PANDA Gym: Avaliação Automatizada do Neurodesenvolvimento em Bebês em Risco de Deficiência Motora

Para crianças com deficiências do neurodesenvolvimento, o tratamento precoce no primeiro ano de vida melhora os resultados a longo prazo. No entanto, os investigadores estão atualmente retidos pela inadequação dos testes clínicos disponíveis para medir e prever o comprometimento. Os testes existentes são difíceis de administrar, requerem treinamento especializado e têm valor preditivo de longo prazo limitado. Há uma necessidade crítica de desenvolver uma ferramenta objetiva, precisa e fácil de usar para a previsão precoce de incapacidade física de longo prazo. O campo da pediatria e do desenvolvimento infantil se beneficiaria muito de uma pontuação quantitativa que se correlacionasse com as medidas clínicas existentes usadas hoje para detectar deficiências de movimento em bebês muito jovens. Para realizar uma nova geração de testes que serão fáceis de administrar, os pesquisadores obterão grandes conjuntos de dados de bebês brincando em uma academia instrumentada ou simplesmente sendo registrados enquanto se movem em uma postura supina. As análises de dados de vídeo e sensor converterão o movimento em vetores de recursos com base em nosso conhecimento do domínio do problema. Nossa abordagem usará aprendizado de máquina para relacionar esses vetores de recursos a testes clínicos atualmente recomendados ou outras informações de base. O poder desse design é que os algoritmos podem utilizar muitos aspectos do movimento para produzir as pontuações relevantes.