Nowe badania kierowane przez Uniwersytet w Buffalo wskazują, że analiza pisma ręcznego wspomagana sztuczną inteligencją może stanowić skuteczne narzędzie do wczesnego wykrywania dysleksji i dysgrafii u dzieci w wieku szkolnym. Wyniki opublikowano w czasopiśmie SN Computer Science i zapowiadają przełom w sposobie diagnozowania zaburzeń neurorozwojowych – szczególnie w kontekście ograniczonego dostępu do specjalistów, takich jak logopedzi i terapeuci zajęciowi.
Zespół badawczy podkreśla, że szybkie rozpoznanie dysleksji i dysgrafii jest kluczowe, ponieważ nieleczone mogą negatywnie wpływać na rozwój edukacyjny oraz społeczno-emocjonalny dziecka. Obecnie stosowane metody diagnozowania są często kosztowne, czasochłonne i skoncentrowane na jednej chorobie. Nowe rozwiązanie ma za zadanie zintegrować wiele etapów analizy i umożliwić szerszy dostęp do badań przesiewowych, zwłaszcza w rejonach mniej zurbanizowanych i słabiej wyposażonych edukacyjnie.
Inicjatywa ta jest częścią amerykańskiego National AI Institute for Exceptional Education – instytucji badawczej powstałej w celu opracowania systemów AI wspierających dzieci z zaburzeniami językowymi i komunikacyjnymi. Prace prowadzone są pod kierownictwem profesora Venu Govindaraju, który już wcześniej odegrał istotną rolę w rozwoju technologii rozpoznawania pisma, stosowanych m.in. przez Pocztę Stanów Zjednoczonych do automatycznego sortowania korespondencji.
Nowe podejście opiera się na rozbudowaniu istniejących technologii analizujących pismo odręczne. Systemy sztucznej inteligencji zaprojektowano tak, aby identyfikowały wskaźniki świadczące zarówno o dysgrafii (na przykład nieczytelne pismo, trudności z układem liter), jak i dysleksji (problemy z ortografią, błędy w składni). Choć dysgrafię łatwiej rozpoznać na podstawie samego zapisu, dysleksja objawia się bardziej subtelnie i wymaga szerszej analizy, obejmującej trudności z fonetyką oraz korelacją obrazu liter z ich znaczeniem.
Jednym z głównych wyzwań było znalezienie odpowiednio dużej próbki pisma dziecięcego, na podstawie której można by trenować algorytmy. W tym celu naukowcy nawiązali współpracę z nauczycielami, terapeutami i logopedami, by upewnić się, że powstające narzędzia będą praktyczne i łatwe do wdrożenia w warunkach szkolnych. Zebrano próbki pisma, zarówno na papierze, jak i za pośrednictwem tabletów, od uczniów klas od zerówki do piątej szkoły podstawowej w jednej z placówek w Reno. Cały proces został zatwierdzony przez komisję etyki, a dane odpowiednio zanonimizowano.
Oprócz samego zbierania danych, wykorzystano także specjalnie opracowaną listę kontrolną DDBIC (Dysgraphia and Dyslexia Behavioral Indicator Checklist), która zawiera 17 zachowań wskazujących na obecność zaburzeń – od momentu rozpoczęcia pisania, przez jego trwanie, aż po zakończenie. Sztuczna inteligencja została przeszkolona na tej bazie, a efektywność jej działania porównano z wynikami uzyskiwanymi przez wykwalifikowanych specjalistów.
System AI opracowany w ramach projektu umożliwia kompleksową analizę pisma odręcznego poprzez różnorodne moduły. Potrafi nie tylko analizować tempo pisania, nacisk długopisu i ruchy ręki (istotne w diagnozie problemów motorycznych), ale również oceniać wygląd liter – ich wielkość, odległości i czytelność. Kolejny moduł zajmuje się automatyczną konwersją pisma na tekst, wskazując błędy ortograficzne, odwrotność liter czy pomyłki typowe dla osób z dysleksją. AI potrafi również przewidywać głębsze problemy poznawcze, analizując np. składnię czy użycie słownictwa.
Największą zaletą prezentowanego narzędzia jest jego wielowarstwowość i zdolność do integracji tych wszystkich analiz w jedno spójne sprawozdanie diagnostyczne. Może to znacząco odciążyć specjalistów, umożliwić szybsze rozpoznanie problemów oraz realnie poprawić jakość życia wielu dzieci.
To przedsięwzięcie udowadnia, że sztuczna inteligencja może służyć dobru publicznemu – nie tylko w postaci spektakularnych działań przemysłowych czy wojskowych, lecz realnie wpływając na edukację i opiekę nad dziećmi z trudnościami rozwojowymi. Jak podkreślają autorzy, kluczem do sukcesu takich inicjatyw jest uwzględnienie perspektywy użytkowników końcowych – czyli nauczycieli, terapeutów, rodziców, a przede wszystkim samych dzieci.
W badaniach uczestniczyli również naukowcy z innych ośrodków, w tym z Uniwersytetu Nevady oraz ośrodków badawczych zajmujących się zaawansowaną analizą biometrów i języka. Prace trwają nadal, a kolejnym krokiem będzie dalsze udoskonalanie algorytmów oraz opracowanie gotowego narzędzia, które mogłoby znaleźć zastosowanie powszechne w szkołach i poradniach na całym świecie.
