Исследование Университета штата Пенсильвания, возможно, стало побочным продуктом передовых методов, облегчающих раннюю диагностику нервно-мышечных заболеваний у младенцев, и, возможно, первым исследованием, результатом применения передовых технологий. Создание должности профессора инженерной механики в память о Джеймсе Л. Хендерсоне-младшем стало важнейшим достижением, возглавленным группой Ларри Ченга, которая внедрила новую методологию, основанную на носимых устройствах и машинном обучении, что позволило добиться необычайно высокой точности распознавания и категоризации новорожденных, находящихся в группе риска.
Инновационная технология борьбы с нейромоторными заболеваниями
Этот недавний тестовый пример, исследование под названием «Прогресс в науке», представляет собой сеть беспроводных инерциальных измерительных блоков (ИИБ) в сочетании с миниатюрным алгоритмом машинного обучения, который можно использовать для мониторинга спонтанной активации двигательных функций младенцев и признаков нарушений развития или прогрессирования заболеваний, таких как детский церебральный паралич. Эта роботизированная система на основе искусственного интеллекта предназначена для выявления аномальных двигательных паттернов, указывающих на детский церебральный паралич и расстройства аутистического спектра, что и является целью данной технологии.
Доктор Чэн сознательно раскрыл, что эти движения являются индикатором общего развития нервной системы человека в период от 0 до 20 недель после рождения. Традиционные методы, при которых специалисты обычно ставят диагноз на основе визуальной оценки симптомов, часто страдают от человеческих ошибок, экстремальных погодных условий и сложности настройки видео. Что касается этой сенсорной технологии, предложенной Чэном, можно отметить два более важных улучшения, касающихся объективности и практичности. Эти улучшения позволяют сократить время, необходимое для более ранней и точной диагностики.
Раннее выявление нейромоторных проблем с помощью новой сенсорной технологии
Датчики уже давно пользуются популярностью в фитнес-индустрии, и эта тенденция сохранится в ближайшие годы, учитывая их способность измерять уровень активности в режиме реального времени. Эти данные невероятно ценны для пользователей, желающих отслеживать свой прогресс и достигать фитнес-целей.
Эта сенсорная система, разработанная командой Чэна, обладает механическими свойствами, аналогичными свойствам человеческой кожи, что делает её идеальной для работы с нежной кожей младенца. Первые пять инерциальных измерительных блоков (IMU) были установлены на лбу, запястьях и лодыжках младенца. Таким образом, сеть получилась разреженной, но при этом фиксировала весь спектр движений младенца, не вмешиваясь в его поведение. Эти необработанные данные затем обрабатываются алгоритмом машинного обучения, разработанным командой, который использует специальный алгоритм дляdentтипов движений как «нормальных», «высокого риска» или «ненормальных».
«Это не только повышает точность диагностики, но и значительно снижает необходимые затраты и расход материалов, в отличие от ранее применявшихся методов диагностики», — сказал Чэн. Небольшие алгоритмы машинного обучения менее эффективны в областях с ограниченными ресурсами. Основное внимание уделяется быстрому получению результатов от небольших алгоритмов, при этом очевидна необязательность сложных фреймворков ИИ.
Развитие экспертных систем для улучшения результатов здравоохранения
Пилотное исследование с участием 23 младенцев, хотя и многообещающее, недостаточно для подтверждения результатов исследования протеанов, поскольку в таких исследованиях присутствует определённая доля погрешности. Поэтому для валидации необходимо провести крупномасштабные исследования. Наряду с Чэном и другими членами команды, одной из их целей является сотрудничество с медицинскими специалистами, а также более глубокое изучение продукта и совершенствование технологии. Разработка этой сенсорной сети будет способствовать исследованиям, которые не ограничиваются только нейромоторной оценкой, но также охватывают кардиопульмональную оценку, вибрацию голосовых связок и спортивные тренировки.
Внедрение искусственного интеллекта и носимых устройств в медицинскую диагностику открывает новые возможности в оказании помощи детям раннего возраста, что может улучшить проведение раннего вмешательства и повысить выживаемость детей в будущем среди лиц с риском развития нейромоторных заболеваний. По мере дальнейшего тщательного изучения эта технология может стать важнейшим инструментом для врачей и родителей, позволяющим осуществлять профилактическое и динамическое наблюдение за новорожденными.
Этот прорыв, достигнутый в Университете штата Пенсильвания, также подчёркивает необходимость и полезность сотрудничества между различными областями, в данном случае медициной и компьютерными науками. Он также открывает доступность таких приложений уже сегодня. Благодаря компактным и эффективным системам на основе искусственного интеллекта в сочетании с неинвазивными носимыми датчиками медицинская диагностика и уход за пациентами могут перейти к новому подходу к этой проблеме, где технологии будут использоваться для упрощения диагностики и лечения.
Эта статья первоначально была опубликована в News Medical.
