Ilościowa ocena zdolności motorycznych niemowlęcia za pomocą wielosensorowego urządzenia do noszenia

Podsumowanie

Ten artykuł przedstawia ocenę sprawności motorycznej niemowląt za pomocą urządzenia do noszenia na ciele z wieloma sensorami i jego w pełni zautomatyzowanym potokiem analizy opartym na głębokim uczeniu. Metoda określa ilościowo postawę i wzorce ruchowe niemowląt od leżenia na wznak do momentu, gdy opanują samodzielne chodzenie.

Streszczenie

Opracowanie obiektywnych i ilościowych metod wczesnej oceny motoryki dużej jest niezbędne do lepszego zrozumienia rozwoju neurologicznego i wspierania wczesnych interwencji terapeutycznych. W tym miejscu przedstawiamy metodę ilościowego określania sprawności motorycznej za pomocą wielosensorowego urządzenia do noszenia, MAIJU (Motorility Assessment of Infants with a JUmpsuit), które oferuje zautomatyzowaną, skalowalną, ilościową i obiektywną ocenę przy użyciu w pełni zautomatyzowanego potoku opartego na chmurze. Ten kombinezon do noszenia jest wyposażony w cztery czujniki ruchu, które rejestrują zsynchronizowane dane z telefonem komórkowym za pomocą niskoenergetycznego połączenia Bluetooth. Analiza offline na serwerze w chmurze generuje w pełni przeanalizowane wyniki w ciągu kilku minut dla każdego nagrania. Wyniki te obejmują graficzny raport z sesji nagraniowej oraz szczegółową matrycę wyników, która podaje klasyfikacje sekunda po sekundzie pod względem postawy, ruchu, noszenia niemowlęcia i czasu swobodnej zabawy. Nasze ostatnie wyniki pokazują zalety takiej ilościowej oceny motorycznej, która zapewnia potencjalnie skuteczną metodę rozróżniania zmian w rozwoju motorycznym niemowlęcia.

Wprowadzenie

Wczesny rozwój motoryczny jest niezbędny dla wyższego poziomu sprawności neurokognitywnej, która ujawnia się później, wspierając niemowlęta w eksploracji środowiska. Dlatego zarówno klinicyści, jak i badacze są bardzo zainteresowani oceną wczesnego rozwoju motoryki dużej^1,2,3. Aby zapewnić wsparcie dla medycyny opartej na dowodach lub badań naukowych, ważne jest, aby oceny motoryki dużej były ilościowe, wiarygodne, obiektywne i ekologicznie uzasadnione. Jednak istnieje niedobór takich metod dostępnych zarówno w badaniach klinicznych, jak i podstawowych.

Typowy wczesny rozwój motoryczny przebiega poprzez przewidywalną sekwencję nowo nabytych umiejętności. Są one często obserwowane u niemowląt jako osiągające dyskretne kamienie milowe motoryczne⁴, gdzie stanie i chodzenie są często uważane za ważne punkty orientacyjne na drodze do bardziej złożonego repertuaru zachowań⁵. Oprócz bezpośredniej obserwacji lub ankiet rodzicielskich na temat kamieni milowych motoryki, opracowano kilka powszechnie stosowanych standardowych baterii^6,7,8,9 do przeprowadzania ocen niemowląt w środowisku laboratoryjnym lub szpitalnym. Oceny te mają jednak wiele zastrzeżeń: wymagają znacznej wiedzy specjalistycznej od wyszkolonych specjalistów, są częściowo subiektywne i kategoryczne oraz oceniają wyniki niemowląt w środowisku (szpitalu lub laboratorium), które jest nienaturalne z perspektywy niemowlęcia.

Rejestrowanie spontanicznej aktywności motorycznej niemowląt przez dłuższy czas w naturalnym środowisku, takim jak ich dom, umożliwia dokładniejsze pomiary zdolności motorycznych. W jednej z takich wykonalnych metod ocena jest przeprowadzana dla pełnej sekwencji rozwoju zdolności motorycznych niemowlęcia od leżenia na wznak do płynnego chodzenia za pomocą systemu do noszenia, takiego jak MAIJU wearable (Motor Assessment of the Infants with a JUmpsuit)^10,11,12. System ubieralny MAIJU (Rysunek 1) obejmuje odzież tekstylną na całe ciało wyposażoną w czujniki ruchu, które umożliwiają nienadzorowane oceny i nagrania poza szpitalem/laboratorium, które są analizowane za pomocą zautomatyzowanego rurociągu, zapewniając ocenę postawy i wzorców ruchowych sekunda po sekundzie. Te algorytmiczne detekcje mogą być stosowane osobno dla każdej postawy i typu ruchu lub mogą być łączone w celu holistycznej oceny poziomu dojrzałości zdolności motorycznych niemowlęcia. Niedawno opublikowanym, bezjednostkowym wyrazem takiej miary dojrzałości motorycznej jest BIMS (Baba Infant Motor Score)^10,12.

Ten artykuł oopisuje ocenę sprawności motorycznej niemowląt za pomocą wielosensorowego kombinezonu do noszenia; uzasadnienie, praktyczna wydajność, potok analizy i potencjalne perspektywy na przyszłość dla wykorzystania wskaźników, które można uzyskać z automatycznego potoku analizy dostępnego dla nagrań za pomocą wielosensorowego urządzenia do noszenia^10,11,12. Metoda jest odpowiednia do szczegółowej oceny ilościowej spontanicznych aktywności motorycznych u wszystkich niemowląt, które wykazują zdolności motoryczne między leżeniem na wznak a płynnym chodzeniem.

Wielosensorowy system do noszenia składa się z trzech elementów: 1) całego ciała wyposażonego w cztery czujniki ruchu, 2) urządzenia mobilnego korzystającego z niestandardowej aplikacji iOS, oraz 3) potoku analizy opartego na chmurze (Babacloud, do którego dane uwierzytelniające można uzyskać od autorów)¹¹. Wodoodporne czujniki bezwładnościowej jednostki pomiarowej (IMU) przesyłają zsynchronizowane dane (3-osiowy akcelerometr i żyroskop) z częstotliwością próbkowania 13-52 Hz do telefonu komórkowego za pomocą niskoenergetycznego połączenia Bluetooth. Dane są początkowo przechowywane w pamięci (czujnika lub) urządzenia mobilnego, a następnie analizowane w trybie offline na serwerze w chmurze po zatrzymaniu nagrywania.

Protokół

Badania przeprowadzone za pomocą tego systemu zostały sprawdzone przez komisję etyki Nowego Szpitala Dziecięcego Szpitala Uniwersyteckiego w Helsinkach, a szpital wyraził zgodę na przeprowadzenie projektów badawczych opisanych w oryginalnych badaniach cytowanych w tej pracy. Uzyskano świadomą zgodę na sfilmowanie dziecka na filmie.

1. Przygotowanie kombinezonu do sesji nagraniowej

1. Wybierz odpowiedni rozmiar garnituru. Obecnie rozmiary wahają się od rozmiaru 68 cm i istnieje pięć różnych opcji rozmiarów (68 cm, 74 cm, 80 cm, 86 cm i 92 cm). Upewnij się, że kombinezon jest ciasno, ale wygodnie, a dziecko może swobodnie się poruszać bez przeszkód.
2. Rozpocznij nagrywanie, tj. zbieranie danych za pomocą aplikacji rejestratora danych, Maijulogger, zgodnie z opisem w pliku uzupełniającym 1.
   1. Na pierwszej stronie wpisz "Numer identyfikacyjny podmiotu". Liczba czujników ruchu używanych w ocenie jest domyślnie ustawiona na 4, jak pokazano na pierwszej stronie.
   2. Przejdź do następnego etapu, naciskając strzałkę do przodu.
3. Wyposaż cztery czujniki w baterie (wersja CR2025).
4. Sparuj każdy czujnik z aplikacją mobilną, wybierając i naciskając lokalizację kończyny w aplikacji i zbliżając czujnik do urządzenia mobilnego.
   1. Upewnij się, że w aplikacji wyświetlany jest prawidłowy numer czujnika.
   2. Upewnij się, że poziom naładowania baterii jest wystarczający (zalecany > 80%), sprawdzając wskaźniki poniżej numeru czujnika.
      UWAGA: W razie potrzeby wymień baterie czujnika, podnosząc tylną pokrywę.
5. Zamocuj każdy czujnik za pomocą mocowań zatrzaskowych w odpowiedniej kieszeni na rękawie.
   1. Upewnij się, że czujniki są prawidłowo zorientowane.
   2. Zawsze sprawdzaj najnowszą instrukcję obsługi, aby uzyskać szczegółowe informacje. Nieprawidłowa orientacja doprowadzi do tego, że dane staną się bezużyteczne.
6. Kontynuuj, aby sprawdzić poprawność parowania czujnika, naciskając strzałkę do przodu w aplikacji.
   1. Potrząśnij czujnikami jeden po drugim i sprawdź aplikację, aby zobaczyć, czy porusza się prawidłowy wskaźnik.
7. Po zakończeniu sprawdzania przejdź do strony startowej, naciskając strzałkę do przodu.
   UWAGA: W razie potrzeby czas trwania nagrywania (gg:mm) można ustawić ręcznie, naciskając przycisk Ustawienia na początku każdego nagrania.
   1. Naciśnij przycisk nagrywania, aby rozpocząć nagrywanie. Poczekaj, aż czujniki będą gotowe, zanim założysz kombinezon na niemowlę (może to potrwać kilka minut).
8. W przypadku nagrań domowych bez nadzoru ustaw blokadę ekranu na urządzeniu mobilnym, aby uniknąć jego działania przez rodzica i spakuj kombinezon do dostarczenia do odbiorcy.
   1. Skorzystaj z usług kuriera lub podobnej firmy, aby dostarczyć garnitur do odbiorcy natychmiast po jego przygotowaniu.

2. Przygotowanie i ubieranie niemowlęcia do sesji nagraniowej

1. Upewnij się, że niemowlę jest karmione (tj. karmione i zmieniane pieluchy) oraz czuje się bezpiecznie i komfortowo, zapewniając naturalną i spontaniczną zabawę.
   1. W razie potrzeby zdejmij kombinezon później, aby zmienić pieluchę.
2. Ubierz garnitur na niemowlę tak, jak to ma miejsce w zwykłym kombinezonie.
   1. Sprawdź, czy kieszenie na czujniki są skierowane na zewnątrz (tj. z dala od linii środkowej ciała, zamiast obracać się w kierunku przodu lub tyłu niemowlęcia).
3. Sprawdź, czy kombinezon ściśle przylega do kończyn w każdym miejscu czujnika.
   1. W razie potrzeby wyreguluj paski w pobliżu kieszeni, aby zacisnąć czujnik na kończynie.
      UWAGA: Możliwe jest również dodanie ubrań pod kombinezon lub bandaży, aby zapiąć czujniki w przypadku, gdy kończyny są zbyt cienkie, aby można je było wystarczająco zapiąć za pomocą pasków.

3. Sesja nagraniowa

1. Trzymaj urządzenie mobilne w pobliżu niemowlęcia, aby zapewnić niezawodną transmisję danych przez połączenie Bluetooth (tj. w tym samym pomieszczeniu lub w promieniu 10 m w przypadku nagrywania na otwartej przestrzeni) podczas nagrywania z bezpośrednim przesyłaniem danych.
   1. W razie potrzeby przechowuj urządzenie mobilne w torbie, takiej jak pokrowiec na tablet, aby ułatwić i bezpieczniej go obsługiwać. Protokół Bluetooth podejmie próbę ponownego połączenia, jeśli połączenie BLE zostanie utracone.
      UWAGA: Nie zaleca się wstrzymywania, a następnie kontynuowania nagrywania, ponieważ może to zakłócić synchronizację między czujnikami lub czasową integralność zarejestrowanych danych, a także utratę połączenia BLE. W takich przypadkach jedyną opcją jest wyłączenie aplikacji i rozpoczęcie nagrywania od nowa.
2. Zaaranżuj otoczenie tak, aby ułatwiało zabawę zabawkami i innymi przedmiotami oraz zachęcało maluszka do swobodnego poruszania się. Na przykład oczyść miejsce do poruszania się lub połóż matę na ziemi, aby niemowlę mogło być zachęcane do ruchu, gdy zobaczy zabawki odpowiednie dla jego wieku. Celem jest zarejestrowanie naturalnego ruchu niemowlęcia.
   1. Upewnij się, że niemowlę czuje się wystarczająco komfortowo i bezpiecznie, aby angażować się w spontaniczną zabawę bez odczuwania niepokoju z powodu nowych ludzi lub nieznanych miejsc.
3. Nagraj co najmniej 1 godzinę swobodnej gry lub tak długo, jak wymagają tego pytania do nauki. Wiele epok gry/ruchu można połączyć w późniejszym czasie analizy.
4. Jeśli jest to wymagane przez konkretny protokół badania, należy sporządzić dalsze notatki, aby ułatwić szczegółową kontrolę poszczególnych wyników. Używaj zsynchronizowanych adnotacji w czasie rzeczywistym w aplikacji rejestratora danych jako dowolnego tekstu, nagrań audio lub nagrań wideo.
5. W przypadku nagrań domowych bez nadzoru ustaw nagrywanie tak, aby zatrzymało się automatycznie (tj. ustaw czas trwania (gg:mm) nagrywania ręcznie, naciskając przycisk Ustawienia).
6. W ustawieniach nadzorowanych zakończ nagrywanie, naciskając przycisk Stop w aplikacji.
7. Zdejmij kombinezon i spakuj go do powrotu do laboratorium.
8. Pierz kombinezon po każdym nagraniu po zdjęciu czujników z kieszeni kombinezonu. Jeśli to możliwe, używaj detergentów, w tym środków odprowadzających wilgoć przeznaczonych do materiałów syntetycznych¹¹.
   1. Po praniu należy sprawdzić kombinezon pod kątem wad mechanicznych przed przechowywaniem go do użytku przez następne dziecko.

4. Analiza w chmurze: przesyłanie surowych danych i pobieranie wyników

1. Kliknij na nagrany plik w widoku bazy danych aplikacji, a następnie kliknij Eksportuj do Babacloud, co spowoduje otwarcie strony głównej chmury obliczeniowej (https://babacloud.fi/) za pomocą przeglądarki internetowej na urządzeniu mobilnym (Plik uzupełniający 2).
2. Wprowadź nazwę użytkownika i hasło na stronie logowania. W razie potrzeby poproś o nowe dane uwierzytelniające z adresu e-mail podanego na stronie głównej Babacloud.
3. Wybierz nagrany plik do przesłania. Następnie wybierz numer identyfikacyjny dla tematu i dodaj wymagane informacje zgodnie ze wskazaniami przepływu pracy Babacloud. Jeśli jest to istotne dla sprawy, wprowadź również wiek osoby badanej lub inne informacje (np. czas gry) w polu "Dodaj kolejną etykietę pliku raw". Na koniec zapisz sesję przesyłania, naciskając przycisk Zapisz.
   UWAGA: Domyślnie aplikacja rejestratora danych wygeneruje spakowany plik z danymi o ruchu, aby umożliwić łatwiejszy i szybszy transfer danych bezprzewodowo przez Wi-Fi lub sieć komórkową. Interfejs Babacloud będzie wymagał danych uwierzytelniających, które można uzyskać zgodnie z instrukcjami na ich stronie internetowej. Zarejestrowane surowe dane można również przenieść bezpośrednio z telefonu na inne urządzenie w celu dostosowanej analizy. Upewnij się, że niepotrzebne dane z pamięci urządzenia mobilnego zostały usunięte, aby uniknąć pomyłek między sesjami nagrywania. Sesje nagraniowe są automatycznie umieszczane w osobnych folderach, które są nazwane odpowiednimi sygnaturami czasowymi.
4. Pobierz spakowany pakiet wyników analizy z serwera w chmurze za pomocą urządzenia mobilnego lub przeglądarki internetowej na komputerze. Kliknij prawidłowy identyfikator tematu, a następnie wybierz łącze do żądanej analizy, która automatycznie otworzy plik do pobrania.
   UWAGA: W spakowanym pakiecie wyników można znaleźć dwie następujące pozycje: Szczegółową matrycę wyników, która podaje wszystkie klasyfikacje sekunda po sekundzie dla postawy, ruchu, noszenia niemowlęcia i czasu swobodnej zabawy (Rysunek 2A, plik uzupełniający 3). Raporty graficzne, które dają ogólny zarys sesji naukowej (plik uzupełniający 4).

Wyniki

Przedstawiona metoda ilościowo ocenia sprawność motoryczną niemowląt poprzez klasyfikację rodzajów postaw i ruchów dla każdej sekundy sesji nagraniowej. W związku z tym pakiet wyników z automatycznego potoku analizy obejmuje pełną macierz klasyfikacji (Plik uzupełniający 3) oraz podsumowanie graficzne (Plik uzupełniający 4) z całej sesji nagraniowej. W zależności od konkretnego pytania badawczego, wyniki te mogą być analizowane na różnych poziomach.

Do opracowania i walidacji tej metody wykorzystano weryfikację wyników.
Poniżej przedstawiamy cztery poziomy weryfikacji wyników wykorzystanych do opracowania i walidacji tej metodologii. Plik uzupełniający 5 zawiera reprezentatywne przykłady kluczowych eksperymentów walidacyjnych, które zostały wcześniej opublikowane w pełnym szczególe^10,11,12.

W pierwszej kolejności algorytmy automatyczne wytrenowane do detekcji ruchu i postawy zostały zwalidowane względem sekunda po sekundzie przeprowadzonych obserwacji ludzkich dotyczących zachowań ruchowych niemowląt. Wykorzystaliśmy kilku równolegle szkolonych ekspertów, którzy w sposób zaślepiony analizowali zsynchronizowane nagrania wideo wraz z zapisami z urządzeń ubieralnych. Wszystkie poszczególne kategorie postaw i ruchów porównywano oddzielnie z indywidualnymi adnotacjami ludzkimi; stwierdzono bardzo wysoką zgodność między algorytmem a człowiekiem w przypadku postaw (średnia kappa 0,93), natomiast w przypadku kategorii ruchów stwierdzono znaczną zgodność (kappa dla poszczególnych podkategorii mieściła się głównie w zakresie 60–80%). Patrz Plik uzupełniający 5A dla przykładowej macierzy pomyłek¹⁰Ponadto oceniono poziom zgodności między sędziami, aby potwierdzić, że algorytmy działają na poziomie zbliżonym do ludzkiego.^10,11.

Po drugie, oceniliśmy, w jakim stopniu kwantyfikacja kategorii ruchu i postawy oparta na klasyfikatorze pokrywa się z odpowiadającą jej kwantyfikacją z adnotacji ludzkich drugiego poziomu. Przykładowe wykresy rozrzutu przedstawione w Pliku uzupełniającym 5B¹⁰ wykazują, że dla kilku kluczowych kategorii występuje niemal idealna zgodność (współczynnik korelacji >0,96) pomiędzy algorytmiczną a ludzką kwantyfikacją wizualną. Bezpośrednio potwierdza to tezę, że specyficzne dla wieku rozkłady kwantyfikacji motoryki (Rysunek 3A,B) są wiarygodne¹².

Po trzecie, koncepcja holistycznej oceny dojrzałości motorycznej została zwalidowana poprzez opracowanie modelu przewidywania wieku rozwojowego na podstawie kombinacji parametrów ruchu (patrz wyżej), który był bardzo silnie skorelowany z rzeczywistym wiekiem niemowląt o typowym rozwoju (r=0,89; Plik uzupełniający 5C). Następnie przewidywany wiek przeskalowano do wartości 0-100 jako bezwymiarową miarę BIMS (Baba Infant Motor Score¹⁰), a użyteczność tej miary do tworzenia wykresów wzrostu motorycznego (Plik uzupełniający 5D) zwalidowano na kohorcie niemowląt o typowym rozwoju, u których zaobserwowano wyraźne, zależne od wieku i przewidywalne trajektorie wzrostu. Potwierdziliśmy również względną dokładność tej metody, wykazując, że precyzja wykresów wzrostu motorycznego jest porównywalna z powszechnie znanymi wykresami wzrostu fizycznego¹².

Po czwarte, potencjał wykrywania nieprawidłowości za pomocą podanych wskaźników został potwierdzony w eksperymencie dowodowym, w którym wykazano, że poszczególne parametry motoryczne wyraźnie różnicują niemowlęta o odpowiednio słabej i dobrej sprawności motorycznej (Plik uzupełniający 5E)¹⁰.

Potencjalne pytania do dalszych badań na różnych poziomach analizy
Rycina 3 przedstawia przykłady dalszego wykorzystania informacji dostarczanych przez kombinezon ubieralny oraz zautomatyzowany potok analizy. Po pierwsze, wczesny rozwój postawy i umiejętności ruchowych można przedstawić jako funkcję wieku i porównać z rozkładami zależnymi od wieku (Rycina 3A, „wykresy wzrostu”¹²) lub śledzić rozwój w czasie dla każdego osobno (Rycina 3B). Po drugie, gdy pytanie badawcze wymaga bardziej holistycznej oceny motoryki grubej, można zastosować kombinację proporcji postawy i ruchów danej osoby (jak pokazano w plikach uzupełniających5D, obliczonych z szeregów czasowych w pliku uzupełniającym 5C), aby wygenerować indeks taki jak BIMS (Baba Infant Motor Score). Takie miary umożliwiają bezpośrednie zastosowanie w wykresach wzrostu motorycznego (pliki uzupełniające 5C,D) oraz obliczanie pochodnych statystycznych, takich jak z-score (Rycina 3A). Wykorzystanie pełnych szeregów czasowych detekcji algorytmu (Rycina 3C oraz plik uzupełniający 3) pozwala na prowadzenie badań nad szczegółową strukturą czasową motoryki niemowląt, odpowiadając na pytania takie jak „Ile przejść między postawami wykonuje niemowlę w jednostce czasu?” lub „Jaki jest rozkład epok stania podczas spontanicznej zabawy?”.

Rysunek 1: Przegląd wielosensorowego systemu ubieralnego oraz typowy przebieg badania od rejestracji do analizy. Rysunek 1 dostosowany na podstawie pracy Airaksinen et al.¹² opublikowany na licencji CC_BY. Zdjęcie niemowlęcia opublikowano za zgodą rodziców. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Rysunek 2: Kategoryzacja postawy i ruchu oraz przykładowa wizualizacja surowych danych i wyników analizy (A) Schemat kategoryzacji postawy i ruchu stosowany przez klasyfikatory algorytmiczne w pełni zautomatyzowanego rurociągu analitycznego dla urządzenia ubieralnego z wieloma czujnikami. Rysunek ten został przedrukowany z pracy Airaksinen et al.¹⁰ (B) Przykład 10 min surowych danych z czujnika akcelerometru z każdego z czterech ramion, pochodzących z zapisów MAIJU. Poziome paski poniżej przedstawiają wyniki automatycznych klasyfikatorów dla detekcji postawy (górny pasek) i ruchu (dolny pasek) dla tego samego 10 min interwału. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Rysunek 3Przykładowe wyniki uzyskane z surowych danych wyjściowych klasyfikatora. (A(A) Przykład porównania danych dotyczących wieku niemowlęcia oraz skali Baba Infant Motor Score (BIMS). Zielona krzywa w kształcie litery S przedstawia trajektorię rozwojową BIMS w większej populacji. Kropka przedstawia przykład pojedynczej osoby z pomiarem w 14. miesiącu życia, z wynikiem BIMS ok. 74, co odpowiada poziomowi nieco poniżej średniej typowej dla danego wieku (zielona linia). (B) Przykład kohorty z indywidualnymi trajektoriami rozwoju motorycznego z zastosowaniem skali Baba Infant Motor Score (BIMS). Każda linia reprezentuje niemowlę badane w kilku punktach czasowych w zależności od wieku (kropki na linii). Linie są zabarwione zgodnie z przeciętnym odchyleniem względem średniej typowej dla wieku (niebieska krzywa w kształcie litery S w tle; patrz również panel A).C) Reprezentatywna macierz wyjściowa z automatycznego klasyfikatora pochodząca z potoku przetwarzania Babacloud. Pierwsza kolumna przedstawia czas upływający od początku nagrania (w sekundach) dla każdego okna analizy w klasyfikacji (czas trwania okna 2,3 s, z 50% zakładką). Druga i trzecia kolumna pokazują detekcje klasyfikatora odpowiednio dla postawy i ruchu. Trzecia i czwarta kolumna to klasyfikatory pomocnicze przedstawiające epoki, w których niemowlę było przenoszone przez inną osobę oraz gdy niemowlę zajmowało się samodzielną zabawą. (D) Ilustracja raportu podsumowującego. Panele A i B zostały opracowane na podstawie pracy Airaksinen i wsp.¹⁰. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Plik uzupełniający 1: Krótki przewodnik po rejestracji za pomocą urządzenia ubieralnego MAIJU. Kliknij tutaj, aby pobrać ten plik.

Plik uzupełniający 2: Krótki przewodnik po transferze danych z Maijulogger na serwer analizy w Babacloud. Prosimy kliknąć tutaj, aby pobrać ten plik.

Plik uzupełniający 3: Przykład szczegółowej macierzy klasyfikacji zawierającej wszystkie klasyfikacje sekunda po sekundzie dla postawy, ruchu, noszenia niemowlęcia oraz swobodnej zabawy. Prosimy kliknąć tutaj, aby pobrać ten plik.

Plik uzupełniający 4: Pełny przykład pliku PDF z graficznym raportem podsumowującym. Plik ten pochodzi z pliku algorytmu i zawiera (A) podstawowe informacje wstępne o sesji nagraniowej (ID i wiek badanego, datę nagrania, czas trwania oraz całkowitą liczbę epok wykorzystanych do końcowych analiz). (B) Graficzną prezentację pełnego nagrania, wskazującą rozkład postaw podczas całego zapisu oraz epoki wykluczone z oceny ilościowej. (C) Typowe rozkłady przedstawione na wykresach skrzypcowych (violin plots) dla wszystkich sześciu postaw (po lewej stronie) i 12 typów ruchów (po prawej stronie). Podobnie, rysunki po prawej stronie przedstawiają typy ruchów odpowiadające każdej postawie, ukazując również sekwencję stopniowo rozwijanych sprawności ruchowych (kropki wskazują wyniki z pojedynczego nagrania, a kolorowe wykresy skrzypcowe wskazują rozkłady postaw/ruchów zależne od wieku w odpowiednim zbiorze danych). Należy zaznaczyć, że surowe wartości wskazane przez kropki pokazują rzeczywiste ilości danej sprawności ruchowej i mogą być bezpośrednio wykorzystywane w innych kontekstach. Kliknij tutaj, aby pobrać ten plik.

Plik uzupełniający 5: Eksperymenty walidacyjne na różnych poziomach analizy. (A) Macierze pomyłek pokazujące zgodność między adnotacjami ludzkimi (klasa docelowa) a detekcjami algorytmu (klasa przewidywana) dla kategorii postawy oraz ruchu. (B) Porównanie ilościowych parametrów motorycznych w pełnych sesjach nagraniowych pomiędzy adnotacjami ludzkimi a detekcjami pochodzącymi z automatycznego klasyfikatora. (C) Korelacja między przewidywaniem wieku rozwojowego na podstawie danych z urządzeń ubieralnych (lewa oś Y) a jego przeliczeniem w celu wygenerowania wyniku BIMS (prawa oś Y). Rzeczywisty wiek niemowlęcia w czasie nagrania przedstawiono na osi X. (D) Korelacja przewidywanego wieku z wiekiem rzeczywistym przy zastosowaniu dopasowanej funkcji. Wartości obrazują dopasowanie do modelu przy użyciu średniej grupowej w przedstawionych oknach czasowych (kolor niebieski), wszystkich wartości surowych (kolor czarny) lub przy uwzględnieniu pomiarów powtórzonych dla każdej osoby (kolor zielony). (E) Porównanie indywidualnych miar motorycznych pomiędzy grupami niemowląt o dobrej i słabej sprawności sugeruje, że kilka automatycznie wykrytych wskaźników motorycznych może różnicować te grupy niemowląt. Panele A, B, C zostały opracowane na podstawie Airaksinen et al.¹⁰. Panel D został opracowany na podstawie Airaksinen et al.¹². Panel E został opracowany na podstawie Airaksinen et al.¹¹. Kliknij tutaj, aby pobrać ten plik.

Dyskusja

Ilościowa ocena i śledzenie rozwoju sprawności motorycznej niemowląt za pomocą rozwiązania ubieralnego, takiego jak MAIJU, jest technicznie proste do nauczenia się i wykonania, a także może być łatwo wdrożone w opiece zdrowotnej lub praktyce badań klinicznych 10,11,12. W porównaniu z innymi istniejącymi metodami oceny motorycznej, ten rodzaj domowego rejestrowania spontanicznej aktywności motorycznej niemowląt poprawia ekologiczną trafność oceny. Ponadto zapewnia ilościową, przejrzystą i w pełni zautomatyzowaną analizę sprawności motorycznej niemowląt. Co najważniejsze, metryki wykorzystywane w analizie są intuicyjne i wytłumaczalne, co umożliwia ich łatwe porównanie z innymi ocenami klinicznymi i badawczymi, takimi jak czynniki środowiskowe, rozwój poznawczy czy oceny psychospołeczne. Holistyczna ocena rozwoju motorycznego zapewnia dokładność, która dobrze wypada w porównaniu z konwencjonalnymi miarami wzrostu fizycznego¹².

Krytyczne kroki w protokole obejmują staranne przygotowanie kombinezonu do noszenia. Przygotowując się do nagrania, wybór odpowiedniego rozmiaru kombinezonu ma kluczowe znaczenie, ponieważ mocowania czujników w rękawach i nogawkach muszą być ciasno osadzone, aby uzyskać wiarygodne nagranie ruchów ciała. Ponadto, aby nagranie zakończyło się sukcesem, konieczne jest umieszczenie czujników w kieszeniach o prawidłowej orientacji, jak wskazano w protokole. Mocowania czujnika nie pozwolą na obracanie się czujników podczas nagrywania. Jednak nieprawidłowo zorientowany czujnik rejestruje dane, które są trudne, jeśli nie niemożliwe, do późniejszego naprawienia. Podczas nagrywania należy zachęcać niemowlę do swobodnego i samodzielnego poruszania się. Długość nagrania może się różnić w zależności od podanych pytań badania. Wiele epok ruchu spontanicznego jest łączonych, aby zgromadzić wystarczającą ilość spontanicznego ruchu na każdą sesję nagraniową.

Elastyczna i praktyczna obsługa rozwiązania ubieralnego MAIJU pozwala na jego wykorzystanie w różnych kontekstach zarówno w warunkach nadzorowanych, jak i nienadzorowanych, takich jak laboratoria badawcze lub domy. Ostatnie wyniki naszych badań klinicznych pokazują, że w pełni nienadzorowane nagrania przeprowadzone w domu mogą zapewnić porównywalne wyniki z nagraniami wykonanymi pod pełnym lub częściowym nadzorem¹². Mimo to na spontaniczne zachowania motoryczne dziecka może mieć wpływ kilka czynników, takich jak otoczenie (np. zabawa na zewnątrz vs. w pomieszczeniu, układ przestrzeni, meble i zabawki), poziom czujności dziecka oraz zaangażowanie rodziców podczas nagrywania w domu. Gdy nagrania są wykonywane w domu bez nadzoru, ważne jest, aby zachęcać dziecko do spontanicznej zabawy, tj. do samodzielnej zabawy lub poruszania się, bez konieczności noszenia lub trzymania dziecka przez kogoś innego, a także trzymania nagrywającego telefonu komórkowego w zasięgu Bluetooth (w tym samym pomieszczeniu)¹⁰. Większość naszych obecnych sytuacji rozwiązywania problemów podczas nagrań jest spowodowana utratą połączenia Bluetooth. Postępy w technologii czujników w niedalekiej przyszłości poprawią łączność Bluetooth, a nadchodzące wprowadzenie większej pamięci czujnika umożliwi nagrywanie w trybie offline poprzez przechowywanie danych o ruchu bezpośrednio w pamięci czujnika.

Nagrania pozaszpitalne z wykorzystaniem tego rodzaju rozwiązania ubieralnego są łatwo skalowalne i mogą poprawić bezpieczeństwo niemowląt, np. poprzez umożliwienie zdalnego monitorowania w okolicznościach takich jak pandemia. Nasze obecne algorytmy klasyfikatorów zostały przeszkolone tak, aby specyficznie rozpoznawać dane zdolności motoryczne, postawy i ruchy pokazane w schemacie opisu ruchliwości (Rysunek 2A). Zjawiska te zostały zidentyfikowane jako charakterystyczne dla ruchu niemowlęcia w ciągu pierwszych dwóch lat życia. Inne rodzaje ruchów lub pozycji obserwowane u starszych dzieci, takie jak bieganie lub skakanie, będą wymagały zmodyfikowanych schematów opisu ruchów i odpowiednich algorytmów, które zostaną przeszkolone w celu ich identyfikacji. Analiza zależna od postawy i kontekstu jest potencjalnie owocnym podejściem, w którym aktywność motoryczna niemowlęcia jest analizowana oddzielnie w różnych pozycjach, aby wspierać badanie, np. rozwojowe korelaty zachowania niemowlęcia 5,6,7,8,9,13 . Alternatywnie, zależna od kontekstu analiza ruchu może również pomóc w ocenie asymetrii funkcji motorycznych podczas przewidywania rozwoju jednostronnego porażenia mózgowego 10,12,14,15. Co więcej, ocena zdolności motorycznych za pomocą systemu MAIJU może być łączona z innymi modalnościami badania, np. śledzeniem ruchu gałek ocznych, obrazowaniem lub nagrywaniem wideo, w celu uzyskania danych multimodalnych, obejmujących różne typy i konteksty. Dane multimodalne mogą być przydatne np. w ocenie efektów interakcji społecznych lub skuteczności interwencji terapeutycznej.

Aby nowatorskie technologie ubieralne odniosły sukces w pozaszpitalnych środowiskach monitorowania niemowląt, należy zająć się pewnymi ograniczeniami, wyzwaniami i obawami etycznymi. Nasze potoki analityczne zostały przeszkolone i zweryfikowane na typowo rozwijających się niemowlętach w Finlandii 10,11,12. Surowe wyniki analizy z czystymi pozycjami i ruchami powinny być uniwersalne. Jednak ich trajektorie rozwojowe mogą wymagać dostosowania do różnych kultur i lokalizacji geograficznych. Zgodnie z opiniami rodziców na temat urządzeń do noszenia, są one postrzegane pozytywnie ze względu na przyjazność dla niemowląt¹⁶. Rodzice mogą jednak zgłaszać obawy dotyczące prywatności, dostępu do danych i praktycznych aspektów rodziny (np. wielu opiekunów, gości i różne harmonogramy). Zależność od żywotności baterii czujników i telefonu nagrywającego można uznać za ograniczenie metody. Z naszego doświadczenia wynika, że model baterii (CR2025) zwykle wystarcza na cały dzień (12-24 godziny) przy ciągłym przesyłaniu danych. Warto zauważyć, że zależy to zarówno od marki baterii, jak i siły połączenia Bluetooth potrzebnego do bezprzewodowej transmisji danych, które stale się zmienia, aby zmaksymalizować transmisję danych w środowisku nagrywania. Na przykład duża odległość między niemowlęciem a telefonem lub ściana między nimi dostosowałaby połączenie Bluetooth do znacznie większego zużycia baterii. Warto zauważyć, że baterie większości urządzeń mobilnych są również rozładowywane w mniej więcej tym samym czasie, jeśli korzystasz z ciągłego przesyłania strumieniowego Bluetooth. W praktyce stosowane obecnie ciągłe przesyłanie danych przez połączenie Bluetooth oznacza, że zarówno czujniki, jak i urządzenia mobilne wymagają codziennego ładowania/wymiany baterii. Wprowadzenie w niedalekiej przyszłości czujników o większej pojemności pamięci pozwoli na przechowywanie danych w pamięci czujnika, co pozwoli na ponad tydzień ciągłego nagrywania. Wyeliminuje to potrzebę energochłonnego przesyłania strumieniowego Bluetooth, a także noszenia telefonu w zasięgu Bluetooth, który może być postrzegany jako ograniczający w sytuacjach nagrywania i podatny na błędy ludzkie.

Ogólnie rzecz biorąc, śledzenie wczesnego rozwoju neurologicznego wymaga metod, które są wrażliwe na naturalną zmienność neurobehawioralną. Rozwój motoryki dużej jest skomplikowanym procesem, na który składają się zmiany kolejności i czasu, zarówno na poziomie indywidualnym, jak i kulturowym⁴. Wykrywanie nietypowego rozwoju motorycznego jest skuteczne w rozpoznawaniu niemowląt zagrożonych szerokim zakresem zaburzeń neurorozwojowych. Tradycyjne baterie testowe ze standaryzowanymi ocenami neurorozwojowymi są wykonywane w kontrolowanych środowiskach, takich jak szpitale, i są przynajmniej częściowo subiektywne ^7,8,9. Obecne postępy w technologii czujników i analizie sygnału umożliwiły rejestrowanie spontanicznych zdolności motorycznych niemowląt przez dłuższy czas w warunkach pozaszpitalnych i ilościowe określenie zachowań motorycznych z dokładnością porównywalną z ludzkimi obserwatorami 10,11,12. Nowatorska technologia ubieralna oferuje zautomatyzowane i skalowalne metody monitorowania ruchu i skuteczności interwencji terapeutycznej u niemowląt w sposób ekologicznie uzasadniony i obiektywny. Co więcej, nowy indeks neurorozwojowy Baba Infant Motor Score (BIMS) umożliwia oszacowanie dojrzałości zdolności motorycznych niemowląt poprzez indywidualne śledzenie rozwoju neurologicznego^10,12. Może być stosowany w wielu przyszłych zastosowaniach, takich jak opracowywanie wykresów wzrostu motorycznego niemowląt¹². Poprzez trenowanie automatycznych klasyfikatorów dla innych określonych ruchomości (np. dla starszych dzieci lub dorosłych) za pomocą różnych rodzajów schematów opisu ruchu i algorytmów, czujniki ruchu do noszenia na ciele mają potencjał do zastosowań klinicznych, takich jak zaburzenia ruchowe lub monitorowanie skutków interwencji terapeutycznych niezależnie od etapu rozwoju danej osoby¹⁷. Obecnie jednak należy to postrzegać jako metodologię badawczą, która nie powinna być wykorzystywana do informowania o diagnozie klinicznej lub celach leczenia.

Materiały

Lista materiałów użytych w tym artykule

Nazwa	Firma	Numer katalogowy	Komentarze
Urządzenie z systemem iOS (wersja 16.5 lub nowsza)	Apple	nie dotyczy
kombinezonu MAIJU	Planno Ltd	nie dotyczy	dostosowanego do celu
Maijulogger (aplikacja mobilna) i oprogramowanie układowe czujnika	BABA Center (www.babacenter.fi), Kaasa solutions GmbH	n/a	skonstruowane przez Kaasa Solutions, dystrybuowane przez Baba Center
Czujnik ruchu Movesense	Movesense (www.movesense.com)	N/a