Yatan bir bebeğin basit bir video kaydı, çocuğun gelişimini ve devam eden tedavinin etkinliğini değerlendirmek; yararlı olan nicel bilgileri elde etmek için yapay zeka (AI) teknikleriyle analiz edilebilir.
Bebeklerin kendiliğinden hareketindeki ince özellikler; nöro gelişimlerinin klinik olarak önemli yönlerini ortaya çıkarabilir. Tipik hareket paternlerinin (Genel hareketler, GM) klinik bir uzman tarafından görsel olarak değerlendirilmesini sağlayabilir. (Örneğin; serebral palsi-CP)
Helsinki Üniversitesi Klinik Nörofizyoloji Profesörü Sampsa Vanhatalo: “Üç aylık bir bebek; vücutta ve uzuvlarda sıklıkla görülen basmakalıp, dansa benzer hareketler sergiler. Bunların tanımlanması, CP’nin daha sonra ortaya çıkması konusunda oldukça öngörücüdür.”
Çok erken bir teşhis ve daha sonraki terapötik müdahale; CP’nin nörogelişimsel etkisini hafifletmek için oldukça yararlı olacaktır. Tipik olarak, bebeklere 6 ay ila 2 yaş arasında CP teşhisi konmaktadır. GM analizi CP’nin erken saptanmasında ümit vaat etmektedir. Ancak şu anda uluslararası öğretim kursları yoluyla elde edilen ve ilgili becerilere sahip doktor veya terapist sayısını etkin bir şekilde sınırlayan özel uzmanlığa ihtiyaç duymaktadır. Ek olarak, mevcut haliyle GM analizi her zaman öznel olan görsel değerlendirmeye dayanmaktadır.
Vanhatalo: “Objektif ve otomatik yöntemlere acil bir ihtiyaç var. Hareket analizlerinin daha geniş ölçekte kullanılmasına izin verecekler ve dünyadaki herkes olmasa da, çoğu için erişilebilir olmasını sağlayacaklar.”
Çöp Adam Temel Şeyleri Ortaya Koyuyor
Helsinki Üniversitesi ve Pisa Üniversitesi‘ndeki araştırmacılar; yatakta yatan bir bebeğin konvansiyonel bir video kaydının, bebek hareketlerinin kantitatif bir analizine dönüştürülebileceği olasılığını araştırmak için yola çıktılar.
Neuro Event Labs, Tampere merkezli bir AI şirketinden, çocuk hareketlerinin doğru bir şekilde çıkarılması için bir yöntem oluşturabilen (poz tahmini olarak bilinen bir teknik kullanarak), basitleştirilmiş bir “çöp adam”ın yapılmasına olanak tanıyan kişilerle çalıştılar.
Daha sonra, araştırmacılar, çubuk şekli videoları; tanılama açısından önemli bilgilerin bu videolarda saklanıp korunduğunu görmek için GM uzmanlığına sahip, doktorlara verdi.
Doktorlar; sadece çubuk şeklindeki videoları kullanarak, vakaların % 95’inde tanı gruplarını atayıp, klinik olarak gerekli bilgilerin korunduğunu kanıtladılar.
Çalışma; otomatik bir algoritmanın klinik olarak önemli hareket kalıplarını normal video kayıtlarından çıkarabileceğini göstermektedir. Bu çubuk şekli görüntüleri, kantitatif analizler için doğrudan kullanılabilir. Bu potansiyeli göstermek için araştırmacılar; çubuk şekli hareketlerinin basit ölçülerinin normal veya anormal hareketleri olan bebek grupları arasında net farklar gösterdiği bir kavram analizi kanıtı sağlamıştır.
Çubuk şekilli videoların kullanımı; gizlilik kaygısı olmadan araştırma toplulukları arasında dünya çapında paylaşılmasını sağlar. Bu, bu alanda çok uluslu araştırma faaliyetlerinin kurulmasında önemli bir engel olmuştur.
Vanhatalo: “Bu, nihayet bebeklerde daha iyi kantitatif hareket analizleri için gerçekten Büyük Veri türünde bir gelişme sağlayacaktır. Bu çalışmada, 3D video kayıtları da dahil olmak üzere daha büyük veri kümeleri topladık ve şu anda infantil motor olgunluk değerlendirmesi için AI tabanlı bir yöntem geliştiriyoruz. Gerekçe basit: Motor olgunluğunun hesaplamalı değerlendirmesi çocuğun gerçek yaşı ile eşleşmiyorsa, çocukla ilgili bir gelişme sorunu var.”
Hareket analizi; nörogelişim ve terapötik girişimlerin etkinliği hakkında bilgi veriyor. Erken CP tespitine ek olarak, otomatik hareket analizleri, bebek nörolojik gelişiminin değerlendirilmesinde birçok potansiyel uygulamaya sahiptir.
Vanhatalo: “Bir çeşit işlevsel büyüme grafiği oluşturabiliriz.”
Hareket analizleri, terapötik kararları iyileştirmek için çeşitli şekillerde de kullanılabilir. Bu tür yöntemler, farklı terapötik stratejilerin etkinliğini nesnel olarak ölçmek için nicel araçlar sağlayabilir, bu araçlar restoratif tıpta küresel konulardan biridir. Otomatik hareket analizleri; daha fazla bakıma ihtiyaç duyanları tespit etmek için, çocukların hastane dışında taranmasına veya çocuğun gelişimi ile ilgili endişeleri olan durumlarda normallik güvencesi sağlamasına da izin verebilir.
Vanhatalo: “Makine öğrenmesi ve yapay zeka kullanımı; basit miktarda ev yapımı bir video kaydından önemli miktarda klinik olarak yararlı bilgilerin çıkarılmasını sağlar. Nihai amaç; dünyanın her yerinde yüksek ve hatta kaliteli bebek sağlığını mümkün kılacak yöntemleri bulmaktır.”
Bu video, yeni poz tahmin yöntemi kullanılarak, otomatik olarak oluşturulan bir stickman (iskelet-çöp adam) video örneğini göstermektedir. Hareketlerin kantitatif bir analizine, bu çöp adamtaki farklı vücut parçalarının yörüngelerinde doğrudan erişilebilir.
