Van de fysieke sleutels op onze laptops tot de softwareknoppen op onze smartphones, de meesten van ons vertrouwen op toetsenborden als de primaire manier om gegevens in de digitale wereld in te voeren. Maar het blijkt dat onze toetsenborden ons ook behoorlijk wat over onszelf kunnen vertellen, detecteren wanneer we moe, dronken zijn en zelfs wanneer we vroege tekenen van neurologische aandoeningen zoals de ziekte van Parkinson vertonen - misschien jaren voordat meer herkenbare symptomen aan de oppervlakte komen.
Onderzoekers van het Madrid-MIT M + Visión Consortium, een netwerk voor gezondheidszorginnovatie in Madrid, verzamelen en analyseren de toetsaanslagen van vrijwilligers met software en bestuderen de patronen die ontstaan door machine learning. Individuele typepatronen zijn al gebruikt om individuen te identificeren; sommige banken hebben ze gebruikt om de veiligheid te verhogen bij het inloggen op accounts. Maar volgens een binnenkort te publiceren artikel in Wetenschappelijke rapporten, was het M + Visión-team in staat om dezelfde typegegevens te gebruiken, gecombineerd met patroonherkenningstechnieken, om onderscheid te maken tussen typen in volledige rust en wanneer vrijwilligers werden gevraagd type wanneer u 's nachts wordt gewekt. Die gegevens kunnen ook worden gebruikt om neurologische aandoeningen veel eerder te detecteren dan bestaande methoden.
Voor alle duidelijkheid, het team verzamelt alleen informatie over de timing van toetsaanslagen, niet welke toetsen worden ingedrukt. De onderzoekers ontwikkelden software die op een webbrowser kon worden toegepast om bij te houden hoe lang een typist elke toets ingedrukt houdt. Het is niet nodig om gespecialiseerde toetsenborden te gebruiken, en weinig reden voor privacykwesties. In feite verzamelen veel smartphone-toetsenborden van derden veel meer gegevens over wat we typen.
Maar het is duidelijk uit het werk van de groep dat we een schat aan informatie achterlaten wanneer we communiceren met elektronische apparaten in ons dagelijks leven.
"Telkens wanneer we iets aanraken met een microprocessor, kan de microprocessor de timing meten met een nauwkeurigheid van minder dan een milliseconde, " zegt Luca Giancardo, een fellow van M + Vision en de eerste auteur van het artikel. "Je kunt potentiële informatie uit een magnetron halen, maar het veranderen van de software in een magnetron is veel moeilijker."
Het artikel richt zich vooral op het herkennen van vermoeidheid, want dat is een van de meest voorkomende vormen van motorische stoornissen. Een groep vrijwilligers typte eerst een Wikipedia-artikel gedurende de dag en werd vervolgens gevraagd om een ander artikel te typen nadat ze 70 tot 80 minuten na het slapengaan wakker werden gemaakt; in het laatste scenario was de timing van hun toetsaanslagen inconsistent. Maar volgens MIT gaf een vooronderzoek bij 21 vrijwilligers met Parkinson en 15 mensen zonder de ziekte aan dat mensen met Parkinson meer toetsaanslagvariaties vertonen.
"Er is een motorische achteruitgang zeven jaar voordat klinische diagnose [mogelijk is], en de motorische achteruitgang gaat door", zegt Giancardo. Hij zegt dat het eerder vangen van tekenen van de ziekte neurologen in staat zou stellen de behandeling aan te passen op basis van de motorische achteruitgang van de patiënt en misschien uiteindelijk de achteruitgang vroegtijdig te stoppen met behandelingen die momenteel in ontwikkeling zijn.
De techniek kan uiteindelijk worden gebruikt om te testen op andere neurologische aandoeningen, evenals reumatoïde artritis, en of de persoon die typt wel of niet dronken is. Voor nu is het team echter gericht op het bewijzen, verbeteren en verfijnen van hun methode voor het detecteren van Parkinson met een groter onderzoek.
Daarnaast zijn de onderzoekers ook geïnteresseerd in het verzamelen van een grotere hoeveelheid toetsenbordinvoer van een brede groep gebruikers, waardoor ze een betere basislijn voor het typepatroon krijgen en ze kunnen helpen bij het diagnosticeren van verschillende aandoeningen.
"Hopelijk kunnen we samenwerken met een aantal grote spelers, zodat onze technologie op grotere platforms kan worden opgenomen en het signaal kan worden vastgelegd zonder tussenkomst van de gebruiker", zegt Giancardo. "Ze zouden zich gewoon moeten afmelden of aanmelden. .”
Tot dat moment gebeurt het team alleen wat crowdsourcing van gegevens. Ze hebben een app ontwikkeld, beschikbaar op neuroqwerty.com, die het typen in Windows of Mac OSX bewaakt op vrijwel dezelfde manier als hun gecontroleerde studies. Gezonde typisten kunnen hun toetsenbordgegevens delen en gebruikers bij wie Parkinson is gediagnosticeerd, kunnen dat aangeven bij het aanmelden, evenals het stadium van hun ziekte en welke medicijnen ze gebruiken.
