Disegnare una spirale sembra un gesto banale. Eppure il modo in cui muoviamo la penna potrebbe contenere informazioni sul funzionamento del nostro sistema nervoso. Uno studio pubblicato nell’agosto 2026 su Discover Computing ha sviluppato un sistema basato sull’intelligenza artificiale capace di distinguere persone con malattia di Parkinson da individui sani analizzando semplici esercizi di disegno. Il modello migliore ha raggiunto un’accuratezza del 98,95% per un particolare tracciato chiamato meander e del 97,73-97,74% per le spirali. Numeri impressionanti, che descrivono però le prestazioni ottenute su un piccolo dataset sperimentale, non l’accuratezza di un esame già utilizzabile negli ospedali.
Perché il Parkinson modifica la scrittura
La malattia di Parkinson è un disturbo neurodegenerativo caratterizzato dalla progressiva perdita di neuroni dopaminergici e può provocare bradicinesia, rigidità, tremore e difficoltà nella coordinazione dei movimenti. Anche scrivere e disegnare richiedono un controllo motorio estremamente preciso. Alterazioni come movimenti più lenti, variazioni della pressione esercitata sulla penna, irregolarità della traiettoria e difficoltà nel mantenere forme regolari possono quindi diventare segnali misurabili. Da anni la ricerca studia la scrittura come possibile biomarcatore digitale del Parkinson: l’intelligenza artificiale permette ora di cercare differenze molto più sottili di quelle facilmente percepibili osservando un foglio a occhio nudo.
Una penna intelligente registra molto più dell’inchiostro
I ricercatori guidati da Ishan Ayus hanno utilizzato il dataset NewHandPD, precedentemente raccolto in Brasile e composto da 66 partecipanti: 31 con Parkinson e 35 controlli sani. I volontari avevano realizzato due tipi di figure: spirali e meander, percorsi continui caratterizzati da ripetuti cambi di direzione. Una penna biometrica non registrava soltanto l’immagine finale, ma raccoglieva contemporaneamente informazioni sul movimento. Tra i segnali figuravano pressione, presa delle dita, inclinazione e accelerazione della penna nelle diverse direzioni. L’algoritmo poteva quindi osservare sia ciò che una persona disegnava sia come lo disegnava.
L’intelligenza artificiale cerca dettagli quasi invisibili
Il sistema combinava differenti architetture di deep learning. Una parte analizzava le caratteristiche visive del disegno, individuando irregolarità delle linee, deviazioni dalla forma prevista e possibili distorsioni legate al tremore. Un’altra studiava invece la sequenza temporale dei segnali provenienti dalla penna, cercando oscillazioni della velocità, variazioni della pressione e problemi di coordinazione. I ricercatori hanno inoltre utilizzato un algoritmo di ottimizzazione chiamato SNAKE per perfezionare i modelli e una strategia di fusione che assegnava un peso alle loro previsioni. L’idea è che immagine e movimento contengano informazioni complementari sulla motricità fine.
Il risultato arriva davvero vicino al 99%
Il modello multimodale migliore ha raggiunto il 98,95% di accuratezza nei meander, con un F1-score del 98,11%, mentre per le spirali l’accuratezza è stata del 97,73%. Gli autori hanno utilizzato una validazione incrociata organizzata a livello dei partecipanti, in modo da evitare che campioni appartenenti alla stessa persona finissero contemporaneamente nei dati di addestramento e di test. Il meander potrebbe essere particolarmente informativo perché i continui cambiamenti di direzione mettono alla prova stabilità del movimento, presa e controllo della penna. Non è comunque la prima volta che si raggiungono prestazioni molto elevate: precedenti sistemi basati sulla scrittura avevano riportato accuratezze superiori al 90% e, in alcuni dataset, intorno al 99%.
Ma il 99% non significa “diagnosi certa al 99%”
È la precisazione fondamentale. Lo studio ha analizzato soltanto 66 persone, un campione troppo piccolo per rappresentare l’enorme variabilità presente nella popolazione reale. Inoltre, il sistema doveva distinguere soggetti già classificati come affetti da Parkinson da controlli sani all’interno di un dataset specifico. In un ambulatorio dovrebbe invece confrontarsi con persone di età differenti, diversi stadi della malattia e soprattutto condizioni capaci di produrre sintomi simili, come altri parkinsonismi o disturbi del movimento. Gli stessi autori sottolineano quindi che i risultati dimostrano il potenziale del metodo, non la sua efficacia diagnostica definitiva.
Il vero obiettivo potrebbe essere uno screening semplice e remoto
Se validata su migliaia di persone e in contesti clinici indipendenti, questa tecnologia potrebbe diventare interessante soprattutto come strumento di screening non invasivo. Un esercizio grafico richiede pochi minuti, non utilizza radiazioni e potrebbe teoricamente essere eseguito attraverso dispositivi digitali relativamente economici. L’algoritmo potrebbe segnalare anomalie motorie meritevoli di un approfondimento neurologico oppure monitorare nel tempo variazioni della motricità. Studi precedenti con penne dotate di sensori hanno già dimostrato che caratteristiche come fluidità, forza applicata e oscillazioni associate al tremore possono contribuire a distinguere pazienti con Parkinson e controlli.
Un aiuto al neurologo, non un sostituto
Per ora, dunque, disegnare male una spirale non significa avere il Parkinson. Stanchezza, età, artrite, ansia, farmaci e numerose altre condizioni possono modificare la scrittura e la precisione dei movimenti. La diagnosi della malattia resta una valutazione clinica che richiede competenze neurologiche e non può essere affidata a un disegno interpretato autonomamente. La prospettiva interessante è un’altra: trasformare gesti quotidiani in biomarcatori digitali capaci di fornire al medico informazioni quantitative aggiuntive. Il risultato vicino al 99% è quindi promettente, ma dovrà superare la prova decisiva di studi clinici molto più grandi e diversificati. Se ciò accadesse, in futuro una delle prime tracce di una malattia neurologica potrebbe emergere semplicemente osservando come la nostra mano percorre una linea.