密歇根大學新進展：AI+可穿戴設備，20秒檢測兒童內化障礙

對兒童心理健康來說，內化障礙是一個隱形殺手。兒童在面對恐懼、害羞等心理異常癥狀時，常常不會表現出來，而是將問題內部化。家長不能及時發現，進而導致嚴重的心理問題。

近日，權威期刊PLOS ONE刊發了一篇來自密歇根大學和佛蒙特大學的論文。研究人員將AI算法與可穿戴設備結合，試圖通過數據挖掘的方式解決內化障礙的早篩難題。

論文數據表明，該系統可在20秒內得出結論，準確率達81%。此前，醫生需花費數小時對兒童及家長進行訪談及測試，通過經驗進行診斷。

兒童內化障礙急需篩查手段

由于沒有明顯的外在表現，兒童內化問題常被家長忽視。雷鋒網了解到，在兒童時期，近五分之一的人會經歷內化障礙。然而在一項針對四歲兒童的內化問題研究中，只有3%的臨床診斷患兒曾接受專業心理健康干預。

在時間的累積下，內化障礙演變為心境和情緒的失調，嚴重者可能發展為抑郁癥、恐怖癥等，甚至有可能引發濫用藥物問題或自殺。

兒童時期人體具有很強的可塑性，如果在發育早期發現疾病并進行干預，將非常有效。隨著互聯數字化時代的到來，業內開始積極探索使用便攜設備及可穿戴設備解決這一問題的方式。

可穿戴設備帶來突破

據雷鋒網了解，本次發布在PLOS ONE期刊上的論文揭示了一種通過可穿戴設備進行兒童內化障礙早期篩查的新方法。

受測兒童在看護人的陪伴下進行時長為90秒的恐懼誘導任務，這是一種臨床上正在使用的測試方法。一般說來，在測試進行過程中，心理醫生會對兒童進行恐懼引導，通過觀察兒童的反應和語言進行診斷。

研究人員采用一種佩戴在腰部的設備量化兒童動作，設備包含一個慣性單元、一個三軸加速度計和一個三軸角速度陀螺儀。這是一種普通設備，在市場上可輕松購買到。

設備收集的數據被傳至算法模型中。研究者使用監督學習方法創建了一個二元分類模型，將來自設備的信號特征與臨床共識的內化診斷相關聯，并結合單個任務在每個時間階段的特征創建模型。

在算法驗證階段，研究人員尋找到63位3-7歲兒童。論文數據表明，該系統可在20秒內得出結論，準確率達81%。

團隊表示，希望能將這項技術廣泛應用在醫生辦公室、學校和其他兒童接受定期發育檢查的場所，以便兒童更便捷地獲取早篩服務。

AI在兒童精神領域的深入應用

隨著AI技術在醫療領域普及，兒童精神疾病的診斷方式也向智能化發展，并已有眾多科研及落地成果產生。

據雷鋒網了解，2017年，Nature刊發來自北卡羅來納大學的研究成果，團隊使用AI技術進行兒童自閉癥早篩。

一般而言，自閉癥在兒童成長到2到3歲才表現出典型的癥狀，所以基于行為觀察和問卷調查的方法，很難判斷2歲前的兒童是否會在2歲之后被診斷為自閉癥。利用AI技術，團隊可在兒童12個月時進行診斷。

利用舊有方式，一旦兒童被診斷為自閉癥患者，就意味著他們受到的傷害已經無法挽回了。如果可以在癥狀出現之前進行判斷，醫生就可以借助這套算法篩選會患病的兒童，研究在疾病發生的早期，如何干預自閉癥的發展。

同年，我國首家應用人工智能治療兒童自閉癥的醫療機構——哈爾濱市兒童醫院人工智能認知康復中心揭牌運營，采用人工智能、類腦計算等手段對自閉癥兒童進行康復治療。

2018年2月，Cognoa公司用于檢測兒童自閉癥的AI平臺獲得了FDA許可，這是一款手機APP，也是FDA監管許可的首個用于自閉癥篩查的II類診斷醫療設備，該應用程序用于18個月至7歲的兒童，幫助父母隨時監測兒童的心理健康狀況。

從科研機構到醫療機構再到商業公司，AI在兒童心理健康領域的應用正一步步落地。未來，AI技術有望與基因檢測、VR/AR、物聯網等技術相結合，形成從篩查到治療的全鏈條系統，更加深入地幫助患兒擺脫心理健康問題。

雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。