Big data en kunstmatige intelligentie

AI spoort spastische stoornissen bij baby’s op

© damircudic / Getty Images / iStock

Kunstmatige intelligentie kan uit een simpele video-opname van een baby in bed relevante informatie over de neurologische ontwikkeling filteren. Daardoor zijn hersenbeschadigingen die gepaard gaan met bewegingsstoornissen eerder vast te stellen.

Een kind van drie maanden heeft een typisch dansachtig bewegingspatroon. De afwezigheid van dit patroon is een sterke aanwijzing voor het later optreden van cerebrale parese (CP), zoals spasticiteit. Dat zegt Sampsa Vanhatalo, hoogleraar klinische neurofysiologie aan de Universiteit van Helsinki.

__________________________________________________________________________________________

Abonneer u nu op de nieuwsbrief van QruxxTech. En krijg daarmee iedere maandag een update van alle artikelen, blogs en nieuwsberichten.

___________________________________________________________________________________________

Zo zijn er meer specifieke beweegpatronen die passen bij bewegingsstoornissen door schade aan de hersenen.  Klinische experts kunnen deze stoornissen goed diagnosticeren met een visuele beoordeling van de bewegingen van het kind. Maar doorgaans kunnen ze een diagnose zoals CP pas op de leeftijd van 6 maanden tot 2 jaar stellen. Terwijl een zo vroeg mogelijke behandeling de nadelige gevolgen kan beperken.

Vanhatalo: objectieve methode

Naast de vertraging stoorde het Vanhatalo ook dat de beoordeling subjectief is. “Er is dringend behoefte aan een objectieve en geautomatiseerde methode”, zegt zij.

Samen met onderzoekers van het Artificial Intelligence-bedrijf Neuro Event Labs zochten Vanhatalo en haar collega-onderzoekers naar een manier om de benodigde informatie uit opnames van bewegende kinderen te filteren. Zij maakten daarbij gebruik van pose estimation. De video-opname werd daartoe gereduceerd tot een bewegend skelet (ofwel stickman-video).

Score 95 procent

De onderzoekers lieten de stick figure-beelden zien aan artsen met expertise in het beoordelen van bewegingspatronen. Zij konden in 95 procent van de gevallen een bewegingsstoornis juist vaststellen. Het geautomatiseerd algoritme was dus in staat om uit een gewone video-opname klinisch relevante informatie te filteren.

Vervolgens deden de onderzoekers een proof-of-concept-studie waarbij zij met verschillende eenvoudige metingen in de stick figure-beelden duidelijke verschillen tussen kinderen met een normaal of afwijkend bewegingspatroon aan konden tonen.

Geen problemen privacy

Een bijkomend voordeel van de methode is dat de stick figure-video’s en de geabstraheerde informatie wereldwijd gedeeld kunnen worden, zonder problemen in verband met privacy. Daarmee is een belangrijke hobbel weggenomen voor internationaal onderzoek op dit gebied, aldus Vanhatalo. Zij verwacht nu een belangrijke vooruitgang in de kwantitatieve analyse van bewegingspatronen van jonge kinderen.

Vanhatalo verzamelt nu grote datasets, ook uit 3D-videobeelden, en probeert een algoritme voor bewegingsrijping te ontwikkelen. Het uitgangspunt is simpel: er is sprake van een bewegingsstoornis als de bewegingsrijping niet past bij de leeftijd van het kind.

Vanhatalo ziet vele mogelijke toepassingen voor de bewegingsanalyse. Zoals het maken van een functionele groeitabel, screening van kinderen waarbij zorgen zijn over de ontwikkeling, ondersteuning bij beslissingen over behandeling en het volgens van het effect van een behandeling.

 

Reacties