L'IA peut-elle diagnostiquer la maladie de Parkinson à un stade précoce à partir de tremblements subtils dans l'écriture manuscrite numérisée ?

La maladie de Parkinson provoque souvent une micrographie—une écriture à la main petite et tremblante—avant l'apparition des symptômes moteurs. Les modèles d'IA entraînés sur des traits de stylo numérisés pourraient repérer des schémas invisibles pour les cliniciens. Une détection précoce pourrait permettre des interventions ralentissant la progression. Pourtant, les échantillons d'écriture doivent être standardisés et diversifiés pour éviter les biais. Le défi consiste à distinguer les tremblements liés à la maladie de la variabilité normale.

Background

Parkinson’s disease often causes micrographia—small, shaky handwriting—before motor symptoms appear. AI models trained on digitized pen strokes could spot patterns invisible to clinicians, with current research reporting up to 97% sensitivity using deep-learning models trained on tasks like spiral drawing and sentence copying that capture fine motor control. Studies highlight that combining pressure, velocity, and acceleration metrics in digital pen data improves performance over traditional clinical screening alone, though large-scale, real-world validation remains limited. Ethical and privacy concerns around continuous, passive monitoring are also under scrutiny. The challenge lies in distinguishing disease-related tremors from normal variability; writing samples must be standardized and diverse to avoid bias.