Kombinert kunstig intelligens og mobilapplikasjon for ekstern motorscreening for spedbarn: utvikling og validering

Bakgrunn og formål: Tidlig identifisering og intervensjon av spedbarn som er i faresonen for utviklingsforstyrrelser (som premature spedbarn) er en viktig global helsepolitikk og handling. Antall barn med utviklingsforstyrrelser henvist til tidlig intervensjon i Taiwan har økt de siste ti årene, og likevel er det mer sannsynlig at de blir diagnostisert og henvist til intervensjon ved alder over to år. Eksisterende utviklingsdiagnostiske tester er ofte tilgjengelige på sykehus; Mens screeningtester ofte er basert på foreldrerapporter som er påvirket av foreldrenes kunnskap og tolkning. Selv om den nye teknologien for kunstig intelligens (AI) og dyp læring har muliggjort sporing og gjenkjennelse av menneskelige bevegelser i standardiserte laboratorieinnstillinger, har det sjelden blitt undersøkt om inkorporering med mobilapplikasjon (APP) er gjennomførbar og nøyaktig for spedbarns motorisk screening hjemme. Derfor fortsetter denne studien våre tidligere bestrebelser som brukte AI og maskinlæring for å klassifisere flere spedbarnsbevegelser ved standardiserte laboratorier. Denne studien tar sikte på å kombinere AI-algoritmen og maskinlæring med en APP for spedbarnsmotorisk screening i hjemmeoppsett. De spesifikke formålene er: (1) utpeking av en APP "Baby Go" versjon 3.0 for å inkludere vurderings-, henvisnings- og opplæringsfunksjoner for foreldres bruk hjemme, (2) utvikling og validering av AI-algoritmen for spedbarns motorisk screening basert på hjemmet videoer hentet fra termin og premature spedbarn, (3) sammenligning av foreldrenes oppfatning og rapport med AI-drevne vurderingsresultater, og (4) undersøkelse av prediktiv validitet av AI-algoritmen for spedbarns motorisk screening på etterfølgende utfall. Metode: Denne studien vil rekruttere 100 premature spedbarn og 20 fullbyrde spedbarn i alderen 2 til 18 måneder (korrigert for prematuritet) ved National Taiwan University Children's Hospital. APP "Baby Go" versjon 3.0 vil inneholde funksjonene til aldersbasert motorisk screening med 2 til 5 bevegelser i hver alder, doktorgradshenvisning og utdanningsmodul. Foreldrene vil bli bedt om å videoregistrere babyens bevegelser i liggende, liggende, sittende og stående hjemme annenhver uke og samtidig laste opp videofilene via APP i en aldersperiode på 2 til 18 måneder, etterfulgt av å registrere spedbarnets alder når de går. oppnåelse. Alle videofiler vil bli kommentert av trente fysioterapeuter at resultatene vil tjene som gullstandardene for validering av dataene til AI-modellen og foreldrenes oppfatning. Videodataene deles tilfeldig inn i trenings- og testsettet med 8:2-forhold for modellutvikling og validering. AI-modellen for spedbarnsmotorisk screening vil bli undersøkt for sin prediktive gyldighet på alder for gangavstand. Innovasjon og betydning: Denne studien er en inkrementell AI-modellfremskritt innen sporing og gjenkjenning av spedbarns bevegelser fra et laboratoriebasert klassifiseringssystem til et hjemmebasert screeningsystem. Den automatiske AI-drevne spedbarnsmotorscreeningen via APP "Baby Go" vil gi foreldre og helsepersonell i Taiwan innovative og gjennomførbare utviklingsressurser i avsidesliggende samfunn. Resultatene er innsiktsfulle for å hjelpe barneleger og fysioterapeuter med å planlegge diagnostisk vurdering og tidlig intervensjon for spedbarn med risiko for nevromotoriske lidelser.