前段时间误入了一个机械键盘科普视频，这个轴那个轴花里胡哨给我看得一阵晕晕，塞了一堆暂时用不到的知识的同时，我也感慨，原来我每天都要用的键盘，按键居然能那么灵敏啊。

而键盘也不止是打工人的劳作工具。近期，《科学·进展》杂志发表了来自加州大学洛杉矶分校科研团队的一项研究，科学家们有针对性地开发了一款智能键盘，可以通过收集受试者敲打键盘的动态数据，结合人工智能模型分析，来判别其是否患有帕金森病（PD）以及用于疾病的进展监测，准确率可达96.97%。

论文题图

我们都知道，帕金森病最主要的疾病表现就在运动，帕金森病患者普遍存在明显的手和手指运动症状，如运动迟缓、震颤（4-6Hz）、僵硬等表现。很显然，这些疾病表现会影响患者敲打键盘时的敲击动态。

研究者想到，可以通过分析受试者敲键盘的动态来尝试诊断或监测帕金森病的进展。

针对这个想法，研究者开发了一套软压感应智能键盘系统（IKS），主要部分由液态金属纤维和柔软的磁弹性薄膜熔合构成，可以在无需外部电源的情况下，将敲击键盘的动作转化为相应的电信号。

IKS的构造和作用原理

经过测试，IKS性能不错，完全防水，不会被手汗影响功能，传感器相当耐用和稳定。检测限低至0.25 kPa，响应时间最短4 ms，信噪比（SNR）为34.5 dB。

键盘收集的数据主要有三个。FT，是两个峰值电压之间的时长，也就是松开一个按键到按下下一个按键之间的间隔；HT，一个峰值的时长，也就是按下一个键到松开的时长；压力，单个峰的振幅，表示按下一个键的压力。

下图B可以看到实验室中三名健康的年轻受试者（21岁男性、25岁女性、29岁女性）的按键特征。

IKS收集数据并分析的作用原理

研究者招募了13名健康受试者、3名病情不同的帕金森病患者收集相应数据，并建立了一个基于卷积神经网络（CNN）的深度学习框架，完成了疾病的预测模型。

调整迭代后，该模型在验证集中判定帕金森病准确率达到93.55%，在测试集中则达到了96.97%。

深度学习模型原理

研究者还开发了配套的手机应用程序，赋予了智能键盘系统用于疾病进展长期监测的可能性。

帕金森病的疾病监测一直是个难题。随着疾病进展，帕金森病患者用药也需要改变，诊断和监测疾病进展是有必要的。

但目前疾病监测依赖的主要手段，评定量表较为主观，而影像学方法又昂贵且不可及难以持续应用，高效稳定易获取的监测手段是亟需的。

希望这种智能键盘能够为帕金森病诊断和监测提供新的思路。

参考资料：

[1]Trinny Tat et al. ,Diagnosing Parkinson’s disease via behavioral biometrics of keystroke dynamics.Sci. Adv.11,eadt6631(2025).DOI:10.1126/sciadv.adt6631

本文作者丨代丝雨