Новая технология поможет выявлять нейромоторные заболеваний у младенцев

Группа исследователей под руководством доцента Пенсильванского университета Хуанью Ченга протестировала использование носимых датчиков в сочетании с небольшим алгоритмом машинного обучения для автоматического мониторинга и оценки общих движений младенцев.

По словам Ченга, носимая сенсорная сеть с алгоритмом на основе искусственного интеллекта решает проблемы субъективности и стоимости. Пилотный тест, опубликованный в журнале «Advanced Science», показывает, что новая технология может автоматически выявить младенцев с риском развития нейромоторных заболеваний по общим движениям с точностью до 99,9%.

Интервью с доктором Ченгом публикует пресс-служба Пенсильванского университета.

– Зачем нужна эта технология?

– Общие движения – это врожденные, спонтанные модели движений, которые проявляются у младенцев от рождения до 20 недель. Нетипичные модели двигательного поведения малышей могут указывать на основные нейромоторные дисфункции, такие как церебральный паралич, расстройства аутистического спектра или легкие формы других неврологических расстройств. Выявление на самом раннем этапе в младенчестве критически важно для содействия скорейшему выздоровлению и оптимальным долгосрочным функциональным результатам и качеству жизни. Другими словами, выявление и своевременная реабилитация могут быть осуществлены только в младенчестве, прежде чем в процессе развития мозга произойдут необратимые повреждения/изменения. Современные методы обследования, такие как визуальный осмотр, ограничены субъективными суждениями и необходимостью привлечения специально обученных врачей. В этих исследованиях часто также используется видеокамера, использование которой ограничено сложной настройкой камеры и восприимчивостью к окружающей среде.

– Можете ли вы описать состав датчиков, что они обнаруживают и как работают?

– Мы разработали мягкие беспроводные устройства инерциального движения (IMU) с механическими свойствами, подобными коже, чтобы снизить риск травм кожи, которые часто могут возникнуть на незрелой коже младенцев во время обследования или лечения. Разреженная сенсорная сеть размещается пятью физически разделенными, но подключенными по беспроводной сети устройствами IMU на лбу, запястьях и лодыжках младенцев, что позволяет осуществлять надежный сбор данных о движениях. Потоки данных, генерируемые этой сенсорной сетью, обрабатываются крошечным алгоритмом машинного обучения со специально разработанным графическим пользовательским интерфейсом для автоматического выявления младенцев с риском аномального развития нервной системы.

– Что нового в этой технологии по сравнению с другими методами диагностики нейромоторных заболеваний?

– Помимо конструкции беспроводной разреженной сенсорной сети, рассмотренной выше, крошечный алгоритм машинного обучения играет ключевую роль в обработке потоков данных, генерируемых сенсорной сетью. В отличие от крупномасштабных систем искусственного интеллекта, крошечные алгоритмы машинного обучения могут обеспечить быстрое выявление и классификацию младенцев «нормального», «высокого риска» и «низкого риска» в условиях ограниченных ресурсов.

– Зачем начинать пилотное исследование с небольшой выборки? Куда пойдет исследование дальше?

– Из-за сложности набора большого количества людей, текущее исследование было сосредоточено только на пилотном варианте с относительно небольшим количеством испытуемых (23 младенца). Тем не менее, результаты доказывают возможность объединения устройств IMU с миниатюрной моделью машинного обучения для автоматической классификации общих движений у младенцев, открывая путь для ранней оценки и оценки развития мозга. Мы, безусловно, заинтересованы в сотрудничестве с соответствующими врачами для проведения более масштабного исследования с целью полной проверки нашей системы устройств.

Между тем, такую платформу из датчиков и устройств можно использовать для других типов исследований, таких как оценка сердечно-легочных состояний, изучение акустических сигнатур голосовых связок для тренировки речи и пения, а также спортивных тренировок/упражнений и других.