AlzheimInk: A Mobile Web Application for Detecting Alzheimer’s Disease through Handwriting Analysis

Abstract

Early diagnosis of Alzheimer’s disease, one of the major neurodegenerative diseases of this century, is crucial for delaying the onset of symptoms, despite the lack of a definitive cure. However, diagnosis remains a challenge due to the need for various tests (cognitive, biomarker and protein analysis, neuroimaging, etc.) and the reality that it is frequently diagnosed by excluding other potential diseases. In this context, this study aims to develop an accessible alternative for most people: a mobile web application that adapts a diagnostic test based on handwriting, a process that involves cognitive, kinesthetic, and perceptual-motor skills. This test, which was originally performed with a graphic tablet in a prior study, can now be conducted over the internet using only a stylus. To achieve this goal, several supervised machine learning classifiers were trained using the original study’s database. The best model, achieving a theoretical accuracy of 88%, was implemented in the web application. This application, accessible online, performs a series of 19 tasks involving drawing or handwriting and can make diagnostic predictions based on the collected data. In addition, it offers the ability to track users and collect new data to generate an exclusive database for the application. In conclusion, the tool developed in this study, or future versions of it, has demonstrated the potential to be used as a support in the diagnosis of Alzheimer’s disease. It offers an easily accessible, quick, and non-invasive test, making it a valuable addition to existing diagnostic tools.

El diagnóstico temprano de la enfermedad de Alzheimer es crucial para retrasar la aparición de síntomas, a pesar de la falta de una cura definitiva. Sin embargo, sigue siendo un desafío debido a la necesidad de múltiples pruebas (cognitivas, análisis de biomarcadores y proteínas, neuroimagen, etc.) y el hecho de que a menudo se diagnostica por exclusión de otras enfermedades.

En este contexto, el estudio busca desarrollar una alternativa accesible para la mayoría: una aplicación web móvil que adapta una prueba de diagnóstico basada en la escritura a mano. Este proceso involucra habilidades cognitivas, cinestésicas y perceptivo-motoras, y se realizó originalmente con una tableta gráfica. Ahora puede realizarse por internet usando un lápiz capacitativo.

Para lograrlo, se entrenaron varios clasificadores de aprendizaje automático supervisado con la base de datos del estudio original. El mejor modelo, con una precisión teórica del 88%, se implementó en la aplicación web. Esta aplicación, accesible en línea, incluye una serie de 19 tareas de dibujo o escritura a mano y puede hacer predicciones diagnósticas basadas en los datos recopilados. Además, permite rastrear a los usuarios y recopilar nuevos datos, generando una base de datos exclusiva para la aplicación.

En conclusión, la herramienta desarrollada en este estudio, o futuras versiones de la misma, tiene el potencial de apoyar el diagnóstico de la enfermedad de Alzheimer. Ofrece una prueba accesible, rápida y no invasiva, lo que la convierte en una valiosa adición a las herramientas de diagnóstico existentes, mejorando con la recopilación continua de datos.

El diagnòstic precoç de la malaltia d’Alzheimer és crucial per retardar l’aparició de símptomes, malgrat la falta d’una cura definitiva. No obstant això, continua sent un repte a causa de la necessitat de múltiples proves (cognitives, anàlisi de biomarcadors i proteïnes, neuroimatge, etc.) i el fet que sovint es diagnostica per exclusió d’altres malalties.

En aquest context, l’estudi busca desenvolupar una alternativa accessible per a la majoria: una aplicació web mòbil que adapta una prova de diagnòstic basada en l’escriptura a mà. Aquest procés implica habilitats cognitives, cinestèsiques i perceptiu-motores, i es va realitzar originalment amb una tauleta gràfica. Ara es pot realitzar per internet utilitzant un llapis capacitatiu.

Per aconseguir-ho, es van entrenar diversos classificadors d’aprenentatge automàtic supervisat amb la base de dades de l’estudi original. El millor model, amb una precisió teòrica del 88%, es va implementar a l’aplicació web. Aquesta aplicació, accessible en línia, inclou una sèrie de 19 tasques de dibuix o escriptura a mà i pot fer prediccions diagnòstiques basades en les dades recopilades. A més, permet rastrejar als usuaris i recopilar noves dades, generant una base de dades exclusiva per a l’aplicació.

En conclusió, l’eina desenvolupada en aquest estudi, o futures versions de la mateixa, té el potencial de donar suport al diagnòstic de la malaltia d’Alzheimer. Ofereix una prova accessible, ràpida i no invasiva, la qual cosa la converteix en una valuosa addició a les eines de diagnòstic existents, millorant amb la recopilació contínua de dades.