近日，赫尔辛基大学和比萨大学研究人员，与 AI 公司坦佩雷（Tampere）神经事件实验室（Neuro Event Labs）合作，开发并证明了新的评估儿童神经发育法。
研究人员利用 AI 影像辨识算法，将影片中幼儿的影像运动型态自动转化为如图所示的“火柴人”（stick man）客观生物记号，在这项同行评审的研究，此方法已用于辨识早期脑性麻痹（CP）。
AI“火柴人”揭示运动基本要素
脑性麻痹的辨识往往透过观察婴幼儿的动作及反应情况，极度依靠医生的主观视觉经验，难免会误诊或效率低。
另外，目前进行婴幼儿脑性麻痹辨识诊断的医生，需要透过国际课程的专业知识培训，这限制了有相关技能的医生或治疗师的数量。
“业界迫切需要客观和自动化方法，允许医生在更广泛的范围分析运动，并使世界上更多儿童可使用。”赫尔辛基大学临床神经生理学教授 Sampsa Vanhatalo说。
本文所述研究利用称为姿势估计（pose estimation）的技术，建立能精确撷取儿童动作的方法，为根据儿童运动影片，构建简化的“火柴人”棒形图影片。
据了解，在这项研究中，研究人员选择 2011~2017 年期间参加意大利 IRCCS Stella Maris 基金会研究的 21 名 8~17 周大婴儿的存档影片。其中 14 例呈典型低风险运动，7 例呈现非典型运动并后来诊断为脑性麻痹。
使用坦佩雷神经事件实验室的姿势估计模型，转成“火柴人”影片后，研究人员向具转基因专业知识的医生提供“火柴人”影片，以检视这些影片是否保留传统脑性麻痹诊断重要的资讯。结果显示，仅使用“火柴人”影片，幼儿的临床基本资讯可被保留，医生能把 95% 的病例分配为诊断组。
研究证明，自动算法可从正常影片截取临床重要的运动型态。这些棒图影片可直接用于定量分析，辨识儿童脑性麻痹。
Vanhatalo 表示 ，在儿童脑性麻痹研究，个人隐私是业界瓶颈。“火柴人”研究的意义在于使用简化影片且不涉及隐私，资料可于全球研究共用。
AI 运动分析应用于神经学
运动分析可以多种方式改善医生对疾病的治疗决策，为不同治疗策略效果提供客观的定量测量方法。
除早期脑性麻痹侦测外，AI 自动运动分析在评估婴儿神经发育方面有许多潜在应用。
例如应用儿童健康管理，自动化运动分析可对儿童进行院外筛查，以辨识需要进一步护理的儿童，或在关注儿童发育的情况下确保大脑发育正常。
据了解，上述研究结果出来后，研究人员又进行另一项儿童研究。目前已收集包括 3D 影片等多种资料，正在开发基于 AI 的婴儿运动成熟度评估法。
Vanhatalo 教授表示，新的研究理由很简单：我们用人工智能评估运动，未来儿童由于发育不成熟，表现出来与实际年龄不符的运动特征，就会发现并及早干预治疗。
“使用机器学习和人工智能可从简单的家庭影片撷取大量与临床有用的资讯。最终目标是能在任何地方，影片都能高品质反映婴儿情况。”Vanhatalo 总结。
（本文由 雷锋网 授权转载；首图来源：赫尔辛基大学）
