ペン州立大学のエンジニアが乳児の健康を守るためのAIウェアラブルセンサーを作成

ペン州立大学によるこの研究は、神経筋疾患を持つ乳児の早期診断を促進する高度な技術の副産物として登場した可能性があります。James L. Henderson Jr.を記念した工学分野の科学機械教授職の設立は、Larry Chengグループによるウェアラブルと機械学習に基づく革新的な手法の導入を主導する重要な発展であり、これはリスクのある新生児の認識と分類において異常に高い精度を可能にしました。

神経運動疾患に対抗する革新的な技術

この最近のテストケースである「科学の進歩」と題された研究には、乳児の運動機能の自発的な活性化や、脳性麻痺などの発達障害や進行の兆候を監視するために使用できる、小型の機械学習アルゴリズムと組み合わせられたソフトワイヤレスIMUのネットワークが含まれています。この人工知能ロボットシステムは、脳性麻痺や自閉症スペクトラム障害を示す異常な運動パターンを検出するために設計されており、これがこの技術の目的です。

Cheng博士は意図的に、これらの動きが出生後0〜20週間の人間の一般的な神経発達を示す指標であることを明らかにしました。人間の専門家が症状の視覚的評価によって診断を下す従来の方法は、人間の誤り、極端な気象条件、およびビデオセットアップの複雑さによって貧弱になりがちです。Chengによるこのセンサー技術に関して、客観性と実用性に関する2つのより友好的な改善点について話すことができます。これらの改善点は、より早期かつ正確な診断に必要な時間を短縮できます。

新しいセンサー技術による神経運動問題の早期検出

センサーはフィットネス業界でしばらくトレンドとなっており、リアルタイムで活動レベルを測定する能力を考慮すると、この傾向は将来の数年間続くでしょう。このデータは、進捗状況を追跡し、フィットネスの目標を達成したいユーザーにとって非常に価値があります。

Chengのチームによって開発されたこのセンサーシステムは、人間の皮膚と似た機械的特性を持っており、乳児のデリケートな皮膚を扱うのに理想的です。乳児の額、手首、足首が最初の5つのIMUが設置された場所として選ばれ、侵襲的ではなく乳児の動きの全体範囲を捉えるスパースなネットワークが作成されました。この生データは、チームの機械学習アルゴリズムによって処理され、カスタムアルゴリズムを使用して、運動パターンが「正常」、「高リスク」、または「異常」のいずれかに分類されます。

したがって、これは診断の精度を向上させるだけでなく、以前に慣用されていた診断方法と対比することで、必要なコストと材料を劇的に削減します」とChengは言いました。リソースが限られている地域では、小さな機械学習アルゴリズムはあまり有用ではありません。焦点は、洗練されたAIフレームワークは必要ではないという決定のもと、小さなアルゴリズムからの迅速な結果にあります。

強化された医療成果のための専門家システムの進展

23人の乳児を対象としたパイロット研究は有望ですが、そのような研究にはある程度の誤差要素が含まれるため、多面的な結果を確認するには不十分です。したがって、検証のために大規模な研究を実施する必要があります。Chengや他のチームメンバーとともに、医療専門家と連携することも彼らの目標の一つであり、製品のさらなる解明と技術の洗練を目指しています。このセンサーネットワークの開発は、神経運動評価に限定されない研究を促進し、心肺評価、声帯の振動、スポーツトレーニングも取り入れます。

医療診断における人工知能とウェアラブル技術の統合は、幼児へのケア提供において新たな可能性の窓を開き、神経筋疾患のリスクがある個人の将来における早期介入の確立と生存率の向上に寄与する可能性があります。研究が徹底的に行われるにつれて、この技術は医師と親が新生児を予防的および発生的な基礎で監視するための最も必要なツールとなる可能性があります。

ペン州立大学からのこの画期的な発見は、医学とコンピュータサイエンスという異なる分野間の協力が必要かつ有用であることを強調しています。また、このようなアプリケーションが現在利用可能であるというシフトももたらします。コンパクトで効率的なAIベースのシステムと非侵襲的なウェアラブルセンサーの組み合わせにより、医療診断と患者ケアは、技術を使って簡単な検出と治療戦略を行うことができる、この問題へのアプローチの新しい方法に進化していく可能性があります。

この記事は元々 News Medicalに掲載されました