Un estudio preliminar sobre inteligencia artificial para el cribado motor infantil

Antecedentes y objetivo. Aunque hay un aumento en la conciencia pública sobre la intervención temprana para niños con trastornos del desarrollo en Taiwán, el número de niños informados para intervención temprana por parte del Ministerio de Salud y Bienestar es limitado, particularmente para los menores de dos años, fuera de los entornos hospitalarios. , y en áreas remotas. Esto ha puesto de relieve la necesidad de una detección temprana para los bebés que están en riesgo o tienen trastornos del desarrollo. Si bien el desarrollo motor tiene un impacto potencial en la aparición de habilidades en otros dominios en los niños a una edad más avanzada, la evaluación motora puede servir como piedra angular para ayudar a detectar signos de disfunción del desarrollo. La inteligencia artificial (IA), basada en el aprendizaje automático de big data, puede ser una alternativa para ayudar a los profesionales de la salud a evaluar de manera eficiente el desarrollo de los niños y ayudar a planificar una evaluación diagnóstica adicional. El propósito de este estudio preliminar es aplicar la tecnología de inteligencia artificial en una muestra de bebés de 4 a 18 meses para desarrollar un algoritmo de seguimiento y reconocimiento de acciones para la evaluación motora infantil y determinar la precisión de los movimientos capturados durante la Escala motora infantil de Alberta (AIMS). ) evaluación utilizando los resultados de la evaluación de un fisioterapeuta experimentado como referencia. Método. Este estudio reclutará a 50 bebés (40 bebés prematuros y 10 bebés a término de 4 a 18 meses de edad (edad corregida para bebés prematuros) del Hospital Infantil de la Universidad Nacional de Taiwán. Cada bebé será evaluado por un fisioterapeuta para su desarrollo motor grueso durante las posiciones boca abajo, columna vertebral, sentado y de pie utilizando la evaluación AIMS. Todo el procedimiento de evaluación será grabado en video por cinco cámaras. El procesamiento de datos de registros de video de movimiento consistirá en la selección de registros de movimiento, el establecimiento de un modelo de estimación de pose y el establecimiento de un modelo de reconocimiento de acción. La precisión del modelo de reconocimiento de poses y acciones para identificar los movimientos de los bebés se examinará utilizando los resultados del fisioterapeuta como patrón oro. Los resultados de este estudio proporcionarán datos preliminares para ayudar a establecer el mejor y más apropiado modelo de reconocimiento de acciones de evaluación motora infantil para una futura validación en una muestra grande.