L'IA può prevedere le riacutizzazioni della sclerosi multipla dai cambiamenti nei pattern di velocità di digitazione su smartphone ?

La sclerosi multipla altera i segnali nervosi, influenzando sottilmente il controllo motorio fine. L’IA che analizza la dinamica di digitazione (velocità, ritmo, errori) potrebbe rilevare un peggioramento dell’infiammazione prima che compaiano i segni clinici. I dati longitudinali derivanti dall’uso quotidiano del telefono potrebbero segnalare ricadute senza visite in clinica. Le preoccupazioni per la privacy e la variabilità del comportamento dell’utente complicano la validazione. L’approccio combina il rilevamento passivo con l’analisi predittiva.

Background

Multiple sclerosis disrupts nerve signals, subtly affecting fine motor control. AI analyzing typing dynamics (speed, rhythm, errors) might detect worsening inflammation before clinical signs appear. Longitudinal data from everyday phone use could flag relapses without clinic visits. Privacy concerns and user behavior variability complicate validation. The approach merges passive sensing with predictive analytics. AI can already extract keystroke-timing features from smartphone sensors and detect changes in typing cadence at clinically meaningful levels, but translating those signals into reliable multiple sclerosis (MS) flare-up forecasts remains experimental. Small-scale studies (N≈80–200 relapsing-remitting MS patients) have shown that typing-speed variability rises days to weeks before symptom exacerbation, yielding modest predictive performance (AUC≈0.72–0.78) when combined with passive activity and sleep data. The main bottleneck is generalisability across diverse keyboards, languages and patient cohorts, plus ethical and regulatory hurdles for medical-grade apps. Larger, prospective trials with continuous, real-world typing capture are now underway to validate clinical utility.