您的位置:首页 >知识精选 >正文

研究表明人工智能算法可以决定新生儿的哺乳效果

摘要 最近的一项研究表明,改进的奶嘴和分析其产生的数据的人工智能算法可以确定新生儿是否正在学习正确的哺乳技巧。具体来说,加州大学圣地亚哥...

最近的一项研究表明,改进的奶嘴和分析其产生的数据的人工智能算法可以确定新生儿是否正在学习正确的哺乳技巧。

具体来说,加州大学圣地亚哥分校的研究人员根据八个独立参数测量了婴儿是否产生了足够的吸吮力量来进行母乳喂养,以及他们是否以规律的模式进行吸吮。

研究结果发表于 4 月 18 日的《IEEE 健康与医学转化工程杂志》在线版,为研究人员提供了客观数据,表明标准评估可以得到改进,并可能避免手术干预。

目前,临床医生依靠两种方法来判断婴儿是否喂养得当。一种是客观的:婴儿体重增加得足够多吗?另一种则比较主观:临床医生将手指放入婴儿嘴里,评估婴儿吮吸手指的情况。

“我们与临床合作伙伴共同开发的方法用客观数据取代了这种主观评估,”加州大学圣地亚哥分校机械与航空航天工程系和外科系教授、该论文的资深作者之一詹姆斯弗兰德说。

该测试方法有两个组成部分。一个是由一个简单的奶嘴组成的设备,连接到一根 36 英寸长的管子,管子依次连接到真空传感器和从传感器收集数据的芯片。该设备可以连接到任何笔记本电脑。

加州大学圣地亚哥分校雅各布斯工程学院的教员弗伦德说:“我们希望使用现成的、经济高效的组件,使该技术尽可能简单,以方便在诊所采用。”

第二个组件是软件,它既可以显示数据,又可以使用机器学习算法来识别异常和异常值。该软件记录婴儿吸吮奶嘴时的数据,并将这些数据与其他婴儿的信息进行比较。两种不同的机器学习算法会分析数据并标记出存在异常模式的情况。

先前的研究表明,使用奶嘴进行非营养性吸吮可以产生可用于评估母乳喂养的数据。

“依靠科学数据来支持我的评估让我感到安心,”这项研究的共同资深作者、加州大学圣地亚哥分校语言病理学家兼哺乳顾问艾琳·沃尔什 (Erin Walsh) 表示。“我们希望我们的研究结果能够帮助那些努力母乳喂养的父母,并改善长期健康状况。”

这项研究的结果基本证实了临床医生的结论。但研究还表明,目前临床医生将指尖插入婴儿口中对婴儿吸吮能力进行主观评估是标准做法,而该设备生成的数据可以改善这种评估。

“在第一个月内尽早发现母乳喂养困难至关重要,因为它与乳汁形成和乳房易受伤的重要阶段相吻合,”该论文的第一作者,弗伦德实验室的博士生 Phuong Truong 说。

她说,尽管母亲可以获得医疗帮助,但缺乏精确的测量工具意味着识别潜在问题可能需要更长时间,这可能会导致母乳喂养率下降。“我们的测量系统旨在尽早提供有关婴儿吸吮能力的快速和精确数据,使临床医生能够快速解决根本原因并可能减轻母乳喂养流失,”Truong 说。

舌系带过短需要手术吗?

据估计,有 7% 的婴儿被诊断患有舌系带过短症,即舌头与口腔底部之间的连接过于紧密,限制了舌头的运动。这种疾病给母乳喂养带来了挑战,通常需要手术,即所谓的舌系带切开术,即切断舌头与口腔底部之间的结缔组织。

该设备的数据表明,接受检查的接受系带切开术的婴儿中,有一半在术前和术后没有变化。另一半的数据模式异常,算法认为需要进行系带切开术,但手术后确实受益匪浅,吸吮行为得到很大改善。

这些结果表明,在某些情况下,手术干预是可以避免的。

该设备的数据还标记了五名婴儿的异常哺乳行为,而这些行为在临床检查中并未发现。

这些发现非常重要,因为不到十年的时间里,系带切开术的数量增加了十倍。“我们的数据显示,系带切开术并不是解决母乳喂养困难的万能药,”沃尔什补充道。

研究如何进行

概念验证研究已获得加州大学圣地亚哥分校内部审查委员会的批准。研究对象为 30 天以下健康足月婴儿的父母,他们来自加州大学圣地亚哥分校发声与吞咽中心、加州大学圣地亚哥分校拉霍亚健康儿科中心和加州大学圣地亚哥分校雅各布斯医学中心。

总共有 91 名概念验证研究参与者是在加州大学圣地亚哥分校健康中心的儿科医生进行常规产后护理期间或在各自所在地咨询喂养专家时招募的。婴儿入选标准包括足月健康婴儿,已开始母乳喂养,且没有严重的分娩或产后并发症。

在本研究中,临床医生对设备数据一无所知,仅根据标准做法进行评估。在临床评估后,父母有机会引入改良的奶嘴,以在 60 秒内测量婴儿的口腔内吸吮真空度。

下一步

下一步包括在加州大学圣地亚哥分校健康中心外进行临床试验,最终目标是使该设备和算法广泛应用于儿科实践,可以在婴儿第一次就诊时使用。

弗伦德和沃尔什正在创办一家公司,从加州大学圣地亚哥分校获得该项技术的许可,并将其应用于诊所。

这项研究的部分资金来自加州大学圣地亚哥分校的“镀锌医学工程”计划、美国国立卫生研究院、威廉·H·和马蒂·沃蒂斯·哈里斯基金会以及加州大学圣地亚哥分校克虏伯综合研究中心。

统计分析和机器学习在识别婴儿异常吸吮行为中的应用

Phuong Truong 和 James Friend,加州大学圣地亚哥分校机械与航空航天工程系、雅各布工程学院和医学院外科系医学先进设备实验室

艾琳·沃尔什 (Erin Walsh),加州大学圣地亚哥分校医学院耳鼻喉科声音和吞咽中心

加州大学圣地亚哥分校医学院儿科系 Vanessa P. Scott 和 Michelle Leff

Alice Chen,加州大学圣地亚哥分校医学院、加州大学圣地亚哥分校健康中心、家庭医学系

版权声明:本文由用户上传,如有侵权请联系删除!