“研究中，我們通過專業醫師的标定，篩出幾例有風險的嬰兒，随後便通過醫生緊急聯系到嬰兒父母，建議他們去上級醫院做全面檢查。在這一刻，我們真正感到自己所做事情的重要性。”
提及自己最近參與的一項研究，讓中國科學院蘇州生物醫學工程技術研究所張森浩博士和鮑本坤博士至今覺得非常有意義感。
圖 | 張森浩（來源：張森浩）
近日，他和合作者聯合造出一種柔性稀疏傳感器網絡系統，能在嬰兒不安運動的評估中，實作超高準确率的自動分類。
目前，該團隊與臨床醫院開展的實驗結果表明：這項技術可以快速、有效地進行大規模新生兒腦癱風險的快速篩查。
若幹年内，這項技術将能推廣至更多地區，成為一種類似于“疫苗”的新生兒必查項。
（來源：Advanced Science）
由于本次技術具備低成本、低資源依賴性的特點，是以即使在中西部等醫療條件不發達的地區仍然可以有效運作，預計将會極大促進大陸婦幼健康領域的發展。
“尤其是如果能在低醫療水準地區進行普及，盡早地對新生兒的神經發育、行為習慣進行篩查、幹預與康複，就能更好地減輕家庭的負擔，想到這裡就覺得自己的付出都很值得。”張森浩說。
（來源：Advanced Science）
日前，相關論文以《用于新生兒不安運動自動早期評估的柔性智能稀疏傳感器網絡》（Intelligence Sparse Sensor Network for Automatic Early Evaluation of General Movements in Infants）為題發在 Advanced Science（IF 15.1）。
中國科學院蘇州生物醫學工程技術研究所的鮑本坤博士和張森浩博士是共同一作。
張森浩、中國科學院蘇州生物醫學工程技術研究所的楊洪波研究員和成賢锴研究員、以及美國賓夕法尼亞州立大學程寰宇教授擔任共同通訊作者[1]。
圖 | 相關論文（來源：Advanced Science）
據介紹，新生兒腦癱篩查一直是臨床研究比較關注的領域。
但是，此前臨床進行評估的方法，主要依賴有經驗的專業醫生，通過觀察新生兒在一段時間内的自主運動模式，來評估其是否具有腦癱的風險，進而确認是否需要進一步的影像學檢查。
不可否認的是，這種通過對新生兒自主運動來實作神經發育評估，具備一定的便捷性、以及潛在的大規模普篩價值。
但是，專業醫生數量的缺失，限制了它的進一步推廣，尤其是在低水準醫療資源地區的推廣。
張森浩表示：“本次課題來源于我們所的成賢锴研究員、楊洪波研究員與吉林大學附屬第一醫院共同參與的醫工結合項目。”
這一項目旨在推進一批有潛力的一線醫工融合與交叉項目，以解決臨床中的痛點、難點問題，而本次項目很幸運地獲得了支援。
一開始，課題組在可穿戴方式、資料穩定性上一直沒有很好的解決辦法。
在楊洪波研究員的國際合作夥伴計劃的支援下，張森浩于 2020 年開始在美國賓夕法尼亞州立大學（PSU，The Pennsylvania State University）程寰宇教授課題組，參加聯合博士培養。
期間，他們共同讨論之後認為：使用柔性化的結構、以及使用材料設計類方法，應該更加适用于這種臨床應用場景。
張森浩說：“是以我們與 PSU 團隊一起開始了本次研究，在程寰宇老師的指導下，我們開始設計結構和材料，并針對組網方式、組網穩定性等加以優化。”
據了解，此前研究大多通過“視訊法”進行捕捉運動，然後進行數字化。
但是，這種方式無法保障隐私，而且動作識别容易受到環境幹擾，大量的背景噪聲會讓資料量變得極為龐大，限制了在臨床上發展。
基于此，課題組設想：是否可以通過直接的運動資訊采集，來完成新生兒動作數字化？
考慮到新生兒皮膚的脆弱性，他們通過“島-橋”結構完成了傳感節點的柔性化設計。同時，高生物相容性材料的使用，讓新生兒的皮膚安全得到進一步的保障。
為了不讓傳感器的佩戴影響新生兒的自主運動，需要盡可能地減少傳感節點的數量。
通過算法優化等手段，他們隻在新生兒四肢、以及頭部累計 5 處進行傳感器的布置，并通過低功耗藍牙實作稀疏傳感網絡的建構。
（來源：Advanced Science）
等到系統設計穩定之後，他們開始啟動臨床論證研究。在吉林大學附屬第一醫院、蘇州市兒童醫院、山西省曲沃縣中醫醫院的支援下，他們順利獲得一批臨床資料。
初步分析資料之後，他們發現在時域、頻域上，有/無風險兒童之間存在着顯著性差別。但是，仍然沒有一個直接的門檻值能被作為劃分标準。
具體來說，他們發現依賴傳統的分類方法，無法很好地實作高準确率的篩查，于是開始使用機器學習來建構分類模型。
不過，整體模型又不能過于龐大，不然算力需求就會增加，以至于無法向低醫療水準地區投放。
是以，打造盡可能輕量化、小型化的分類模型，是他們追求的目标。同時，他們也不希望所打造的算法是一個“黑盒子”算法。
是以，研究人員盡可能地從臨床醫生的診斷标準出發，去歸納特征值的提取。
同時，針對所得到的特征值，按照相關性程度進行排序，借此甄别那些對分類更加有效的特征值，并確定這些特征值能得到臨床解釋。
隻有這樣，才能進一步降低特征值的次元，進而打造輕量化的算法模型。
構模組化型的過程中，考慮到必須盡可能少地占用算力資源，是以該團隊的鮑本坤博士從特征次元的降維、算法備援性方面進行優化，以便獲得高準确率的小型算法模型。
在人工智能技術的幫助之下，他們成功研發了所需要的分類模型。而且，随着資料量的增加，這種資料處理的方式也能得到優化，進而實作更加輕量化、更加快速、更加高效的分類算法。
考慮到在低水準醫療資源地區的應用推廣，必須得開發低成本的硬體系統、以及易部署的小型化自動識别算法。
最終在他們的努力之下，整個系統的成本低于 500 元。同時，課題組通過降低特征值的數量，以及采用邏輯回歸算法，在 99.9% 高識别率的前提之下，實作了最小模型的搭建。
另據悉，這種柔性生理傳感網絡不僅能用于新生兒不安運動檢測，同時也能實作更多生理資訊的擷取，進而用于其他臨床方面。
例如，通過加速度計可以采集心率、呼吸率等資訊，同時可以采集吞咽能力、活動能力等，進而在 ICU 重症監護室中發揮作用。
另一方面，對于新生兒腦癱的快速篩查，不安運動監測主要适用于 20 周以内的新生兒。
對于年齡更大的、已經可以爬行的嬰兒，他們也正在開展爬行行為與腦癱的分析，以便能夠服務于年齡更大一些的嬰兒，進而針對其神經發育能力進行評估。
在應用方面，他們也在正在積極與中西部一些地方婦幼保健站展開聯系，力争更好地推廣本次系統。
同時，他們也正在積極嘗試是否可以實作無電池的傳感系統的建構。
假如可以利用射頻進行無線供能，就能通過去除電池子產品的方式，進一步降低傳感器的重量，進而減少佩戴傳感器對于新生兒自發運動的影響。
參考資料：
1.Bao, B., Zhang, S., Li, H., Cui, W., Guo, K., Zhang, Y., ... & Cheng, H. (2024). Intelligence Sparse Sensor Network for Automatic Early Evaluation of General Movements in Infants. Advanced Science, 2306025.
營運/排版：何晨龍