Een voorbereidend onderzoek naar kunstmatige intelligentie voor screening van baby's

Achtergrond en Doel. Hoewel het publieke bewustzijn van vroege interventie voor kinderen met een ontwikkelingsstoornis in Taiwan toeneemt, is het aantal kinderen dat door het ministerie van Volksgezondheid en Welzijn wordt gemeld voor vroege interventie beperkt, met name voor kinderen jonger dan twee jaar, buiten de ziekenhuisomgeving , en in afgelegen gebieden. Dit heeft de noodzaak benadrukt van vroege screening voor baby's die risico lopen of ontwikkelingsstoornissen hebben. Hoewel motorische ontwikkeling een potentiële impact heeft op het ontstaan ​​van vaardigheden in andere domeinen bij kinderen op latere leeftijd, kan motorische screening dienen als hoeksteen om tekenen van ontwikkelingsstoornissen te helpen opsporen. Kunstmatige intelligentie (AI), gebaseerd op machinaal leren van big data, kan een alternatief zijn om zorgprofessionals te helpen bij het efficiënt screenen van de ontwikkeling van kinderen en bij het plannen van verder diagnostisch onderzoek. Het doel van deze voorstudie is om AI-technologie toe te passen op een steekproef van baby's van 4 tot 18 maanden om een ​​algoritme voor het volgen en herkennen van acties te ontwikkelen voor het screenen van baby's en om de nauwkeurigheid van de vastgelegde bewegingen tijdens de Alberta Infant Motor Scale (AIMS) te bepalen. ) beoordeling met behulp van de beoordelingsresultaten van een ervaren fysiotherapeut als referentie. Methode. Voor deze studie zullen 50 baby's (40 te vroeg geboren baby's en 10 voldragen baby's van 4-18 maanden (gecorrigeerde leeftijd voor te vroeg geboren baby's) worden gerekruteerd uit het National Taiwan University Children's Hospital. Elk kind wordt door een fysiotherapeut beoordeeld op zijn grove motorische ontwikkeling in buikligging, ruggengraat, zittende en staande posities met behulp van de AIMS-beoordeling. De hele beoordelingsprocedure wordt op video vastgelegd door vijf camera's. De gegevensverwerking van bewegingsvideo-opnamen zal bestaan ​​uit het selecteren van bewegingsopnamen, het opzetten van een poseschattingsmodel en het opzetten van een actieherkenningsmodel. De nauwkeurigheid van het houdings- en actieherkenningsmodel bij het identificeren van bewegingen van baby's zal worden onderzocht met de resultaten van de fysiotherapeut als gouden standaard. De resultaten van deze studie zullen voorlopige gegevens opleveren om te helpen bij het vaststellen van het beste en geschikte actieherkenningsmodel van babymotorische screening voor toekomstige validatie op een grote steekproef.