilet, real-world validering stadig er begrænset. Etiske og privatlivsmæssige bekymringer omkring kontinuerlig, passiv overvågning er også under undersøgelse.

— Opdateret 12. maj 2026 · Kilde: Nature Digital Medicine — https://www.nature.com/npjdigitalmed