Ein interdisziplinäres Forschungsteam aus den Bereichen Bioengineering, Materialwissenschaft und KI-Forschung hat einen neuartigen Diagnostik-Stift entwickelt, der feine motorische Auffälligkeiten bei Parkinson-Patienten zuverlässig identifiziert. Grundlage ist die hochsensitive Umwandlung von Schreibbewegungen in auswertbare elektrische Signale.
Innovative Technik: Magnetoelastische Technologie trifft KI
Kernstück des Stiftes ist eine weiche, magnetoelastische Spitze in Kombination mit ferrofluidbasierter Tinte. Diese erfasst sowohl Schreibbewegungen auf Papier als auch solche in der Luft und überträgt sie in präzise Signale – ganz ohne externe Stromquelle. Die resultierenden Daten werden anschließend mithilfe eines eindimensionalen Convolutional Neural Networks (1D-CNN) ausgewertet.
Hohe Treffsicherheit trotz kleiner Stichprobe
In einer Pilotstudie mit drei Parkinson-Patienten und 13 gesunden Probanden erreichte das KI-gestützte System eine diagnostische Genauigkeit von durchschnittlich 96,22 %. Entscheidend für die Analyse ist nicht das Schriftbild, sondern die zugrunde liegenden Bewegungsprofile – etwa Frequenz, Druck und Mikrofluktuationen – die motorische Symptome direkt widerspiegeln und so eine Verzerrung durch die subjektive Bewertung der Handschrift vermeiden.
Potenzial für breite Anwendung in ressourcenarmen Regionen
Im Vergleich zu konventionellen Verfahren wie Videoanalyse oder biomarkerbasierter Diagnostik bietet der Stift eine kostengünstige, datenschutzfreundliche und einfach einsetzbare Alternative. Die Technologie ist intuitiv bedienbar, setzt keine medizinische Ausbildung voraus und kann auch in der häuslichen Umgebung verwendet werden. Das macht sie besonders wertvoll für Regionen mit eingeschränktem Zugang zu neurologischer Diagnostik.
Perspektive: Skalierbare Diagnostik und Verlaufsmonitoring
Derzeit basiert die Evidenz auf einer kleinen Stichprobe, was weiterführende Studien mit größeren und vielfältigeren Stichproben notwendig macht. Besonders relevant wäre die Anwendung zur Verlaufserfassung über verschiedene Krankheitsstadien hinweg sowie bei motorischer Betroffenheit der nicht-dominanten Hand. Technologisch sind künftige Entwicklungen wie In-sensor Computing, drahtlose Synchronisation und Cloud-Integration denkbar – bei gleichzeitiger Sicherstellung der Datensouveränität.
Fazit: Handschrift als digitaler Biomarker für neurologische Erkrankungen
Die vorgestellte Technologie geht über klassische Diagnostikmethoden hinaus. Sie nutzt ein komplexes motorisches Verhalten – das Schreiben – als digitalen Biomarker. Diese Herangehensweise könnte langfristig nicht nur für die Parkinson-Diagnostik, sondern auch für andere neurodegenerative Erkrankungen von Bedeutung sein. Die Kombination aus einfacher Anwendung, hoher Präzision und digitaler Skalierbarkeit macht diese innovative Technologie zu einem vielversprechenden Instrument für Forschung und klinische Versorgung.
