AI结合摄像头或可辅助新生儿运动障碍诊断

近日，一项发表于《JAMA Pediatrics》的研究提出一种融合普通摄像头与人工智能的辅助诊断方案，旨在突破新生儿运动障碍的早期筛查瓶颈。脊髓性肌萎缩症等罕见遗传病常以肌张力低下为首发指征，若不及时干预将导致不可逆的神经元损伤。鉴于靶向疗法仅能在发病初期阻断病程，临床诊断的时效性直接决定患儿预后。然而，传统依赖医师经验的主观观察易受个体差异干扰且发现较晚。 该研究团队部署了标准化视频分析管线：利用计算机视觉技术实时提取新生儿肢体姿态并构建数字骨骼模型，进而计算运动幅度、对称性等百余维特征参数，最终输入XGBoost监督学习模型完成分类。实验表明，该算法对患病婴儿与正常新生儿的区分准确率高达百分之九十七，其中肢体运动的空间深度为关键判别指标。为契合临床需求，系统进一步结合可解释性算法量化各运动参数的决策权重。 该方案摆脱了对精密医疗设备的依赖，仅需常规摄像头即可在分钟内生成客观量化报告，有效弥补临床初筛短板。随着多地推进新生儿遗传病常规筛查，此项技术有望推广至其他肌张力低下相关疾病的快速评估，为抢占治疗黄金窗口提供可靠的数字化工具。