Preguntas y respuestas: la nueva tecnología puede ayudar a identificar los síntomas de enfermedades neuromotoras en los bebés

Un equipo de investigadores dirigido por Huanyu «Larry» Cheng, profesor asociado de Ingeniería, Ciencias y Mecánica (ESM) James L. Henderson, Jr. Memorial en Penn State, probó el uso de sensores portátiles combinados con un algoritmo de aprendizaje automático «pequeño». para monitorear y evaluar automáticamente los movimientos generales en los bebés.

Según Cheng, la red de sensores portátiles con un algoritmo basado en inteligencia artificial supera los problemas de subjetividad y costo. La prueba piloto, publicada en Ciencia avanzadamuestra que la nueva tecnología puede identificar automáticamente a los bebés con riesgo de desarrollar enfermedades neuromotoras mediante movimientos generales con una precisión de hasta el 99,9%.

Penn State News habló con Cheng sobre las implicaciones de este trabajo.

¿Por qué se necesita esta tecnología?

Los movimientos generales son los patrones de movimiento innatos y espontáneos que exhiben los bebés desde el nacimiento hasta las 20 semanas. Los patrones atípicos de conductas de movimiento infantil pueden indicar disfunciones neuromotoras subyacentes, como parálisis cerebral, trastorno del espectro autista u formas menores de otros trastornos neurológicos. La detección en el momento más temprano de la infancia es de vital importancia para promover la recuperación temprana y resultados funcionales y calidad de vida óptimos a largo plazo.

En otras palabras, la detección y la rehabilitación oportuna posiblemente sólo puedan realizarse en la infancia, antes de que se produzcan daños o cambios irreversibles durante el desarrollo del cerebro. Los métodos de examen actuales, como el examen visual, están limitados por juicios subjetivos y la necesidad de médicos específicamente capacitados. Estos exámenes a menudo también utilizan una cámara de video, que está limitada por una configuración compleja de la cámara y la susceptibilidad a los entornos circundantes.

¿Puedes describir la composición de los sensores, qué detectan y cómo funcionan?

Diseñamos dispositivos de unidades de movimiento inercial (IMU) inalámbricos suaves con propiedades mecánicas «similares a la piel» para reducir el riesgo de lesiones cutáneas que a menudo pueden ocurrir en la piel inmadura de los bebés durante el examen o el tratamiento. La escasa red de sensores coloca estratégicamente cinco dispositivos IMU físicamente separados, pero conectados de forma inalámbrica, en la frente, las muñecas y los tobillos de los bebés, lo que permite una recopilación sólida de datos de movimiento.

Los flujos de datos generados por esta red de sensores son procesados ​​por un pequeño algoritmo de aprendizaje automático con una interfaz gráfica de usuario desarrollada a medida para la identificación automática de bebés en riesgo de desarrollo neuronal anormal.

¿Qué tiene de nuevo esta tecnología respecto a otros métodos utilizados para diagnosticar enfermedades neuromotoras?

Además del diseño de la red inalámbrica de sensores dispersos discutida anteriormente, un pequeño algoritmo de aprendizaje automático desempeña un papel clave en el procesamiento de flujos de datos generados a partir de la red de sensores. A diferencia de los marcos de inteligencia artificial de gran tamaño, los pequeños algoritmos de aprendizaje automático podrían proporcionar una detección y clasificación rápida de los bebés «normales», «alto riesgo» y «bajo riesgo» en entornos de bajos recursos.

¿Por qué empezar con un estudio piloto de muestra pequeña? ¿Hacia dónde va la investigación a partir de aquí?

Debido al desafío de reclutar una gran cantidad de sujetos humanos, el estudio actual solo se centró en el estudio piloto con un tamaño de muestra relativamente pequeño de 23 bebés. Sin embargo, los resultados establecen la viabilidad de combinar los dispositivos IMU con un pequeño modelo de aprendizaje automático para la clasificación automática de movimientos generales en bebés, allanando el camino para la evaluación temprana y la valoración del desarrollo cerebral. Ciertamente estamos interesados ​​en colaborar con médicos relevantes para un estudio más amplio que valide completamente nuestro sistema de dispositivo.

Mientras tanto, la plataforma de sensor/dispositivo ciertamente se puede utilizar para otros tipos de estudios, como evaluar las condiciones cardiopulmonares, explorar las firmas acústicas de las cuerdas vocales para el entrenamiento del habla y el canto, y el entrenamiento/ejercicio deportivo, entre otros.