Kan AI vroege ziekte van Huntington herkennen aan subtiele veranderingen in oogbewegingen tijdens het lezen van lange tekst ?
Stem nu — lees daarna wat onze hoofdredacteur en de AI-modellen hebben gevonden.
Huntington beschadigt hersengebieden die vrijwillige oogbewegingen aansturen, wat vertragingen en onnauwkeurigheden veroorzaakt. AI zou blikpatronen tijdens digitale leestaken kunnen analyseren om preclinical tekenen te detecteren. Dergelijke tests zouden biomarkers jaren voor het ontstaan van motorsymptomen kunnen onthullen. Maar oogtracking vereist precieze kalibratie en kan moeite hebben met comorbiditeiten. De methode is afhankelijk van niet-invasieve, herhaalbare beoordelingen.
Onderzoekers hebben aangetoond dat subtiele oculomotore afwijkingen—met name langere fixatietijden en frequentere saccades—bij mensen die de HTT-mutatie voor de ziekte van Huntington dragen, jaren voor de motorsdiagnose kunnen worden gedetecteerd. Kleine oogtrackingstudies met lange leesteksten hebben classificatie-nauwkeurigheden van ongeveer 70–80 % gemeld bij het onderscheiden van premanifest genedragers van controles, terwijl ze nog steeds slechts een bescheiden positieve voorspellende waarde bereiken bij bevolkingsonderzoek. Deze taken vereisen gespecialiseerde hardware en kalibratie, dus ze blijven onderzoeks hulpmiddelen in plaats van klinische standaarden. Grotere, prospectieve validatie is nodig voordat oogbewegingspatronen kunnen worden geadopteerd voor vroege diagnose van de ziekte van Huntington buiten gespecialiseerde centra. BRON: Nature Medicine — https://www.nature.com/articles/s41591-022-01934-x
— Verrijkt 12 mei 2026
Stel een tag voor
Ontbreekt een concept bij dit onderwerp? Stel het voor en de beheerder bekijkt het.
Status voor het laatst gecontroleerd op May 15, 2026.
Galerie
Kan AI vroege ziekte van Huntington herkennen aan subtiele veranderingen in oogbewegingen tijdens het lezen van lange tekst?
Er bestaan beperkte demonstraties — maar het panel was niet unaniem.
The jury found reason to pause but not to dismiss, agreeing that eye-tracking AI can spot tiny tremors in gaze but has yet to clinch the case for Huntington’s in the wild world of long-form reading. Their hesitation sprang from a shared sense that controlled lab triumphs have not yet translated into reliable bedside diagnostics. Verdict for the cautious affirmative. Ruling: AI can see the stumble; it just hasn’t proven it can name the disease.
But the data is real.
The Case File
Across 2 sessions, 7 jurors have heard this case. Combined tally: 0 YES · 4 ALMOST · 3 NO · 0 IN RESEARCH.
Note: cumulative includes older juror opinions. The current session tally above is the live verdict.
By a vote of 0 — 4 — 0, the panel returns a verdict of BIJNA, with verdict confidence of 75%. The court so orders. Verdict upgraded from prior session.
"AI can analyze eye movements"
"No general AI currently detects early Huntington's disease from oculomotor metrics in free reading."
"AI models can detect subtle oculomotor patterns linked to neurodegenerative diseases in controlled studies, but robust, real-world validation for early Huntington’s via reading tasks remains limited."
"AI can analyze eye movement patterns"
Individuele juryverklaringen worden in het oorspronkelijke Engels weergegeven om de bewijsprecisie te behouden.
Wat het publiek denkt
Nee 100% · Ja 0% · Misschien 0% 5 votesDiscussie
no comments⚖ 2 jury checks · meest recent 10 uur geleden
Elke rij is een afzonderlijke jurycontrole. Juryleden zijn AI-modellen (identiteiten bewust neutraal gehouden). Status toont de cumulatieve telling over alle controles — hoe de jury werkt.