Aplicación móvil y de inteligencia artificial combinada para la detección motora infantil remota: desarrollo y validación

Antecedentes y propósito: La identificación e intervención temprana de los bebés que corren riesgo de sufrir trastornos del desarrollo (como los bebés prematuros) es una política y acción de salud global importante. El número de niños con trastornos del desarrollo remitidos para intervención temprana en Taiwán ha aumentado en los últimos diez años y, sin embargo, es más probable que sean diagnosticados y remitidos para intervención a una edad superior a los dos años. Las pruebas de diagnóstico del desarrollo existentes suelen estar disponibles en los hospitales; mientras que las pruebas de detección a menudo se basan en informes de los padres que están influenciados por el conocimiento y la interpretación de los padres. Aunque la tecnología emergente de inteligencia artificial (IA) y el aprendizaje profundo han permitido el seguimiento y reconocimiento de movimientos humanos en entornos de laboratorio estandarizados, rara vez se ha investigado si su incorporación con aplicaciones móviles (APP) es factible y precisa para la detección motora infantil en el hogar. Por lo tanto, este estudio continúa nuestros esfuerzos anteriores que aplicaron la IA y el aprendizaje automático para clasificar varios movimientos infantiles en un laboratorio estandarizado. Este estudio tiene como objetivo combinar el algoritmo de IA y el aprendizaje automático con una aplicación para la detección motora infantil en el hogar. Los propósitos específicos son: (1) designación de una APP "Baby Go" versión 3.0 para incluir las funciones de evaluación, derivación y educación para uso parental en el hogar, (2) desarrollo y validación del algoritmo de IA para el cribado motor infantil basado en el hogar videos obtenidos de bebés a término y prematuros, (3) comparación de la percepción de los padres y el informe con los resultados de la evaluación impulsada por IA, y (4) examen de la validez predictiva del algoritmo de IA para la detección motora infantil en resultados posteriores. Método: Este estudio reclutará a 100 bebés prematuros y 20 bebés a término de 2 a 18 meses (corregido por prematuridad) en el Hospital Infantil de la Universidad Nacional de Taiwán. La versión 3.0 de la aplicación "Baby Go" contendrá las funciones de detección motora basada en la edad con de 2 a 5 movimientos en cada edad, derivación doctoral y módulo educativo. Se pedirá a los padres que graben en video los movimientos de su bebé en decúbito prono, supino, sentado y de pie en casa cada dos semanas y que carguen simultáneamente los archivos de video a través de la aplicación durante el período de edad de 2 a 18 meses, seguido de registrar la edad de caminata de su bebé. logro. Todos los archivos de video serán anotados por fisioterapeutas capacitados que los resultados servirán como estándar de oro para la validación de los datos del modelo de IA y la percepción de los padres. Los datos del vídeo se dividirán aleatoriamente en el conjunto de entrenamiento y prueba con una proporción de 8:2 para el desarrollo y la validación del modelo. Se examinará el modelo de IA de detección motora infantil para determinar su validez predictiva sobre la edad en que se logra caminar. Innovación e importancia: este estudio es un avance incremental del modelo de IA en el seguimiento y reconocimiento de los movimientos infantiles desde un sistema de clasificación basado en laboratorio hasta un sistema de detección en el hogar. La detección motora infantil automática impulsada por IA a través de la aplicación "Baby Go" proporcionará a los padres y proveedores de atención médica en Taiwán recursos de desarrollo innovadores y factibles en comunidades remotas. Los resultados son esclarecedores para ayudar a los pediatras y fisioterapeutas a planificar la evaluación diagnóstica y la intervención temprana para bebés con riesgo de sufrir trastornos neuromotores.