據(jù)國外媒體Venturebeat報(bào)道，研究人員開發(fā)了人工智能（AI）技術(shù)來預(yù)測嬰兒的發(fā)育障礙。

有出生并發(fā)癥的兒童在以后的生活中更有可能出現(xiàn)認(rèn)知和身體上的障礙。例如，據(jù)《英國醫(yī)學(xué)雜志》（BMJ）發(fā)表的2017年研究報(bào)告顯示，早產(chǎn)嬰兒出現(xiàn)較高的發(fā)育延遲率。研究人員已經(jīng)證明，手臂和腿的運(yùn)動(dòng)——自發(fā)的運(yùn)動(dòng)——可以幫助區(qū)分典型發(fā)育和非典型發(fā)育，但還是有一個(gè)問題：它們很難在嬰兒期早期發(fā)現(xiàn)。

來自南加州大學(xué)（USC）和馬德里卡洛斯三世大學(xué)的一個(gè)團(tuán)隊(duì)著手開發(fā)了一種利用可穿戴設(shè)備和機(jī)器學(xué)習(xí)算法的解決方案。他們的方法在發(fā)表于Arxiv.org上的一篇論文（“利用可穿戴傳感器的日常運(yùn)動(dòng)數(shù)據(jù)預(yù)測嬰兒的運(yùn)動(dòng)發(fā)育狀態(tài)”）中有描述，它對(duì)肢體運(yùn)動(dòng)模式進(jìn)行了分類，以便預(yù)測嬰兒日后是否有可能出現(xiàn)神經(jīng)缺陷。

研究者們寫道：“研究已經(jīng)證明，在典型發(fā)育的嬰兒和處于危險(xiǎn)的嬰兒（包括存在智力殘疾、脊髓脊膜突出癥和唐氏綜合癥的嬰兒以及早產(chǎn)嬰兒）之間，各項(xiàng)運(yùn)動(dòng)學(xué)指標(biāo)數(shù)據(jù)是不同的，比如踢腳頻率以及關(guān)節(jié)間和肢體間的協(xié)調(diào)性。”

該研究團(tuán)隊(duì)從南加州大學(xué)的嬰兒神經(jīng)運(yùn)動(dòng)控制實(shí)驗(yàn)室提供的數(shù)據(jù)集中提取數(shù)據(jù)，其中包含了從捆綁在嬰兒腳踝上的加速度計(jì)、陀螺儀和磁力儀收集的運(yùn)動(dòng)數(shù)據(jù)。一種算法從原始傳感器數(shù)據(jù)檢測左右腿的運(yùn)動(dòng)，并確定這些運(yùn)動(dòng)的持續(xù)時(shí)間、平均加速度、峰值加速度和其他的特征。

研究人員手動(dòng)添加了一些特征，比如年齡、發(fā)育程度評(píng)分和發(fā)育標(biāo)簽（即典型的或者非典型的），然后使用許多的二進(jìn)制分類算法構(gòu)建了一個(gè)預(yù)測模型，最終確定了三個(gè)最優(yōu)秀的組合來最小化任何一個(gè)模型的偏差。

所產(chǎn)生的算法會(huì)進(jìn)行運(yùn)算，其預(yù)測非常接近基線。它基于那些運(yùn)動(dòng)數(shù)據(jù)來預(yù)測前六個(gè)月的發(fā)育延遲問題，準(zhǔn)確率達(dá)到83.9%；預(yù)測6到12個(gè)月的問題的準(zhǔn)確率也高達(dá)77%。

“總的來說，這些結(jié)果進(jìn)一步證實(shí)了分類算法中使用的運(yùn)動(dòng)學(xué)特征與嬰兒發(fā)育之間的關(guān)系。”研究人員寫道，“最終的目標(biāo)是，使用這種方法來預(yù)測高危嬰兒將來是否會(huì)被診斷為發(fā)育遲緩。”

在未來的研究中，該團(tuán)隊(duì)希望招募更多的嬰兒，創(chuàng)建一種算法來通過歷史傳感器數(shù)據(jù)預(yù)測嬰兒的運(yùn)動(dòng)情況。

“目前，發(fā)育遲緩?fù)ǔＶ钡綃雰簝蓺q時(shí)才被診斷出來，這讓許多嬰兒無法在早期接受有針對(duì)性的干預(yù)。”他們寫道，“我們打算開發(fā)的預(yù)測算法將證實(shí)，發(fā)育遲緩反映在嬰兒最初幾個(gè)月的運(yùn)動(dòng)當(dāng)中，進(jìn)而讓更多的嬰兒能夠更早地接受定向的干預(yù)。”