研究人员开发人工智能预测婴儿的发育障碍

出生并发症的儿童在以后的生活中更容易患上认知和身体疾病。例如，在高调的医学杂志“BMJ ”上发表的一项2017年研究 显示，早产儿的发育迟缓率较高。研究人员已经证明，手臂和腿部运动 - 自发运动 - 可以帮助区分典型和非典型的发育，但是存在一个问题：他们很难在婴儿期早期发现。

南加州大学(USC)和马德里卡洛斯三世大学的一个团队开始在可穿戴设备和机器学习算法的帮助下开发解决方案。他们的方法在预印本服务器Arxiv.org 上发表的论文中描述(“使用可穿戴传感器的长日运动数据预测婴儿运动发育状态”)，对肢体运动模式进行分类，以预测婴儿是否可能在以后发生神经缺陷。生活。

“[S] tudies已经证明，运动变量，如踢腿频率，时空组织，以及相互关节和肢内协调，在具有典型发育的婴儿和处于危险中的婴儿之间是不同的......包括智力残疾婴儿，脊髓脊膜膨出，唐氏综合症，以及早产的婴儿，“研究人员写道。

该团队从USC的婴儿神经运动控制实验室提供的数据集中获取，该实验室包含从加速度计，陀螺仪和绑在婴儿脚踝上的磁力计收集的运动数据。算法从原始传感器数据检测右腿和左腿运动，并确定每个运动的持续时间，平均加速度，峰值加速度和其他特征。

研究人员手动添加了年龄，发育规模得分和开发标签(即典型或非典型)等功能，并使用一系列二进制分类算法组合了一个预测模型，最终确定了三个最佳表现者，他们结合起来以最小化任何一个模特的偏见。

由此产生的算法运行数字，其预测非常接近基线。它预测前6个月的发育延迟来自运动数据，准确率为83.9%%，并预测6-12个月的问题，准确率为77%%。

“总体而言，这些结果进一步确立了分类算法中使用的运动学特征与婴儿发育之间的关系，”研究人员写道。“最终目标是使用这种方法来预测有风险的婴儿是否会被诊断为发育迟缓。”

在未来的研究中，该团队希望招募更多的婴儿，并创建一个算法，根据历史传感器数据预测婴儿的运动。

他们写道：“目前，发育迟缓通常不会在婴儿两岁之前被诊断出来，从而阻止许多婴儿接受早期有针对性的干预措施。” “我们的目标是开发的预测算法将证实发育迟缓反映在婴儿出生后头几个月婴儿的运动中，从而允许更多的婴儿接受早期的定向干预措施。