据国外媒体Venturebeat报道，研究人员开发了人工智能（AI）技术来预测婴儿的发育障碍。
有出生并发症的儿童在以后的生活中更有可能出现认知和身体上的障碍。例如，据《英国医学杂志》(BMJ)发表的2017年研究报告显示，早产婴儿出现较高的发育延迟率。研究人员已经证明，手臂和腿的运动——自发的运动——可以帮助区分典型发育和非典型发育，但还是有一个问题：它们很难在婴儿期早期发现。
来自南加州大学(USC)和马德里卡洛斯三世大学的一个团队着手开发了一种利用可穿戴设备和机器学习算法的解决方案。他们的方法在发表于Arxiv.org上的一篇论文（“利用可穿戴传感器的日常运动数据预测婴儿的运动发育状态”）中有描述，它对肢体运动模式进行了分类，以便预测婴儿日后是否有可能出现神经缺陷。
研究者们写道：“研究已经证明，在典型发育的婴儿和处于危险的婴儿（包括存在智力残疾、脊髓脊膜突出症和唐氏综合症的婴儿以及早产婴儿）之间，各项运动学指标数据是不同的，比如踢脚频率以及关节间和肢体间的协调性。”
该研究团队从南加州大学的婴儿神经运动控制实验室提供的数据集中提取数据，其中包含了从捆绑在婴儿脚踝上的加速度计、陀螺仪和磁力仪收集的运动数据。一种算法从原始传感器数据检测左右腿的运动，并确定这些运动的持续时间、平均加速度、峰值加速度和其他的特征。
研究人员手动添加了一些特征，比如年龄、发育程度评分和发育标签（即典型的或者非典型的），然后使用许多的二进制分类算法构建了一个预测模型，最终确定了三个最优秀的组合来最小化任何一个模型的偏差。
所产生的算法会进行运算，其预测非常接近基线。它基于那些运动数据来预测前六个月的发育延迟问题，准确率达到83.9%；预测6到12个月的问题的准确率也高达77%。
“总的来说，这些结果进一步证实了分类算法中使用的运动学特征与婴儿发育之间的关系。”研究人员写道，“最终的目标是，使用这种方法来预测高危婴儿将来是否会被诊断为发育迟缓。”
在未来的研究中，该团队希望招募更多的婴儿，创建一种算法来通过历史传感器数据预测婴儿的运动情况。
“目前，发育迟缓通常直到婴儿两岁时才被诊断出来，这让许多婴儿无法在早期接受有针对性的干预。”他们写道，“我们打算开发的预测算法将证实，发育迟缓反映在婴儿最初几个月的运动当中，进而让更多的婴儿能够更早地接受定向的干预。”
