Upptäckt av MCI från handritade test med residual vision transformer

Varför enkla teckningar kan avslöja dolda minnesproblem

Föreställ dig att en läkare skulle kunna upptäcka tidiga varningstecken på demens bara genom att titta på hur du ritar en klocka, en kub eller en rad sammankopplade cirklar. Dessa snabba skisser används redan i kliniker, men de poängsätts för hand och är starkt beroende av läkarnas omdömen. Denna artikel visar hur ett artificiellt intelligenssystem (AI) kallat ResViT kan "läsa" dessa teckningar automatiskt och förvandla pennstreck till en tidig varning för mild kognitiv störning (MCI), ett stadium mellan normal åldrande och demens där behandling och planering fortfarande kan göra stor skillnad.

Från papperstest till smart screening

Mild kognitiv störning visar sig ofta först i vardagliga uppgifter som kräver planering, uppmärksamhet och rumsuppfattning—exakt det som rittest är avsedda att undersöka. Läkare ber ofta patienter rita en klocka som visar en viss tid, kopiera en tredimensionell kub eller koppla samman utspridda siffror och bokstäver i en följd. Tidigare fick varje teckning bedömas med blotta ögat, vilket är långsamt och kan variera mellan kliniker. Författarna ville bygga ett mer objektivt system som ser på alla tre teckningarna tillsammans och använder en dator för att upptäcka mönster som även tränade ögon kan missa. Målet är inte att ersätta läkare, utan att ge dem en snabb, konsekvent andra åsikt.

Att förena två sätt att se: detaljer och helhetsbild

Kärnan i studien är en hybrid-AI-modell kallad ResViT, utformad för att kombinera två kompletterande stilar av bildanalys. Den ena delen, baserad på en teknik känd som ResNet, är särskilt bra på att upptäcka fina detaljer som kanter, hörn och små förvrängningar i linjerna i en teckning. Den andra delen, en Vision Transformer, är skicklig på att förstå den övergripande layouten—hur delarna av en klocka, kub eller stig passar ihop över sidan. Istället för att mata teckningarna genom dessa komponenter i följd körs de parallellt och de två informationsströmmarna smälts sedan samman till en enhetlig, rikare bild av en persons kognitiva tillstånd.

Hur systemet lär sig från verkliga patientteckningar

För att testa sin idé använde forskarna en offentlig samling teckningar från 918 personer, där varje deltagare hade utfört klock-, kub- och stigtesterna. Varje persons kognitiva status hade redan bedömts med ett standardiserat kliniskt test, vilket gav en sanningsetikett som antingen "frisk" eller "MCI." Teamet konverterade teckningarna till gråskalebilder, ändrade storlek och applicerade enkla justeringar som rotationer och ljusstyrkeförändringar för att göra modellen mer robust. Under träningen jämförde ResViT upprepade gånger sina förutsägelser med de kända etiketterna och justerade sina interna inställningar, med skyddsåtgärder som early stopping och dropout för att undvika att memorera träningsdata istället för att lära sig generella mönster.

Hur bra det fungerar och vad det visar

När modellen utvärderades på personer den aldrig sett tidigare skilde ResViT korrekt mellan friska individer och dem med MCI i ungefär tre fjärdedelar av fallen, med en noggrannhet på 74,09 % och ett balanserat F1‑värde kring 0,67. Detta överträffade flera starka alternativ, inklusive versioner som endast använde ResNet-delen, endast Vision Transformer eller ett annat populärt nätverk kallat EfficientNet. Den hybrida ansatsen, med omkring en tredjedel så många interna parametrar som en stor fristående transformer, visade sig särskilt bra på att balansera känslighet för sjukdom och undvikande av falska larm. Med hjälp av värmekartvisualiseringar visade författarna också att modellen tenderar att fokusera på kliniskt meningsfulla områden—som klockans siffror, kubens kanter och förgreningar i stigarna—vilket tyder på att den uppmärksammar i stort sett samma ledtrådar som mänskliga experter.

Begränsningar idag och möjligheter imorgon

Författarna betonar att deras system ännu inte är redo att vara ett universellt screeningsverktyg. Datasetet är måttligt i storlek, snedvridet mot äldre vuxna och saknar viktig bakgrundsinformation som utbildningsnivå och kulturella skillnader, faktorer som kan påverka hur människor ritar. Modellen kan också vara beräkningsmässigt krävande för lågpresterande enheter. Ändå, eftersom ResViT kan anpassas med relativt få nya exempel, skulle den kunna utvidgas till andra kognitiva störningar eller nya rituppgifter när mer data blir tillgängliga. Att integrera större och mer mångsidiga dataset och bygga mer slimmade versioner av modellen blir viktiga steg mot daglig användning.

Vad detta betyder för patienter och familjer

Enkelt uttryckt visar detta arbete att väl utformad AI kan förvandla enkla penn‑och‑papper-skisser till ett praktiskt verktyg för att fånga tidiga tecken på minnes- och tankestörningar. Medan en noggrannhet på 74 % inte är perfekt är det lovande för en första linjens försvar som är billig, snabb och lätt att upprepa över tid. I framtiden skulle en inscannad teckning från en klinik, eller till och med en tablet hemma, tyst kunna flagga subtila förändringar långt innan de blir uppenbara i vardagen, vilket ger läkare och familjer mer tid att agera. Istället för att ersätta mänskligt omdöme kan system som ResViT göra det omdömet mer konsekvent och tidsenligt, och därigenom ge tidigare hjälp till personer i riskzonen för demens.

Citering: Sirshar, M., Matloob, I., Tayyabah, A. et al. MCI detection from handwritten drawing test using residual vision transformer. Sci Rep 16, 10334 (2026). https://doi.org/10.1038/s41598-026-40716-y

Nyckelord: mild kognitiv störning, rittest, djupinlärning, vision transformer, tidig demensupptäckt