Penn State-Ingenieure erstellen KI-Tragbare Sensoren zum Schutz der Kindergesundheit

Die Studie der Penn State University, die möglicherweise als Nebenprodukt fortschrittlicher Techniken entstand, die die Früherkennung von Säuglingen mit neuromuskulären Erkrankungen erleichtern, könnte die erste Studie sein, die als Ergebnis der Nutzung fortschrittlicher Technologie entstand. Die Einrichtung einer ingenieurwissenschaftlichen mechanischen Professur zum Gedenken an James L. Henderson, Jr., war eine entscheidende Entwicklung, die von der Einführung einer neuen Methodik basierend auf Wearables und maschinellem Lernen durch die Larry Cheng-Gruppe geleitet wurde, was eine außergewöhnlich hohe Genauigkeit bei der Erkennung und Kategorisierung von Neugeborenen mit Risiko ermöglicht hat.

Innovative Technologie zur Bekämpfung neuromotorischer Erkrankungen

Dieser jüngste Testfall, eine Studie mit dem Titel „Fortschritt in der Wissenschaft“, besteht aus einem Netzwerk weicher drahtloser IMUs in Kombination mit einem miniaturisierten maschinellen Lernalgorithmus, der zur Überwachung der spontanen Aktivierung der motorischen Funktionen von Säuglingen und Anzeichen ihrer Entwicklungsstörungen oder Fortschritte, wie zerebrale Lähmung, verwendet werden kann. Dieses KI-Robotersystem ist darauf ausgelegt, abnormale Bewegungsmuster zu erkennen, die auf zerebrale Lähmung und Autismus-Spektrum-Störung hinweisen, was das Ziel dieser Technologie ist.

Dr. Cheng gab bewusst bekannt, dass diese Bewegungen ein Indikator für die allgemeine neuronale Entwicklung eines Menschen von 0 bis 20 Wochen nach der Geburt sind. Konventionelle Methoden, bei denen menschliche Experten die Diagnose normalerweise durch visuelle Beurteilung der Symptome stellen, sind oft durch menschliche Fehler, extreme Wetterbedingungen und die Komplexität der Videoeinrichtung beeinträchtigt. In Bezug auf diese von Cheng bereitgestellte Sensortechnologie können wir über zwei freundlichere Verbesserungen in Bezug auf Objektivität und Praktikabilität sprechen. Diese Verbesserungen können die Zeit für frühere und genauere Diagnosen reduzieren.

Früherkennung neuromotorischer Probleme mit neuer Sensortechnologie

Sensoren sind in der Fitnessbranche seit einiger Zeit im Trend, ein Trend, der in den kommenden Jahren anhalten wird, angesichts ihrer Fähigkeit, Aktivitätslevel in Echtzeit zu messen. Diese Daten sind für Benutzer, die ihre Fortschritte überwachen und ihre Fitnessziele erreichen möchten, von unschätzbarem Wert.

Dieses von Chengs Team entwickelte Sensorsystem hat mechanische Eigenschaften, die der menschlichen Haut ähneln, was es ideal für die Behandlung der empfindlichen Haut eines Säuglings macht. Die Stirn, Handgelenke und Knöchel des Säuglings wurden als Orte ausgewählt, an denen die ersten fünf IMUs installiert wurden, wodurch ein Netzwerk entsteht, das spärlich ist, aber den gesamten Umfang der Bewegung des Säuglings erfasst, ohne invasiv zu sein. Diese Rohdaten werden dann vom maschinellen Lernalgorithmus des Teams verarbeitet, der einen benutzerdefinierten Algorithmus verwendet, um Bewegungsmuster als „Normal“, „Hohes Risiko“ oder „Abnormal“ zu identifizieren.

Daher verbessert es nicht nur die Genauigkeit der Diagnosen, sondern reduziert auch drastisch die erforderlichen Kosten und Materialien im Vergleich zu den zuvor üblichen Diagnosemethoden“, sagte Cheng. Kleine maschinelle Lernalgorithmen sind in Bereichen mit begrenzten Ressourcen weniger nützlich. Der Fokus liegt auf schnellen Ergebnissen aus den kleineren Algorithmen, mit der Feststellung, dass aufwendige KI-Rahmenwerke nicht notwendig sind.

Vorantreiben von Expertensystemen für verbesserte Gesundheitsergebnisse

Pilotforschung an 23 Babys, obwohl vielversprechend, reicht nicht aus, um variable Ergebnisse zu bestätigen, da ein gewisses Maß an Fehlerfaktor in solchen Studien involviert ist. Daher müssen groß angelegte Studien zur Validierung durchgeführt werden. Zusammen mit Cheng und anderen Teammitgliedern ist die Zusammenarbeit mit medizinischen Fachkräften eines ihrer Ziele, ebenso wie die Aufklärung über das Produkt und die Verfeinerung der Technologie. Die Entwicklung dieses Sensornetzwerks wird Forschung erleichtern, die nicht nur auf neuromotorische Bewertungen beschränkt ist, sondern auch kardiopulmonale Bewertungen, Stimmbandvibrationen und Sporttraining umfasst.

Die Einbeziehung von künstlicher Intelligenz und tragbarer Technologie in die medizinische Diagnostik öffnet ein neues Fenster der Möglichkeiten in der Bereitstellung von Pflege für kleine Kinder, was die Etablierung früher Interventionen und die Überlebensrate eines Kindes in der Zukunft für Personen mit Risiko für neuromotorische Erkrankungen verbessern kann. Während die Forschung weiterhin gründlich durchgeführt wird, kann diese Technologie zum notwendigsten Werkzeug für Ärzte und Eltern werden, um das Neugeborene auf präventiver und entwicklungsbezogener Basis zu überwachen.

Dieser Durchbruch von Penn State unterstreicht auch die Notwendigkeit und Nützlichkeit der Zusammenarbeit zwischen verschiedenen Bereichen, in diesem Fall Medizin und Informatik. Er bringt auch die Verschiebung auf die Tatsache, dass solche Anwendungen heutzutage zugänglich sind. Mit Hilfe kompakter und effizienter KI-basierter Systeme kombiniert mit nicht-invasiven tragbaren Sensoren können medizinische Diagnostik und Patientenversorgung zu einer neuen Art der Herangehensweise an dieses Thema werden, bei der Technologie zur einfachen Erkennung und Behandlungsstrategien eingesetzt wird.

Dieser Artikel erschien ursprünglich in News Medical