Από τα φυσικά κλειδιά των φορητών υπολογιστών μας μέχρι τα κουμπιά λογισμικού στα smartphones μας, οι περισσότεροι από εμάς βασίζονται στα πληκτρολόγια ως τον κύριο τρόπο εισαγωγής δεδομένων στον ψηφιακό κόσμο. Αλλά αποδεικνύεται ότι τα πληκτρολόγια μας μπορούν επίσης να μας μιλήσουν αρκετά για τον εαυτό μας, εντοπίζοντας πότε είμαστε κουρασμένοι, μεθυσμένοι, ακόμα και όταν παρουσιάζουμε πρώιμα σημάδια νευρολογικών διαταραχών όπως η νόσος του Parkinson - ίσως χρόνια πριν από την εμφάνιση πιο αναγνωρίσιμων συμπτωμάτων.
Οι ερευνητές στο Consortium Madrid-MIT M + Visión, ένα δίκτυο αφιερωμένο στην καινοτομία της υγειονομικής περίθαλψης στη Μαδρίτη, συγκεντρώνουν και αναλύουν τις πληκτρολογήσεις εθελοντών με το λογισμικό και μελετούν τα πρότυπα που προκύπτουν μέσω της μηχανικής μάθησης. Τα μεμονωμένα μοτίβα δακτυλογράφησης έχουν ήδη χρησιμοποιηθεί για την αναγνώριση ατόμων. ορισμένες τράπεζες τις χρησιμοποίησαν για να αυξήσουν την ασφάλεια κατά τη σύνδεση σε λογαριασμούς. Ωστόσο, σύμφωνα με το έγγραφο που δημοσιεύθηκε σύντομα σε επιστημονικές εκθέσεις, η ομάδα M + Visión μπόρεσε να λάβει τα ίδια δεδομένα δακτυλογράφησης, σε συνδυασμό με τεχνικές αναγνώρισης προτύπων, για να διακρίνει μεταξύ της πληκτρολόγησης που έγινε όταν ξεκουράστηκε πλήρως και της οποίας οι εθελοντές είχαν την εντολή όταν ξυπνάτε τη νύχτα. Αυτά τα δεδομένα θα μπορούσαν επίσης να χρησιμοποιηθούν για την ανίχνευση νευρολογικών καταστάσεων πολύ νωρίτερα από τις υπάρχουσες μεθόδους.
Για να είμαστε σαφείς, η ομάδα συλλέγει μόνο πληροφορίες σχετικά με το χρονοδιάγραμμα των πλήκτρων, όχι ποια πλήκτρα πιέζονται. Οι ερευνητές ανέπτυξαν λογισμικό που θα μπορούσε να εφαρμοστεί σε ένα πρόγραμμα περιήγησης ιστού για να παρακολουθήσει πόσο ένας δακτυλογράφος κρατάει κάτω κάθε πλήκτρο. Δεν υπάρχει λόγος να χρησιμοποιείτε εξειδικευμένα πληκτρολόγια και μικρές αιτίες ανησυχίας για την προστασία της ιδιωτικής ζωής. Στην πραγματικότητα, πολλά πληκτρολόγια smartphone τρίτων μερών συγκεντρώνουν πολύ περισσότερα δεδομένα σχετικά με αυτό που πληκτρολογούμε.
Είναι όμως σαφές από την εργασία της ομάδας ότι αφήνουμε πίσω μας μια πληθώρα πληροφοριών όταν αλληλεπιδράμε με ηλεκτρονικές συσκευές στην καθημερινότητά μας.
«Κάθε φορά που αγγίζουμε κάτι που έχει μικροεπεξεργαστή σε αυτό, ο μικροεπεξεργαστής είναι σε θέση να μετρήσει το χρονοδιάγραμμα με ακρίβεια των χιλιοστών του δευτερολέπτου», λέει ο Luca Giancardo, συνάδελφος του M + Vision και ο πρώτος συγγραφέας του βιβλίου. "Μπορείτε να πάρετε δυνητικές πληροφορίες από ένα φούρνο μικροκυμάτων, αλλά αλλάζοντας το λογισμικό σε ένα φούρνο μικροκυμάτων είναι πολύ πιο δύσκολο."
Το έγγραφο επικεντρώνεται κυρίως στην αναγνώριση της κόπωσης, καθώς είναι μια από τις πιο κοινές μορφές κινητικής βλάβης. Μια ομάδα εθελοντών έγραψε πρώτα ένα άρθρο της Βικιπαίδειας κατά τη διάρκεια της ημέρας και στη συνέχεια τους ζητήθηκε να πληκτρολογήσουν ένα άλλο άρθρο, αφού ξυπνήσουν 70 έως 80 λεπτά μετά την ξαπλωή τους. στο τελευταίο σενάριο, το χρονοδιάγραμμα των πληκτρολογήσεων τους ήταν πιο ασυνεπές. Ωστόσο, σύμφωνα με το MIT, μια προκαταρκτική μελέτη που περιελάμβανε 21 εθελοντές με νόσο του Πάρκινσον και 15 άτομα χωρίς την ασθένεια έδειξε ότι οι ασθενείς με νόσο του Parkinson παρουσιάζουν μεγαλύτερη παραλλαγή πληκτρολόγησης.
"Υπάρχει μια μείωση κινητήρα επτά χρόνια πριν από την κλινική διάγνωση [είναι δυνατόν], και η πτώση των κινητήρων συνεχίζει", λέει ο Giancardo. Λέει ότι η αλίευση σημείων της νόσου νωρίτερα θα επέτρεπε στους νευρολόγους να τροποποιήσουν τη θεραπεία με βάση την παρακμή του κινητήρα του ασθενούς και ίσως τελικά να σταματήσουν την πτώση νωρίς με τις θεραπείες που βρίσκονται σε εξέλιξη.
Η τεχνική θα μπορούσε ενδεχομένως να χρησιμοποιηθεί για τη δοκιμή για άλλες νευρολογικές παθήσεις, καθώς και για τη ρευματοειδή αρθρίτιδα, και εάν το πρόσωπο που πληκτρολογεί ή όχι είναι μεθυσμένο. Προς το παρόν, όμως, η ομάδα επικεντρώνεται στην απόδειξη, βελτίωση και διύλιση της μεθόδου ανίχνευσης του Πάρκινσον με μεγαλύτερη μελέτη.
Πέρα από αυτό, οι ερευνητές ενδιαφέρονται επίσης να συγκεντρώσουν ένα μεγαλύτερο εύρος εισόδου πληκτρολογίου από μια ευρεία ομάδα χρηστών, η οποία θα πρέπει να τους δώσει μια καλύτερη βάση γραμμής δακτυλογράφησης και να τους βοηθήσει να διαγνώσουν διαφορετικές συνθήκες.
"Ας ελπίσουμε ότι θα μπορέσουμε να συνεργαστούμε με μερικούς μεγάλους παίκτες, οπότε η τεχνολογία μας μπορεί να συμπεριληφθεί σε μεγαλύτερες πλατφόρμες και το σήμα μπορεί να ληφθεί χωρίς παρέμβαση του χρήστη", λέει ο Giancardo. "Θα έπρεπε απλώς να αποχωρήσουν ή να επιλέξουν . "
Μέχρι να συμβεί αυτό, η ομάδα κάνει μερικά πλήθος εκδόσεων δεδομένων από μόνα τους. Έχουν αναπτύξει μια εφαρμογή, διαθέσιμη στο neuroqwerty.com, η οποία παρακολουθεί την πληκτρολόγηση σε Windows ή Mac OSX με τον ίδιο τρόπο όπως και οι ελεγχόμενες μελέτες τους. Οι υγιείς δακτυλογράφοι μπορούν να μοιράζονται τα δεδομένα πληκτρολογίου τους και οι χρήστες που έχουν διαγνωστεί με τη νόσο του Πάρκινσον μπορούν να υποδείξουν ότι κατά την εγγραφή τους, καθώς και το στάδιο της ασθένειάς τους και ποια φάρμακα παίρνουν.
