Desde las teclas físicas en nuestras computadoras portátiles hasta los botones de software en nuestros teléfonos inteligentes, la mayoría de nosotros confiamos en los teclados como la forma principal de ingresar datos en el mundo digital. Pero resulta que nuestros teclados también nos pueden contar un poco sobre nosotros, detectando cuándo estamos cansados, borrachos e incluso cuando estamos mostrando signos tempranos de trastornos neurológicos como la enfermedad de Parkinson, tal vez años antes de que aparezcan síntomas más reconocibles.
Investigadores del Consorcio Madrid-MIT M + Visión, una red dedicada a la innovación sanitaria en Madrid, están reuniendo y analizando las pulsaciones de teclas de los voluntarios con software y estudiando los patrones que surgen a través del aprendizaje automático. Los patrones de escritura individuales ya se han utilizado para identificar individuos; algunos bancos los han usado para aumentar la seguridad al iniciar sesión en las cuentas. Pero de acuerdo con un artículo que se publicará próximamente en Scientific Reports, el equipo de M + Visión pudo tomar los mismos datos de mecanografía, combinados con técnicas de reconocimiento de patrones, para distinguir entre la mecanografía realizada cuando descansaba completamente y cuando los voluntarios tenían la tarea de escriba cuando se despierte en la noche. Esos datos también podrían usarse para detectar afecciones neurológicas mucho antes que los métodos existentes.
Para ser claros, el equipo solo está recopilando información sobre el momento en que se presionan las teclas, no qué teclas se presionan. Los investigadores desarrollaron un software que podría aplicarse a un navegador web para rastrear cuánto tiempo un mecanógrafo mantiene presionada cada tecla. No hay necesidad de usar teclados especializados, y hay pocos motivos de preocupación por la privacidad. De hecho, muchos teclados de teléfonos inteligentes de terceros recopilan mucha más información sobre lo que escribimos.
Pero está claro por el trabajo del grupo que dejamos un tesoro de información cuando interactuamos con dispositivos electrónicos en nuestra vida diaria.
"Cada vez que tocamos algo que tiene un microprocesador, el microprocesador puede medir el tiempo con una precisión de menos de milisegundos", dice Luca Giancardo, miembro de M + Vision y primer autor del artículo. "Puede obtener información potencial de un microondas, pero cambiar el software en un microondas es mucho más difícil".
El documento se centra principalmente en reconocer la fatiga, ya que es una de las formas más comunes de discapacidad motora. Un grupo de voluntarios escribió primero un artículo de Wikipedia durante el día y luego se les pidió que escribieran otro artículo después de despertarse 70 a 80 minutos después de irse a dormir; en el último escenario, el tiempo de sus pulsaciones de teclas fue más inconsistente. Pero según el MIT, un estudio preliminar en el que participaron 21 voluntarios con Parkinson y 15 personas sin la enfermedad indicó que las personas con Parkinson muestran más variación en la pulsación del teclado.
"Hay un deterioro motor siete años antes del diagnóstico clínico [es posible], y el deterioro motor continúa", dice Giancardo. Él dice que detectar signos de la enfermedad antes permitiría a los neurólogos ajustar el tratamiento basado en el deterioro motor del paciente, y tal vez eventualmente detener el deterioro temprano con los tratamientos que están actualmente en desarrollo.
La técnica podría eventualmente usarse para evaluar otras enfermedades neurológicas, así como la artritis reumatoide, y si la persona que escribe está borracha o no. Por ahora, sin embargo, el equipo se centra en probar, mejorar y refinar su método para detectar el Parkinson con un estudio más amplio.
Más allá de eso, los investigadores también están interesados en reunir una mayor cantidad de entrada de teclado de un amplio grupo de usuarios, lo que debería darles una mejor línea de base de patrón de escritura y ayudarlos a diagnosticar diferentes condiciones.
"Esperemos que podamos asociarnos con algunos jugadores importantes, de modo que nuestra tecnología pueda incluirse en plataformas más grandes, y la señal se pueda capturar sin la intervención del usuario", dice Giancardo. . "
Hasta que eso suceda, el equipo está haciendo un crowdsourcing de datos por su cuenta. Han desarrollado una aplicación, disponible en neuroqwerty.com, que supervisa la escritura en Windows o Mac OSX de la misma manera que sus estudios controlados. Los mecanógrafos sanos pueden compartir sus datos de teclado, y los usuarios que han sido diagnosticados con Parkinson pueden indicar eso al registrarse, así como la etapa de su enfermedad y qué medicamentos están tomando.
