다중 센서 웨어러블을 사용한 유아의 총 운동 능력의 정량화된 평가
Summary
이 논문은 다중 센서 웨어러블과 완전 자동화된 딥 러닝 기반 분석 파이프라인을 사용하여 유아의 대근육 운동 성능을 평가하는 방법을 간략하게 설명합니다. 이 방법은 누운 자세부터 독립적으로 걷는 법을 익힐 때까지 유아의 자세와 움직임 패턴을 정량화합니다.
Abstract
조기 대근육 운동 평가의 객관적이고 정량적인 방법을 개발하는 것은 신경 발달을 더 잘 이해하고 조기 치료 개입을 지원하는 데 필수적입니다. 여기에서는 완전 자동화된 클라우드 기반 파이프라인을 사용하여 자동화되고 확장 가능하며 정량적이고 객관적인 평가를 제공하는 다중 센서 웨어러블인 MAIJU(Motility Assessment of Infants with a JUmpsuit)를 사용하여 총 운동 성능을 정량화하는 방법을 제시합니다. 이 웨어러블 슈트에는 저에너지 블루투스 연결을 사용하여 동기화된 데이터를 휴대폰에 기록하는 4개의 움직임 센서가 장착되어 있습니다. 클라우드 서버의 오프라인 분석은 각 기록에 대해 몇 분 안에 완전히 분석된 결과를 생성합니다. 이러한 결과에는 녹음 세션의 그래픽 보고서와 자세, 움직임, 유아 안기 및 자유 놀이 시간에 대한 초 단위 분류를 제공하는 자세한 결과 매트릭스가 포함됩니다. 우리의 최근 결과는 유아의 대근육 운동 발달의 변화를 구별하는 데 잠재적으로 효과적인 방법을 제공하는 정량화된 운동 평가의 미덕을 보여줍니다.
Introduction
조기 대근육 운동 발달은 유아의 환경 탐색을 지원함으로써 나중에 나타나는 더 높은 수준의 신경인지 능력에 필수적입니다. 따라서 임상의와 연구자 모두 조기 대근육 운동 발달을 평가하는 데 높은 관심을 가지고있습니다 1,2,3. 증거 기반 의학 또는 과학 연구를 지원하기 위해서는 대근육 운동 평가가 정량적이고, 신뢰할 수 있으며, 객관적이고, 생태학적으로 타당해야 합니다. 그러나 임상 또는 기초 과학 연구에 사용할 수 있는 이러한 방법은 부족합니다.
전형적인 초기 대근육 운동 발달은 새로 습득한 기술의 예측 가능한 순서를 통해 진행됩니다. 이러한 이정표는 영아에서 흔히 관찰되는데, 이 시기는 이산운동 이정표(discrete motor milestones)4에 도달하는 것으로 나타나며, 일어서기와 걷기는 종종 더 복잡한 행동 레퍼토리5로 가는 길에 중요한 이정표로 간주된다. 운동 이정표에 대한 직접적인 관찰 또는 부모 설문 조사 외에도 실험실이나 병원 환경에서 유아 평가를 수행하기 위해 널리 사용되는 몇 가지 표준화된 배터리가 개발되었습니다 6,7,8,9 그러나 이러한 평가는 훈련된 전문가의 상당한 전문 지식이 필요하고, 부분적으로 주관적이고 범주적이며, 유아의 관점에서 부자연스러운 환경(병원 또는 실험실)에서 유아의 수행을 평가한다는 여러 가지 주의 사항이 있습니다.
집과 같은 자연 환경에서 더 오랜 시간에 걸쳐 유아의 자발적인 운동 활동을 기록하면 운동 능력에 대한 보다 적절한 측정이 가능합니다. 이러한 실현 가능한 방법 중 하나에서, 평가는 MAIJU 웨어러블(JUmpsuit를 입은 영아의 운동 평가)10,11,12와 같은 웨어러블 시스템을 사용하여 누운 상태에서 유창하게 걷는 것까지 영아의 운동 능력 발달의 전체 시퀀스에 대해 수행됩니다. MAIJU 웨어러블 시스템(그림 1)에는 움직임 센서가 장착된 전신 섬유 의류가 포함되어 있어 자동화된 파이프라인으로 분석되는 무감독 병원/실험실 평가 및 기록이 가능하여 자세 및 움직임 패턴에 대한 초 단위 평가를 제공합니다. 이러한 알고리즘 감지는 각 자세 및 움직임 유형에 대해 개별적으로 사용하거나 유아의 운동 능력의 성숙 수준에 대한 전체적인 평가를 위해 결합할 수 있습니다. 최근에 발표된 운동 성숙도의 지표에 대한 단위 없는 표현은 BIMS(Baba Infant Motor Score)10,12입니다.
이 기사에서는 다중 센서 웨어러블 슈트를 사용하여 유아의 총 운동 성능을 평가하는 방법을 설명합니다. 멀티센서 웨어러블을 사용한 기록에 사용할 수 있는 자동화된 분석 파이프라인에서 얻을 수 있는 메트릭을 사용하기 위한 이론적 근거, 실제 성능, 분석 파이프라인 및 잠재적인 미래 전망 10,11,12. 이 방법은 누워서 눕고 유창하게 걷는 사이에 운동 능력을 보이는 모든 유아의 자발적인 대근육 운동 활동을 자세히 정량화하는 데 적합합니다.
멀티센서 웨어러블 시스템은 1) 4개의 움직임 센서가 장착된 전신 의류, 2) 맞춤형 iOS 애플리케이션을 사용하는 모바일 장치, 3) 클라우드 기반 분석 파이프라인(Babacloud는 저자로부터 자격 증명을 얻을 수 있음)11의 세 가지 구성 요소로 구성됩니다. 방수 관성 측정 장치(IMU) 센서는 13-52Hz 샘플링 주파수에서 동기화된 데이터(3축 가속도계 및 자이로스코프)를 저에너지 Bluetooth 연결을 사용하여 휴대폰으로 스트리밍합니다. 데이터는 처음에 (센서 또는) 모바일 장치의 메모리에 저장되고, 기록이 중지된 후 클라우드 서버에서 오프라인 분석이 수행됩니다.
Protocol
Representative Results
Discussion
MAIJU와 같은 웨어러블 솔루션을 이용한 유아의 운동 능력에 대한 정량화된 평가 및 발달 추적은 기술적으로 배우고 수행하기가 간단하며, 의료 또는 임상 연구 관행에 쉽게 구현될 수 있다 10,11,12. 기존의 다른 운동 평가 방법과 비교했을 때, 유아의 자발적인 운동 활동을 집에서 기록하는 것은 평가의 생태학적 타당성을 향상시킨다. 또한 유아의 운동 능력에 대한 정량화되고 투명하며 완전 자동화된 분석을 제공합니다. 가장 중요한 것은 분석에 사용된 메트릭이 직관적이고 설명 가능하여 환경 요인, 인지 발달 또는 심리사회적 평가와 같은 다른 임상 및 연구 평가와 쉽게 비교할 수 있다는 것입니다. 운동 발달에 대한 전체론적 평가는 기존의 신체적 성장 측정법과 잘 비교되는 정확도를 제공한다12.
프로토콜의 중요한 단계에는 웨어러블 슈트의 신중한 준비가 포함됩니다. 녹음을 준비할 때 소매와 다리의 센서 부착물이 신체 움직임을 안정적으로 기록하기 위해 단단히 고정되어야 하기 때문에 슈트에 맞는 올바른 크기를 선택하는 것이 중요합니다. 또한 성공적인 기록을 위해서는 프로토콜에 표시된대로 올바른 방향으로 센서를 주머니에 넣는 것이 중요합니다. 센서 마운트는 녹화 중에 센서가 회전하는 것을 허용하지 않습니다. 그러나 방향이 잘못된 센서는 나중에 수정하기 어렵거나 불가능하지는 않더라도 데이터를 기록합니다. 유아는 녹음하는 동안 자유롭고 독립적으로 움직일 수 있도록 격려해야 합니다. 녹음 길이는 주어진 학습 질문에 따라 다를 수 있습니다. 여러 자발적 움직임 epoch가 결합되어 각 기록 세션에 대해 충분한 자발적 움직임이 축적됩니다.
MAIJU 웨어러블 솔루션의 유연하고 실용적인 작동으로 인해 연구실이나 가정과 같은 감독 및 비지도 환경 모두에서 다양한 상황에서 사용할 수 있습니다. 최근 임상시험 결과에 따르면 가정에서 완전 무감독 녹음을 하면 전체 또는 부분 감독 하에 녹음한 결과와 비슷한 결과를 얻을 수 있다12. 그러나 아동의 자발적인 운동 행동은 주변 환경(예: 실외와 실내에서 노는 것, 공간, 가구 및 장난감의 배치), 아동의 주의력 수준, 홈 레코딩 중 부모의 개입과 같은 여러 요인에 의해 잠재적으로 영향을 받습니다. 집에서 감독되지 않은 환경에서 녹음을 수행하는 경우 어린이가 자발적으로 놀도록 격려하는 것이 중요합니다(예: 필요하지 않은 경우 다른 사람이 어린이를 안거나 안지 않고 독립적으로 놀거나 움직이도록 권장하고 녹음 휴대폰을 Bluetooth 범위(같은 방)10에 두는 것이 중요합니다. 녹화 중 현재 문제 해결 상황의 대부분은 Bluetooth 연결 끊김으로 인해 발생합니다. 가까운 장래에 센서 기술의 발전으로 Bluetooth 연결이 향상될 것이며, 곧 출시될 더 큰 센서 메모리의 도입으로 센서 메모리에 직접 움직임 데이터를 저장하여 오프라인 기록이 가능해질 것입니다.
이러한 종류의 웨어러블 솔루션을 사용한 병원 밖 녹화는 쉽게 확장할 수 있으며 예를 들어 팬데믹과 같은 상황에서 원격 모니터링을 가능하게 하여 유아의 안전을 개선할 수 있습니다. 현재의 분류기 알고리즘은 운동성 설명 체계에 표시된 주어진 운동 능력, 자세 및 움직임을 구체적으로 인식하도록 훈련되었습니다(그림 2A). 이러한 현상은 생후 첫 2년 동안 유아의 움직임의 특성으로 확인되었습니다. 달리기나 점프와 같이 나이가 많은 어린이에게서 볼 수 있는 다른 유형의 움직임이나 자세는 수정된 움직임 설명 체계와 이를 식별하기 위해 해당 알고리즘을 훈련해야 합니다. 자세-맥락 의존적 분석은 유아 행동의 발달 상관 관계 5,6,7,8,9,13과 같은 연구를 지원하기 위해 다양한 자세에서 유아의 운동 활동을 별도로 분석하는 잠재적으로 유익한 접근 방식입니다. 또는 맥락 의존적 움직임 분석은 편측성 뇌성마비의 발병을 예측할 때 운동 기능의 비대칭을 평가하는 데 도움이 될 수 있다 10,12,14,15. 또한 MAIJU 시스템을 사용한 운동 능력 평가는 다른 연구 양식(예: 시선 추적, 이미징 또는 비디오 녹화)과 결합하여 다양한 유형 및 맥락에 걸친 다중 모드 데이터를 제공할 수 있습니다. 멀티모달 데이터는 예를 들어 사회적 상호 작용의 효과 또는 치료 개입의 효능을 평가하는 데 유용할 수 있습니다.
신생아를 대상으로 하는 병원 밖 모니터링 환경에서 새로운 웨어러블 기술의 성공을 위해서는 특정 한계, 과제 및 윤리적 문제를 해결해야 합니다. 당사의 분석 파이프라인은 핀란드에서 일반적으로 발달하는 유아를 사용하여 훈련 및 검증되었습니다10,11,12. 순수한 자세와 움직임이 포함된 원시 분석 결과물은 보편적이어야 합니다. 그러나 그들의 발달 궤적은 다양한 문화와 지리적 위치에 대한 조정이 필요할 수 있습니다. 웨어러블 기기에 대한 부모의 피드백에 따르면, 웨어러블 기기는 유아 친화성16으로 인해 호의적으로 평가되었다. 그러나 부모는 개인 정보 보호, 데이터 액세스 및 가족의 실질성(예: 여러 명의 보호자, 방문자 및 다양한 일정)에 대한 우려를 제기할 수 있습니다. 센서와 녹음 전화의 배터리 수명에 대한 의존성은 방법의 한계로 간주 될 수 있습니다. 경험상 배터리 모델(CR2025)은 연속 데이터 스트리밍을 사용할 때 일반적으로 하루 종일(12-24시간) 동안 지속됩니다. 특히 배터리 브랜드와 무선 데이터 전송에 필요한 블루투스 연결 강도에 따라 달라지며, 이는 녹화 환경에서 데이터 전송을 극대화하기 위해 지속적으로 변화하고 있습니다. 예를 들어, 유아와 전화기 사이의 거리가 멀거나 둘 사이의 벽이 있으면 Bluetooth 연결이 훨씬 더 높은 배터리 소모로 조정됩니다. 특히 대부분의 모바일 장치의 배터리는 연속 Bluetooth 스트리밍을 사용하는 경우 거의 같은 시간 내에 소모됩니다. 실제로 현재 Bluetooth 연결을 통해 사용되는 연속 데이터 스트리밍은 센서와 모바일 장치 모두 매일 재충전/배터리 교체가 필요하다는 것을 의미합니다. 가까운 장래에 더 큰 메모리 용량을 가진 센서가 도입되면 센서 메모리에 데이터를 저장할 수 있게 되어 일주일 이상의 연속 기록을 지원할 수 있습니다. 이렇게 하면 전력을 소모하는 Bluetooth 스트리밍이 필요하지 않을 뿐만 아니라 녹음 상황에서 제한적으로 인식될 수 있고 인적 오류에 취약한 Bluetooth 범위 내에서 전화기를 휴대할 필요가 없습니다.
전반적으로, 초기 신경 발달을 추적하려면 자연스러운 신경 행동 변동성에 민감한 방법이 필요합니다. 대근육 운동 발달은 개인적, 문화적 차원에서 순서와 시기의 변화로 구성된 복잡한 과정이다4. 비정형 운동 발달의 감지는 광범위한 신경 발달 장애의 위험에 처한 유아를 인식하는 데 효과적입니다. 표준화된 신경 발달 평가가 있는 전통적인 테스트 배터리는 병원과 같은 통제된 환경에서 수행되며 적어도 부분적으로 주관적입니다 7,8,9. 센서 기술 및 신호 분석의 현재 발전으로 병원 밖 환경에서 장기간에 걸친 유아의 자발적 운동 능력을 기록하고 인간 관찰자와 유사한 정확도로 운동 행동을 정량화할 수 있게 되었습니다 10,11,12. 새로운 웨어러블 기술은 생태학적으로 타당하고 객관적인 방식으로 유아의 움직임과 치료 개입의 효능을 모니터링하기 위한 자동화되고 확장 가능한 방법을 제공합니다. 또한, 새로운 신경 발달 지표인 Baba Infant Motor Score(BIMS)는 신경 발달의 개별 추적을 통해 유아의 운동 능력 성숙도를 추정할 수 있습니다10,12. 이는 유아 운동 성장 차트(infant motor growth charts)의 개발과 같은 다양한 미래 응용 분야에 사용될 수 있다12. 다른 종류의 움직임 설명 체계 및 알고리즘으로 다른 특정 운동성(예를 들어, 나이가 많은 어린이 또는 성인)에 대한 자동화된 분류기를 훈련시킴으로써, 웨어러블 움직임 센서는 개인의 발달 단계에 관계없이 운동 장애 또는 치료적 개입의 효과에 대한 후속 조치와 같은 임상 응용을 위한 잠재력을 갖는다17. 그러나 현재로서는 임상 진단 또는 치료 목표를 알리는 데 사용되어서는 안 되는 조사 방법론으로 간주되어야 합니다.
Offenlegungen
The authors have nothing to disclose.
Acknowledgements
이 연구는 핀란드 아카데미(314602, 335788, 335872, 332017, 343498), 핀란드 소아과 재단(Lastentautien tutkimussäätiö), Aivosäätiö, Sigrid Juselius 재단 및 HUS 아동 병원/HUS 진단 센터 연구 기금의 지원을 받았습니다.
Materials
| iOS device (version 16.5 or higher) | Apple | n/a | |
| MAIJU jumpsuit | Planno Ltd | n/a | customized for purpose |
| Maijulogger (mobile application) and sensor firmware | BABA Center (www.babacenter.fi), Kaasa solutions GmbH | n/a | constructed by Kaasa Solutions, distributed by Baba Center |
| Movesense movement sensor | Movesense (www.movesense.com) | n/a |
Referenzen
- Adolph, K. E., Hoch, J. E. Motor development: Embodied, embedded, enculturated, and enabling. Annual Review of Psychology. 70, 141-164 (2022).
- Masten, A. S., Cicchetti, D. Developmental cascades [Editorial]. Development and Psychopathology. 22 (3), 491-495 (2010).
- Piek, J. P., Dawson, L., Smith, L. M., Gasson, N. The role of early fine and gross motor development on later motor and cognitive ability. Human Movement Science. 27 (5), 668-681 (2007).
- Adolph, K. E., Franchak, J. The development of motor behavior. WIREs Cognitive Science. 8, e1430 (2017).
- Adolph, K. E., Hoch, J. E., Cole, W. G. Development (of Walking): 15 Suggestions. Trends in Cognitive Science. 22 (8), 699-711 (2019).
- Wijnhoven, T. M. A., et al. Assessment of gross motor development in the WHO multicentre growth reference study. Food and Nutrition Bulletin. 25, (2004).
- Uusitalo, K., et al. Hammersmith infant neurological examination and long-term cognitive outcome in children born very preterm. Developmental Medicine and Child Neurology. 63, 947-953 (2021).
- Romeo, D. M., et al. Hammersmith infant neurological examination for infants born preterm: predicting outcomes other than cerebral palsy. Developmental Medicine & Child Neurology. 63, 939-946 (2021).
- De Kegel, A., et al. New reference values must be established for the Alberta Infant Motor Scales for accurate identification of infants at risk for motor developmental delay in Flanders. Child: Care, Health and Development. 39 (2), 260-267 (2013).
- Airaksinen, M., et al. Intelligent wearable allows out-of-the-lab tracking of developing motor abilities in infants. Communications Medicine. 2, 69 (2022).
- Airaksinen, M., et al. Automatic posture and movement tracking of infants with wearable movement sensors. Scientific Reports. 10, 169 (2020).
- Airaksinen, M., et al. Charting infants’ motor development at home using a wearable system: validation and comparison to physical growth charts. eBioMedicine. 92, 104591 (2023).
- Hewitt, L., Kerr, E., Stanley, R. M., Okely, A. D. Tummy time and infant health outcomes: a systematic review. Pediatrics. 145, e20192168 (2020).
- Pascal, A., et al. Motor outcome after perinatal stroke and early prediction of unilateral spastic cerebral palsy. European Journal of Paediatric Neurology. 29, 54-61 (2020).
- Tabard-Fougère, A., et al. Are clinical impairments related to kinematic gait variability in children and young adults with cerebral palsy. Frontiers in Human Neuroscience. 16, 816088 (2022).
- Fish, L. A., Jones, E. J. H. A survey on the attitudes of parents with young children on in-home monitoring technologies and study designs for infant research. PLOS One. 16, e0245793 (2021).
- Porciuncula, F., et al. Wearable movement sensors for rehabilitation: a focused review of technological and clinical advances. Physical Medicine & Rehabilitation. 10 (9), S220-S232 (2018).
