צוות חוקרים בראשות Huanyu "Larry" Cheng, פרופסור חבר למדעי הנדסה ומכניקה של ג'יימס ל. הנדרסון ג'וניור (ESM) בפן סטייט, בדק את השימוש בחיישנים לבישים בשילוב עם אלגוריתם למידת מכונה "זעירה" לנטר ולהעריך אוטומטית תנועות כלליות אצל תינוקות.
לדברי Cheng, רשת החיישנים הלבישים עם אלגוריתם מבוסס בינה מלאכותית מתגברת על בעיות של סובייקטיביות ועלות. מבחן הטיס, שפורסם ב מדע מתקדםמראה שהטכנולוגיה החדשה יכולה לזהות אוטומטית תינוקות בסיכון לפתח מחלות נוירו-מוטוריות באמצעות תנועות כלליות בדיוק של עד 99.9%.
פן סטייט ניוז תפס את צ'נג על ההשלכות של עבודה זו.
ש: מדוע יש צורך בטכנולוגיה זו?
צ'נג: תנועות כלליות הן דפוסי התנועה המולדים והספונטניים שמפגינים תינוקות מלידה ועד 20 שבועות. דפוסים לא טיפוסיים של התנהגויות תנועה של תינוקות יכולים להצביע על הפרעות נוירו-מוטוריות בסיסיות כמו שיתוק מוחין, הפרעה בספקטרום האוטיסטי או צורות קלות של הפרעות נוירולוגיות אחרות. זיהוי בזמן המוקדם ביותר בינקות הוא חשוב ביותר כדי לקדם התאוששות מוקדמת ותוצאות תפקודיות ארוכות טווח ואיכות חיים מיטביים. במילים אחרות, גילוי ושיקום בזמן יכולים להיעשות רק בינקות לפני שיתרחשו נזקים/שינויים בלתי הפיכים במהלך התפתחות המוח. שיטות הבדיקה הנוכחיות, כמו בדיקה חזותית, מוגבלות על ידי שיפוטים סובייקטיביים והצורך שלהם בקלינאים בעלי הכשרה ספציפית. בחינות אלו משתמשות לעיתים קרובות גם במצלמת וידאו, המוגבלת על ידי מערך מצלמה מורכב ורגישות לסביבות שמסביב.
ש: האם תוכל לתאר את הרכב החיישנים, מה הם מזהים וכיצד הם פועלים?
צ'נג: תכננו מכשירי יחידות תנועה אינרציה אלחוטיות רכות (IMUs) עם תכונות מכניות "דמויות עור" כדי להפחית את הסיכון לפציעות עור שעלולות לקרות לעתים קרובות על עורם הבלתי בוגר של תינוקות במהלך בדיקה או טיפול. רשת החיישנים הדלילה מציבה אסטרטגית חמישה התקני IMU מופרדים פיזית, אך מחוברים אלחוטית, על המצח, פרקי הידיים והקרסוליים של תינוקות המאפשרים אוסף חזק של נתוני תנועה. זרמי הנתונים שנוצרים על ידי רשת החיישנים הזו מעובדים על ידי אלגוריתם זעיר של לימוד מכונה עם ממשק משתמש גרפי שפותח בהתאמה אישית לזיהוי אוטומטי של תינוקות בסיכון להתפתחות עצבית חריגה.
ש: מה חדש בטכנולוגיה זו בהשוואה לשיטות אחרות המשמשות לאבחון מחלות נוירו-מוטוריות?
צ'נג: מלבד העיצוב של רשת החיישנים האלחוטית הדלילה שנדון לעיל, אלגוריתם זעיר של לימוד מכונה ממלא תפקיד מפתח בעיבוד זרמי נתונים שנוצרים מרשת החיישנים. בשונה ממסגרות בינה מלאכותית בגודל גדול, אלגוריתמים זעירים של למידת מכונה יכולים לספק זיהוי וסיווג מהיר של תינוקות "רגילים", "סיכון גבוה" ו"סיכון נמוך" בהגדרות של משאבים נמוכים.
ש: למה להתחיל עם מחקר פיילוט קטן מדגם? לאן ממשיך המחקר מכאן?
צ'נג: בגלל האתגר של גיוס מספר רב של נבדקים אנושיים, המחקר הנוכחי התמקד רק במחקר הפיילוט עם גודל מדגם קטן יחסית של 23 תינוקות. עם זאת, התוצאות מבססות את ההיתכנות של שילוב מכשירי IMU עם מודל זעיר של לימוד מכונה לסיווג אוטומטי של תנועות כלליות אצל תינוקות, מה שסוללת את הדרך להערכה והערכה מוקדמת של התפתחות המוח. אנחנו בהחלט מעוניינים לשתף פעולה עם רופאים רלוונטיים לצורך מחקר גדול יותר כדי לאמת את מערכת המכשירים שלנו באופן מלא.
בינתיים, פלטפורמת החיישן/מכשיר בהחלט יכולה לשמש לסוגים אחרים של מחקרים כמו הערכת מצבי לב-ריאה, חקירת החתימות האקוסטיות ממיתרי הקול לאימון דיבור ושירה, ואימון/אימון ספורט, בין היתר.
