Des touches physiques de nos ordinateurs portables aux boutons logiciels de nos smartphones, la plupart d'entre nous utilisons les claviers comme principal moyen de saisir des données dans le monde numérique. Mais il s'avère que nos claviers peuvent également nous en dire un peu plus sur nous-mêmes, en détectant quand nous sommes fatigués, en état d'ébriété, et même lorsque nous montrons des signes précoces de troubles neurologiques tels que la maladie de Parkinson - peut-être des années avant l'apparition de symptômes plus reconnaissables.
Les chercheurs du consortium Madrid-MIT M + Visión, réseau dédié à l’innovation dans le secteur de la santé à Madrid, rassemblent et analysent les frappes de touches des volontaires avec des logiciels et étudient les tendances qui se dégagent de l’apprentissage automatique. Des modèles de frappe individuels ont déjà été utilisés pour identifier des individus; certaines banques les ont utilisées pour renforcer la sécurité lors de la connexion à leurs comptes. Mais selon un article paru prochainement dans Scientific Reports, l'équipe M + Visión a été en mesure de prendre les mêmes données de dactylographie, combinées aux techniques de reconnaissance des formes, afin de faire la distinction entre la dactylographie effectuée lorsqu'elle est complètement reposée et lorsque les volontaires sont chargés de: tapez quand réveillé dans la nuit. Ces données pourraient également être utilisées pour détecter des affections neurologiques beaucoup plus tôt que les méthodes existantes.
Pour être clair, l’équipe ne collecte que des informations sur le moment choisi pour appuyer sur les touches, et non sur les touches utilisées. Les chercheurs ont mis au point un logiciel qui pourrait être appliqué à un navigateur Web pour suivre la durée pendant laquelle un dactylographe maintient chaque touche. Il n'est pas nécessaire d'utiliser des claviers spécialisés et il y a peu de raisons de craindre des problèmes de confidentialité. En fait, de nombreux claviers tiers de smartphones rassemblent beaucoup plus de données sur ce que nous tapons.
Mais il ressort clairement du travail du groupe que nous laissons derrière nous une mine d'informations lorsque nous interagissons avec des appareils électroniques dans notre vie quotidienne.
«Chaque fois que nous touchons un microprocesseur, celui-ci est capable de mesurer le temps avec une précision inférieure à une milliseconde», explique Luca Giancardo, membre de M + Vision et premier auteur du journal. "Vous pouvez obtenir des informations potentielles à partir d'un micro-ondes, mais le changement de logiciel dans un micro-ondes est beaucoup plus difficile."
Le document se concentre principalement sur la reconnaissance de la fatigue, car il s’agit de l’une des formes les plus courantes de déficience motrice. Un groupe de volontaires a dactylographié d’abord un article de Wikipédia au cours de la journée, puis on lui a demandé de taper un autre article après avoir été réveillé 70 à 80 minutes après s’être endormi; dans ce dernier cas, le minutage de leurs frappes était plus incohérent. Toutefois, selon le MIT, une étude préliminaire portant sur 21 volontaires atteints de la maladie de Parkinson et sur 15 personnes non atteintes de la maladie a montré que ceux atteints de la maladie de Parkinson présentaient une plus grande variation de frappe.
«Il y a un déclin moteur sept ans avant que le diagnostic clinique [soit possible], et le déclin moteur continue», a déclaré Giancardo. Selon lui, détecter plus tôt les signes de la maladie permettrait aux neurologues de modifier le traitement en fonction du déclin moteur du patient et, éventuellement, de mettre un terme au déclin avec les traitements en cours de développement.
Cette technique pourrait éventuellement être utilisée pour rechercher d’autres maladies neurologiques, ainsi que la polyarthrite rhumatoïde et pour déterminer si la personne qui tape le texte est en état d’ivresse ou non. Pour l’instant, l’équipe s’efforce de prouver, d’améliorer et d’affiner sa méthode de détection de la maladie de Parkinson dans le cadre d’une étude plus vaste.
Au-delà de cela, les chercheurs sont également intéressés par la collecte d’un plus grand nombre de saisies au clavier auprès d’un large groupe d’utilisateurs, ce qui devrait leur donner une meilleure base de modèle de dactylographie et les aider à diagnostiquer différentes conditions.
"Espérons que nous serons en mesure de nous associer à de grands acteurs, afin que notre technologie puisse être intégrée sur de plus grandes plates-formes, et que le signal puisse être capturé sans intervention de l'utilisateur", a déclaré Giancardo. . "
Jusqu'à ce que cela se produise, l'équipe procède elle-même à un crowdsourcing de données. Ils ont développé une application, disponible sur neuroqwerty.com, qui surveille la dactylographie sous Windows ou Mac OSX de la même manière que leurs études contrôlées. Les dactylos en bonne santé peuvent partager leurs données de clavier, et les utilisateurs chez qui on a diagnostiqué la maladie de Parkinson peuvent l'indiquer lors de leur inscription, ainsi que le stade de leur maladie et les médicaments qu'ils prennent.
