赫爾辛基大學和比薩大學研究人員，與AI公司坦佩雷 （Tampere）的神經事件實驗室（Neuro Event Labs）合作，開發并證明了一種新的評估兒童神經發育的方法。

研究人員利用AI圖像識別算法將視頻記錄中幼兒的圖像運動模式自動轉化為如圖所示的“火柴人（stick man）”形式的客觀生物標記物，在這項同行評審的研究中，該方法已被用于識別早期腦癱（CP）。

AI“火柴人”揭示運動基本要素

腦癱的識別往往通過觀察嬰幼兒的動作及反應情況，極大地依靠醫生的主觀視覺經驗，難免會誤診或效率低。

另外，目前進行嬰幼兒腦癱識別診斷的醫生，需要通過國際水平課程的專業知識培訓，這很大程度地限制了具有相關技能的醫生或治療師的數量。

“行業迫切需要客觀和自動化的方法，允許醫生在更廣泛的范圍內進行運動分析，并使世界上盡可能多的兒童可以使用。”赫爾辛基大學臨床神經生理學教授Sampsa Vanhatalo說。

本文所述研究利用一種被稱為姿勢估計（pose estimation）的技術，創建了一種能夠精確提取兒童動作的方法，該方法可以根據兒童運動視頻，可以構建一個簡化的“火柴人”棒形圖視頻。

雷鋒網了解到，在這項研究中，研究人員選擇了2011年至2017年期間參加意大利IRCCS Stella Maris基金會研究的21名8-17周嬰兒的存檔視頻。其中，14例呈現典型的低風險運動，7例呈現非典型運動并在后來被診斷為腦癱。

使用坦佩雷神經事件實驗室的姿勢估計模型，轉化出“火柴人”視頻后，研究人員向具有轉基因專業知識的醫生提供“火柴人”視頻，以查看這些視頻中是否保留了傳統腦癱診斷上重要的信息。結果顯示，僅使用“火柴人”視頻，幼兒的臨床基本信息可以被保留，醫生能夠把95%的病例分配為診斷組。

該研究證明，自動算法可以從正常視頻記錄中提取臨床上重要的運動模式。這些棒圖視頻可以直接用于定量分析，識別兒童腦癱。

Vanhatalo表示 ，在兒童腦癱研究中，個人隱私是行業瓶頸。“火柴人”研究的意義在于使用簡筆畫視頻不會涉及隱私問題，數據可以在全球研究中共享。

AI運動分析應用于神經學

運動分析可以以多種方式改善醫生對疾病的治療決策，為不同治療策略效果提供客觀的定量測量方法。

除早期腦癱檢測外，AI自動運動分析在評估嬰兒神經發育方面具有許多潛在的應用。

例如應用兒童健康管理，自動化運動分析可以對兒童進行院外篩查，以識別需要進一步護理的兒童，或者在關注兒童發育的情況下確保大腦發育正常。

據雷鋒網了解，在上述研究結果出來后，研究人員又在進行另一項兒童研究。目前已經收集了包括3D視頻記錄在內的多種數據集，正在開發一種基于AI的嬰兒運動成熟度評估方法。

Vanhatalo教授表示，新的研究理由很簡單：我們用人工智能評估運動，未來兒童由于發育不成熟，表現出來的與實際年齡不符的運動特征就會被發現并及早進行干預治療。“

“使用機器學習和人工智能可以從簡單的家庭級視頻錄制中提取大量與臨床有用的信息。最終目標是能夠在任何地方，視頻都可以高質量反應嬰兒情況。“Vanhatalo總結道。