研究人員開發人工智能預測嬰兒的發育障礙

出生并發癥的兒童在以后的生活中更容易患上認知和身體疾病。例如，在高調的醫學雜志“BMJ ”上發表的一項2017年研究 顯示，早產兒的發育遲緩率較高。研究人員已經證明，手臂和腿部運動 - 自發運動 - 可以幫助區分典型和非典型的發育，但是存在一個問題：他們很難在嬰兒期早期發現。

南加州大學(USC)和馬德里卡洛斯三世大學的一個團隊開始在可穿戴設備和機器學習算法的幫助下開發解決方案。他們的方法在預印本服務器Arxiv.org 上發表的論文中描述(“使用可穿戴傳感器的長日運動數據預測嬰兒運動發育狀態”)，對肢體運動模式進行分類，以預測嬰兒是否可能在以后發生神經缺陷。生活。

“[S] tudies已經證明，運動變量，如踢腿頻率，時空組織，以及相互關節和肢內協調，在具有典型發育的嬰兒和處于危險中的嬰兒之間是不同的......包括智力殘疾嬰兒，脊髓脊膜膨出，唐氏綜合癥，以及早產的嬰兒，“研究人員寫道。

該團隊從USC的嬰兒神經運動控制實驗室提供的數據集中獲取，該實驗室包含從加速度計，陀螺儀和綁在嬰兒腳踝上的磁力計收集的運動數據。算法從原始傳感器數據檢測右腿和左腿運動，并確定每個運動的持續時間，平均加速度，峰值加速度和其他特征。

研究人員手動添加了年齡，發育規模得分和開發標簽(即典型或非典型)等功能，并使用一系列二進制分類算法組合了一個預測模型，最終確定了三個最佳表現者，他們結合起來以最小化任何一個模特的偏見。

由此產生的算法運行數字，其預測非常接近基線。它預測前6個月的發育延遲來自運動數據，準確率為83.9%%，并預測6-12個月的問題，準確率為77%%。

“總體而言，這些結果進一步確立了分類算法中使用的運動學特征與嬰兒發育之間的關系，”研究人員寫道。“最終目標是使用這種方法來預測有風險的嬰兒是否會被診斷為發育遲緩。”

在未來的研究中，該團隊希望招募更多的嬰兒，并創建一個算法，根據歷史傳感器數據預測嬰兒的運動。

他們寫道：“目前，發育遲緩通常不會在嬰兒兩歲之前被診斷出來，從而阻止許多嬰兒接受早期有針對性的干預措施。” “我們的目標是開發的預測算法將證實發育遲緩反映在嬰兒出生后頭幾個月嬰兒的運動中，從而允許更多的嬰兒接受早期的定向干預措施。