Nowa technologia może pomóc w identyfikacji objawów chorób neurologicznych u niemowląt

Zespół badaczy kierowany przez Huanyu „Larry’ego” Chenga, profesora Jamesa L. Hendersona Jr., Memorial Institute for Engineering Sciences and Mechanics (ESM) w Penn State testuje zastosowanie czujników do noszenia w połączeniu z „małym” algorytmem uczenia maszynowego. Do automatycznego monitorowania i oceny ogólnych ruchów u niemowląt.

Według Chenga sieć czujników do noszenia z algorytmem opartym na sztucznej inteligencji pozwala przezwyciężyć problemy subiektywizmu i kosztów. Testy eksperymentalne opublikowane w Zaawansowana naukaWyjaśnia, że ​​nowa technologia może automatycznie identyfikować niemowlęta zagrożone chorobami neuromotorycznymi na podstawie ogólnych ruchów z dokładnością do 99,9%.

Penn State News skontaktowało się z Chengiem w sprawie implikacji tej pracy.

Dlaczego ta technologia jest potrzebna?

Ruchy ogólne to wrodzone i spontaniczne wzorce ruchu, które dzieci wykazują od urodzenia do dwudziestego tygodnia. Nietypowe wzorce zachowań ruchowych u niemowląt mogą wskazywać na leżące u podstaw neurologiczne zaburzenia motoryczne, takie jak porażenie mózgowe, zaburzenia ze spektrum autyzmu lub łagodne formy innych zaburzeń neurologicznych. Wykrycie choroby we wczesnym dzieciństwie ma kluczowe znaczenie dla wczesnego powrotu do zdrowia i osiągnięcia optymalnych, długoterminowych wyników funkcjonalnych i jakości życia.

Innymi słowy, szybkie wykrycie i rehabilitację można przeprowadzić jedynie w dzieciństwie, zanim w rozwoju mózgu wystąpią nieodwracalne uszkodzenia/zmiany. Obecne metody badań przesiewowych, takie jak oględziny, są ograniczone subiektywną oceną i zapotrzebowaniem na specjalnie przeszkolonych klinicystów. W testach tych często wykorzystuje się także kamerę wideo, co jest ograniczone ze względu na złożoną konfigurację kamery i jej czułość na otoczenie.

Czy możesz opisać konfigurację czujników, co wykrywają i jak działają?

Zaprojektowaliśmy miękkie, bezprzewodowe urządzenia inercyjne (IMU) o właściwościach mechanicznych przypominających skórę, aby zmniejszyć ryzyko obrażeń skóry, które często mogą wystąpić na niedojrzałej skórze niemowląt podczas badania lub leczenia. Rzadka sieć czujników strategicznie umieszcza pięć fizycznie oddzielnych, ale połączonych bezprzewodowo IMU na czołach, nadgarstkach i kostkach niemowląt, umożliwiając solidne gromadzenie danych o ruchu.

Strumienie danych generowane przez tę sieć czujników są przetwarzane przez niewielki algorytm uczenia maszynowego ze specjalnie opracowanym graficznym interfejsem użytkownika w celu automatycznej identyfikacji niemowląt zagrożonych nieprawidłowym rozwojem neurologicznym.

Co nowego jest w tej technologii w porównaniu z innymi metodami stosowanymi w diagnostyce chorób neuronu ruchowego?

Oprócz omówionej powyżej rzadkiej konstrukcji sieci czujników bezprzewodowych, kluczową rolę w przetwarzaniu strumieni danych generowanych przez sieć czujników odgrywa niewielki algorytm uczenia maszynowego. Małe algorytmy uczenia maszynowego różnią się od wielkoskalowych struktur sztucznej inteligencji i mogą zapewnić szybkie wykrywanie i klasyfikację niemowląt „normalnych”, „wysokiego ryzyka” i „niskiego ryzyka” w środowiskach o niskich zasobach.

Dlaczego warto rozpocząć od badania pilotażowego na małej próbie? Dokąd zmierzają badania?

Ze względu na wyzwanie, jakim jest rekrutacja dużej liczby uczestników, obecne badanie skupiło się wyłącznie na badaniu pilotażowym na stosunkowo małej próbie wynoszącej 23 niemowląt. Wyniki pokazują jednak wykonalność połączenia IMU z małym modelem uczenia maszynowego do automatycznej klasyfikacji ogólnych ruchów u niemowląt, torując drogę do wczesnej oceny i oceny rozwoju mózgu. Z pewnością jesteśmy zainteresowani współpracą z odpowiednimi lekarzami w celu przeprowadzenia większego badania w celu pełnej walidacji naszego systemu urządzenia.

Tymczasem platformę czujników/urządzeń można z pewnością wykorzystać do innych rodzajów badań, takich jak między innymi ocena stanu serca i płuc, badanie sygnatur akustycznych strun głosowych na potrzeby treningu mowy i śpiewu oraz treningu/ćwiczeń sportowych.