宾州州立大学工程师创建AI可穿戴传感器以保护婴儿健康

宾州州立大学的研究可能是促进早期诊断患有神经肌肉疾病婴儿的先进技术的副产品，这可能是第一项利用先进技术的研究成果。设立纪念James L. Henderson, Jr.的工程科学机械教授职位是一个关键的发展，由Larry Cheng小组引入基于可穿戴设备和机器学习的新型方法所领导，这使得识别和分类高风险新生儿的准确率异常高。

对抗神经运动疾病的创新技术

这个最近的测试案例是一项名为《科学进步》的研究，由软无线IMU网络与微型机器学习算法结合组成，可用于监测婴儿运动功能的自发激活及其发育障碍或进展的迹象，如脑瘫。这种人工智能机器人系统旨在检测表明脑瘫和自闭症谱系障碍的异常运动模式，这是该技术的目标。

Cheng博士有意透露，这些运动是人类出生后0到20周整体神经发展的指标。传统方法中，人类专家通常通过视觉评估症状进行诊断，往往因人为错误、极端天气条件和视频设置的复杂性而贫乏。关于Cheng提供的这种传感器技术，我们可以谈论两个更友好的改进，涉及客观性和实用性。这些改进可以减少早期和更准确诊断所需的时间。

使用新传感器技术早期检测神经运动问题

传感器在健身行业已经流行了一段时间，考虑到它们实时测量活动水平的能力，这种趋势在未来几年将继续下去。这些数据对于想要监控进度并实现健身目标的用户来说非常有价值。

Cheng团队开发的这种传感器系统具有与人类皮肤相似的机械特性，使其非常适合处理婴儿娇嫩的皮肤。婴儿的前额、手腕和脚踝被选为安装前五个IMU的位置，形成一个稀疏但能捕捉婴儿运动全貌而不具侵入性的网络。然后，团队使用自定义算法的机器学习算法处理这些原始数据，将运动模式识别为“正常”、“高风险”或“异常”。

因此，它不仅提高了诊断的准确性，还大幅降低了以往诊断方法所需的成本和材料，”Cheng说。小型机器学习算法在资源有限的地区用处不大。重点是小型算法的快速结果，确定复杂的AI框架是不必要的。

推进专家系统以改善医疗结果

23名婴儿的试点研究虽然令人鼓舞，但不足以确认多变的成果，因为此类研究涉及一定程度的误差因素。因此，必须进行大规模研究以进行验证。除了Cheng和其他团队成员外，与医疗专业人员合作也是他们的目标之一，以及进一步阐明产品并完善技术。开发这种传感器网络将促进不仅限于神经运动评估的研究，还包括心肺评估、声带振动和体育训练。

将人工智能和可穿戴技术纳入医疗诊断，为照顾幼儿打开了新的机会之窗，这可能会改善早期干预的建立，并提高未来患有神经运动疾病风险个体的生存率。随着研究的彻底进行，这项技术可能成为医生和家长预防性和发展性监测新生儿的必要工具。

宾州州立大学的这一突破也强调了不同领域（在本例中为医学和计算机科学）之间合作的必要性和有用性。它还带来了这样一个转变：如今此类应用是可获得的。借助紧凑且高效的人工智能系统与无创可穿戴传感器的结合，医疗诊断和患者护理可能会演变为一种新的方法，其中技术将被用于使检测和治疗方法变得容易。

本文最初出现在News Medical