據(jù)國外媒體Venturebeat報道，研究人員開發(fā)了人工智能（AI）技術來預測嬰兒的發(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)認知和身體上的障礙。例如，據(jù)《英國醫(yī)學雜志》（BMJ）發(fā)表的2017年研究報告顯示，早產嬰兒出現(xiàn)較高的發(fā)育延遲率。研究人員已經證明，手臂和腿的運動——自發(fā)的運動——可以幫助區(qū)分典型發(fā)育和非典型發(fā)育，但還是有一個問題：它們很難在嬰兒期早期發(fā)現(xiàn)。

來自南加州大學（USC）和馬德里卡洛斯三世大學的一個團隊著手開發(fā)了一種利用可穿戴設備和機器學習算法的解決方案。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動數(shù)據(jù)預測嬰兒的運動發(fā)育狀態(tài)”）中有描述，它對肢體運動模式進行了分類，以便預測嬰兒日后是否有可能出現(xiàn)神經缺陷。

研究者們寫道：“研究已經證明，在典型發(fā)育的嬰兒和處于危險的嬰兒（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嬰兒）之間，各項運動學指標數(shù)據(jù)是不同的，比如踢腳頻率以及關節(jié)間和肢體間的協(xié)調性。”

該研究團隊從南加州大學的嬰兒神經運動控制實驗室提供的數(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、陀螺儀和磁力儀收集的運動數(shù)據(jù)。一種算法從原始傳感器數(shù)據(jù)檢測左右腿的運動，并確定這些運動的持續(xù)時間、平均加速度、峰值加速度和其他的特征。

研究人員手動添加了一些特征，比如年齡、發(fā)育程度評分和發(fā)育標簽（即典型的或者非典型的），然后使用許多的二進制分類算法構建了一個預測模型，最終確定了三個最優(yōu)秀的組合來最小化任何一個模型的偏差。

所產生的算法會進行運算，其預測非常接近基線。它基于那些運動數(shù)據(jù)來預測前六個月的發(fā)育延遲問題，準確率達到83.9%；預測6到12個月的問題的準確率也高達77%。

“總的來說，這些結果進一步證實了分類算法中使用的運動學特征與嬰兒發(fā)育之間的關系。”研究人員寫道，“最終的目標是，使用這種方法來預測高危嬰兒將來是否會被診斷為發(fā)育遲緩。”

在未來的研究中，該團隊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)預測嬰兒的運動情況。

“目前，發(fā)育遲緩通常直到嬰兒兩歲時才被診斷出來，這讓許多嬰兒無法在早期接受有針對性的干預。”他們寫道，“我們打算開發(fā)的預測算法將證實，發(fā)育遲緩反映在嬰兒最初幾個月的運動當中，進而讓更多的嬰兒能夠更早地接受定向的干預。”