Dal Politecnico di Milano la penna smart contro la disgrafia: testata su 700 bambini

Ha l'aspetto e il funzionamento di una comune penna a inchiostro, scrive su carta e non richiede al bambino di adattarsi a una superficie diversa. Dentro, però, monta una serie di sensori che rilevano ogni caratteristica del gesto grafico. Si chiama THInkPen, acronimo di Tele-Health Ink Pen, ed è al centro di uno studio appena pubblicato dal Politecnico di Milano e dall'Università dell'Insubria di Varese e Como. La differenza rispetto ad altri strumenti di screening è proprio questa: i tablet e le superfici digitali alterano il gesto, mentre qui la scrittura resta quella di sempre. Il bambino non si accorge di essere misurato.

Settecento bambini e il test più usato in Italia

La sperimentazione ha coinvolto oltre 700 studenti dell'intero ciclo della primaria e della secondaria di primo grado. Ognuno di loro ha svolto due prove del BVSCO-3, la Batteria per la Valutazione clinica della Scrittura e della Competenza Ortografica, che rappresenta lo strumento di riferimento in Italia per l'individuazione di difficoltà di scrittura, disgrafia e disortografia. L'impiego della penna sensorizzata durante le prove ha permesso di affiancare al risultato clinico una mole di dati sul processo che porta a quel risultato, come sollecitato dalle più recenti linee guida sui Disturbi specifici dell'apprendimento.

Pressione, fluidità, inclinazione: gli indicatori digitali

Dai dati raccolti i ricercatori hanno estratto una serie di indicatori quantitativi: la pressione esercitata sul foglio, la fluidità del movimento, l'inclinazione della penna e la frequenza con cui i sensori trasmettono i segnali. Ogni parametro è stato messo in relazione con i punteggi clinici del test attraverso algoritmi di intelligenza artificiale sviluppati appositamente. Le correlazioni emerse si sono rivelate significative e stabili, confermando che gli indicatori digitali riflettono in modo attendibile la qualità della prestazione. I modelli di classificazione binaria hanno distinto correttamente gli studenti con difficoltà di scrittura, individuati sulla base del BVSCO-3, dal resto del campione.

Un passaggio ulteriore riguarda le tecniche di explainable AI, l'intelligenza artificiale in grado di rendere trasparenti i criteri delle proprie decisioni. Applicate a questi dati, hanno consentito di risalire alle ragioni specifiche di una prestazione sotto la media: non solo quindi la rilevazione della difficoltà, ma l'individuazione della sua natura, presupposto per costruire interventi mirati. L'analisi comparata fra classi ha inoltre mostrato che gli indicatori digitali riproducono fedelmente la progressione delle competenze grafo-motorie osservata da un anno scolastico all'altro, dimostrando sensibilità sufficiente a cogliere l'evoluzione del gesto nel tempo.

Ferrante: "Analizzare il processo, non solo il prodotto"

Lo studio nasce all'interno del progetto PRIN "e-School 2.0", di cui è capofila il Dipartimento di Elettronica, Informazione e Bioingegneria del Politecnico di Milano in collaborazione con l'Università dell'Insubria. "L'impiego della THInkPen nell'analisi non solo del prodotto finale, ma dell'intero processo di scrittura, potrebbe favorire un'identificazione precoce delle difficoltà di scrittura in ambito scolastico, facilitando così una tempestiva ed efficace attivazione dei servizi clinici", spiega Simona Ferrante, docente del DEIB e coordinatrice del gruppo di ricerca del Politecnico.

Il nodo delle liste d'attesa in neuropsichiatria

La ricaduta più concreta riguarda l'organizzazione dei servizi. "Questo aspetto assume particolare rilevanza alla luce della crescente domanda che i servizi di Neuropsichiatria dell'Infanzia e dell'Adolescenza si trovano quotidianamente a fronteggiare e delle conseguenti lunghe liste d'attesa", osserva Cristiano Termine, docente di Neuropsichiatria Infantile all'Università dell'Insubria.

Il punto sollevato da Termine riguarda la selezione dei casi: le difficoltà scolastiche costituiscono uno dei principali motivi di richiesta di valutazione, ma "non tutte le difficoltà incontrate dagli studenti necessitano necessariamente di un approfondimento clinico specialistico". Da qui la necessità di strumenti di osservazione affidabili che aiutino la scuola a distinguere e a inviare ai servizi soltanto le situazioni che lo richiedono davvero.

Dalle malattie neurodegenerative ai banchi di scuola

Il dispositivo ha una storia che precede questa applicazione. Brevettato dal Politecnico di Milano insieme all'Università degli Studi di Milano, in particolare con il professor Alberto Borghese, era stato concepito in origine per lo screening delle malattie neurodegenerative, e solo in un secondo momento riorientato verso la valutazione del neurosviluppo. A questo passaggio ha contribuito Linda Greta Dui, ricercatrice del DEIB e Tecnovisionaria 2025 per questo filone di lavoro.

Alla pubblicazione hanno partecipato anche Cesare Cornoldi, professore emerito dell'Università di Padova e fra gli ideatori del BVSCO-3, l'ASST Sette Laghi e il Centro per le Neuroscienze dell'ospedale Los Madroños di Madrid.