Lo studio della Penn State University, probabilmente frutto di tecniche avanzate che facilitano la diagnosi precoce dei neonati con malattie neuromuscolari, è forse il primo studio frutto dell'impiego di tecnologie avanzate. L'istituzione di una cattedra di ingegneria meccanica scientifica in memoria di James L. Henderson, Jr., è stato uno sviluppo fondamentale, guidato dall'introduzione da parte del gruppo di Larry Cheng di una nuova metodologia basata su dispositivi indossabili e apprendimento automatico, che ha consentito un'accuratezza anormalmente elevata nel riconoscimento e nella categorizzazione dei neonati a rischio.
Tecnologia innovativa per combattere le malattie neuromotorie
Questo recente caso di prova, uno studio intitolato "Advancement in Science", consiste in una rete di IMU wireless software in combinazione con un algoritmo di apprendimento automatico in miniatura che può essere utilizzato per monitorare l'attivazione spontanea delle funzioni motorie dei neonati e i segni dei loro disturbi o progressioni dello sviluppo, come la paralisi cerebrale. Questo sistema robotico di intelligenza artificiale è progettato per rilevare schemi di movimento anomali indicativi di paralisi cerebrale e disturbi dello spettro autistico, che è l'obiettivo di questa tecnologia.
Il Dott. Cheng ha consapevolmente rivelato che questi movimenti sono un indicatore dello sviluppo neurale generale di un essere umano da 0 a 20 settimane dopo la nascita. I metodi convenzionali, in cui gli esperti umani solitamente formulano la diagnosi tramite la valutazione visiva dei sintomi, sono spesso indeboliti dall'errore umano, dalle condizioni meteorologiche estreme e dalla complessità dell'impostazione video. Per quanto riguarda la tecnologia dei sensori fornita da Cheng, possiamo parlare di due miglioramenti più amichevoli in termini di obiettività e praticità. Questi miglioramenti possono ridurre i tempi necessari per diagnosi più precoci e accurate.
Rilevamento precoce dei problemi neuromotori con la nuova tecnologia dei sensori
I sensori sono di tendenza nel settore del fitness da tempo, una tendenza che continuerà nei prossimi anni, data la loro capacità di misurare i livelli di attività in tempo reale. Questi dati sono incredibilmente preziosi per gli utenti che desiderano monitorare i propri progressi e raggiungere i propri obiettivi di fitness.
Questo sistema di sensori sviluppato dal team di Cheng ha proprietà meccaniche simili alla pelle umana, rendendolo ideale per la manipolazione della delicata pelle di un neonato. La fronte, i polsi e le caviglie del neonato sono stati scelti come punti in cui sono state installate le prime cinque IMU, creando una rete rada ma in grado di catturare l'intera gamma di movimenti del neonato senza essere invadente. Questi dati grezzi vengono quindi elaborati dall'algoritmo di apprendimento automatico del team, che utilizza un algoritmo personalizzato perdenti modelli di movimento come "Normali", "Ad alto rischio" o "Anomali"
Pertanto, non solo migliora l'accuratezza delle diagnosi, ma riduce anche drasticamente i costi e i materiali necessari, contrapponendosi ai metodi di diagnosi precedentemente utilizzati", ha affermato Cheng. I piccoli algoritmi di apprendimento automatico sono meno utili in aree in cui le risorse sono limitate. L'attenzione si concentra sui risultati rapidi degli algoritmi più piccoli, con la convinzione che non siano necessari complessi framework di intelligenza artificiale.
Sistemi esperti avanzati per risultati sanitari migliori
La ricerca pilota su 23 neonati, sebbene promettente, non è sufficiente a confermare risultati mutevoli, poiché tali studi comportano un certo grado di errore. Pertanto, è necessario condurre studi su larga scala per la convalida. Insieme a Cheng e ad altri membri del team, tra i loro obiettivi rientra la collaborazione con professionisti del settore medico, nonché la possibilità di approfondire la conoscenza del prodotto e perfezionarne la tecnologia. Lo sviluppo di questa rete di sensori faciliterà la ricerca che non si limita alle valutazioni neuromotorie, ma abbraccia anche la valutazione cardiopolmonare, la vibrazione delle corde vocali e l'allenamento sportivo.
L'inclusione dell'intelligenza artificiale e della tecnologia indossabile nella diagnostica medica apre nuove opportunità nell'assistenza ai bambini piccoli, il che potrebbe migliorare l'attuazione di interventi precoci e il tasso di sopravvivenza dei bambini a rischio di malattie neuromotorie. Con l'approfondimento della ricerca, questa tecnologia potrebbe diventare lo strumento più necessario per medici e genitori per monitorare il neonato a livello preventivo e di sviluppo.
Questa svolta della Penn State sottolinea anche la necessità e l'utilità della collaborazione tra diversi ambiti, in questo caso la medicina e l'informatica. Porta inoltre alla luce il fatto che tali applicazioni sono oggi accessibili. Con l'ausilio di sistemi compatti ed efficienti basati sull'intelligenza artificiale, combinati con sensori indossabili non invasivi, la diagnostica medica e l'assistenza ai pazienti potrebbero evolversi in un nuovo modo di affrontare questo problema, in cui la tecnologia verrà utilizzata per semplificare le strategie di diagnosi e trattamento.
Questo articolo è apparso originariamente su News Medical
