A IA pode diagnosticar Parkinson em fase inicial a partir de tremores subtis na caligrafia em notas digitalizadas ?

A doença de Parkinson muitas vezes causa micrografia—letra pequena e trémula—antes de os sintomas motores aparecerem. Modelos de IA treinados em traços digitalizados de caneta poderiam detetar padrões invisíveis aos clínicos. A deteção precoce pode permitir intervenções que retardem a progressão. No entanto, as amostras de escrita devem ser padronizadas e diversificadas para evitar enviesamentos. O desafio reside em distinguir tremores relacionados com a doença da variabilidade normal.

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.