Une étude préliminaire sur l'intelligence artificielle pour le dépistage moteur infantile

Contexte et objectif. Bien qu'il y ait une augmentation de la sensibilisation du public à l'intervention précoce pour les enfants atteints de troubles du développement à Taïwan, le nombre d'enfants signalés pour une intervention précoce par le ministère de la Santé et du Bien-être est limité, en particulier pour ceux âgés de moins de deux ans, en dehors des milieux hospitaliers , et dans les régions éloignées. Cela a mis en évidence la nécessité d'un dépistage précoce des nourrissons à risque ou souffrant de troubles du développement. Alors que le développement moteur a un impact potentiel sur l'émergence de capacités dans d'autres domaines chez les enfants à un âge plus avancé, le dépistage moteur peut servir de pierre angulaire pour aider à détecter les signes de dysfonctionnement du développement. L'intelligence artificielle (IA), basée sur l'apprentissage automatique des mégadonnées, peut être une alternative pour aider les professionnels de la santé à dépister efficacement le développement des enfants et à planifier une évaluation diagnostique plus approfondie. Le but de cette étude préliminaire est d'appliquer la technologie de l'IA sur un échantillon de nourrissons âgés de 4 à 18 mois afin de développer un algorithme de suivi et de reconnaissance des actions pour le dépistage de la motricité infantile et de déterminer l'exactitude des mouvements capturés lors de l'Alberta Infant Motor Scale (AIMS ) évaluation en utilisant les résultats d'évaluation d'un physiothérapeute expérimenté comme référence. Méthode. Cette étude recrutera 50 nourrissons (40 nourrissons prématurés et 10 nourrissons nés à terme âgés de 4 à 18 mois (âge corrigé pour les nourrissons prématurés) du National Taiwan University Children's Hospital. Chaque nourrisson sera évalué par un physiothérapeute pour son développement moteur global en position ventrale, vertébrale, assise et debout à l'aide de l'évaluation AIMS. L'ensemble de la procédure d'évaluation sera enregistrée en vidéo par cinq caméras. Le traitement des données des enregistrements vidéo de mouvement consistera en la sélection d'enregistrements de mouvement, l'établissement d'un modèle d'estimation de pose et l'établissement d'un modèle de reconnaissance d'action. La précision du modèle de reconnaissance de pose et d'action dans l'identification des mouvements des nourrissons sera examinée en utilisant les résultats du physiothérapeute comme référence. Les résultats de cette étude fourniront des données préliminaires pour aider à établir le modèle de reconnaissance d'action le meilleur et le plus approprié pour le dépistage moteur infantile pour une validation future sur un grand échantillon.