Revoluce ve screeningu autismu: AI systém CAMI-2DNet zpřístupní objektivní hodnocení dětských pohybů

Výzkumníci z Kennedy Krieger Institute a Penn Engineering vyvinuli pokročilý systém umělé inteligence (AI), který dokáže měřit schopnost dítěte napodobovat jednoduché pohyby těla pomocí běžných videozáznamů.

Výzkumníci z Kennedy Krieger Institute a Penn Engineering vyvinuli pokročilý systém umělé inteligence (AI), který dokáže měřit schopnost dítěte napodobovat jednoduché pohyby těla pomocí běžných videozáznamů. Tento systém, nazvaný Computerized Assessment of Motor Imitation (CAMI-2DNet), představuje významný krok k vytvoření škálovatelné a objektivní metody pro hodnocení imitace, která je důležitým behaviorálním ukazatelem spojeným s autismem.

Děti s autismem často napodobují pohyby odlišně než jejich neurotypičtí vrstevníci, což činí motorickou imitaci klíčovým markerem během vývojových hodnocení. Dr. Stewart H. Mostofsky, ředitel Centra pro neurovývojový a zobrazovací výzkum v Kennedy Krieger Institute a spoluautor studie, zdůrazňuje, že motorická imitace je zásadním stavebním kamenem pro sociální rozvoj. Dlouhodobým cílem je lépe porozumět individuálním rozdílům u autismu a pomoci informovat intervence, které tyto rozdíly řeší.

Nástroj AI automaticky sleduje pohyby dítěte, když napodobuje instruktora provádějícího jednoduché pohyby, a to vše za použití standardní kamery. Následně porovnává pohyby instruktora a dítěte a generuje objektivní skóre. Tím eliminuje hodiny manuálního přezkumu a nevyžaduje žádné drahé vybavení používané při tradiční analýze pohybu. Tradiční měření motorické imitace vyžadovalo specializované systémy pro snímání pohybu nebo pečlivou manuální analýzu vyškolenými odborníky, což omezovalo místa a četnost provádění těchto hodnocení.

René Vidal, profesor a senior autor studie, uvádí, že nahrazením specializovaného hardwaru a manuální analýzy inteligentním počítačovým viděním mohou objektivní behaviorální hodnocení zpřístupnit klinikům a rodinám. CAMI-2DNet není navržen k samostatné diagnostice autismu ani k nahrazení odbornosti klinických lékařů. Místo toho poskytuje objektivní měření, které může doplnit stávající hodnocení, pomáhá klinikům činit informovanější rozhodnutí a umožňuje výzkumníkům sledovat změny v průběhu času. Vedoucí autor a doktorand Kaleab Kinfu doufá, že nástroje jako CAMI-2DNet mohou snížit bariéry pro včasné a vysoce kvalitní hodnocení.