Quantifizierte Bewertung der grobmotorischen Fähigkeiten von Säuglingen mit einem Multisensor-Wearable
Summary
In diesem Artikel wird die Bewertung der grobmotorischen Leistung von Säuglingen mit einem Multisensor-Wearable und seiner vollautomatischen, auf Deep Learning basierenden Analysepipeline beschrieben. Die Methode quantifiziert die Haltungs- und Bewegungsmuster von Säuglingen vom Liegen in Rückenlage bis zur Beherrschung des selbstständigen Gehens.
Abstract
Die Entwicklung objektiver und quantitativer Methoden der frühen grobmotorischen Bewertung ist unerlässlich, um die neurologische Entwicklung besser zu verstehen und frühe therapeutische Interventionen zu unterstützen. Hier stellen wir eine Methode zur Quantifizierung der grobmotorischen Leistung mit einem Multisensor-Wearable, MAIJU (Motility Assessment of Infants with a JUmpsuit), vor, das eine automatisierte, skalierbare, quantitative und objektive Bewertung mithilfe einer vollautomatischen Cloud-basierten Pipeline bietet. Dieser tragbare Anzug ist mit vier Bewegungssensoren ausgestattet, die synchronisierte Daten über eine energiesparende Bluetooth-Verbindung auf ein Mobiltelefon aufzeichnen. Eine Offline-Analyse im Cloud-Server generiert für jede Aufzeichnung innerhalb von Minuten vollständig analysierte Ergebnisse. Zu diesen Ergebnissen gehören ein grafischer Bericht der Aufzeichnungssitzung und eine detaillierte Ergebnismatrix, die sekundengenaue Klassifizierungen für Körperhaltung, Bewegung, Säuglingstragen und freie Spielzeit enthält. Unsere jüngsten Ergebnisse zeigen, dass eine solche quantifizierte motorische Bewertung eine potenziell effektive Methode zur Unterscheidung von Variationen in der grobmotorischen Entwicklung des Säuglings darstellt.
Introduction
Eine frühe grobmotorische Entwicklung ist für eine höhere neurokognitive Leistung unerlässlich, die später durch die Unterstützung der Erkundung der Umwelt durch Säuglinge entsteht. Daher haben Kliniker und Forscher gleichermaßen ein hohes Interesse an der Beurteilung der frühen grobmotorischen Entwicklung 1,2,3. Um evidenzbasierte Medizin oder wissenschaftliche Studien zu unterstützen, ist es unerlässlich, dass die grobmotorischen Bewertungen quantitativ, zuverlässig, objektiv und ökologisch valide sind. Es gibt jedoch einen Mangel an solchen Methoden, die sowohl für die klinische als auch für die grundlagenwissenschaftliche Forschung zur Verfügung stehen.
Eine typische frühe grobmotorische Entwicklung verläuft durch eine vorhersehbare Abfolge neu erworbener Fähigkeiten. Sie werden häufig bei Säuglingen beobachtet, wenn sie diskrete motorische Meilensteineerreichen 4, wobei Stehen und Gehen oft als wichtige Orientierungspunkte auf dem Weg zu einem komplexeren Verhaltensrepertoire angesehen werden5. Zusätzlich zur direkten Beobachtung oder Elternbefragung zu motorischen Meilensteinen wurden mehrere weit verbreitete standardisierte Batterienentwickelt 6,7,8,9 für die Durchführung von Säuglingsbeurteilungen im Labor oder Krankenhaus. Diese Bewertungen leiden jedoch unter mehreren Vorbehalten: Sie erfordern umfangreiches Fachwissen von ausgebildeten Fachkräften, sind teilweise subjektiv und kategorisch und bewerten die Leistung von Säuglingen in einer Umgebung (Krankenhaus oder Labor), die aus der Sicht eines Säuglings unnatürlich ist.
Die Aufzeichnung der spontanen motorischen Aktivität von Säuglingen über längere Zeiträume in der natürlichen Umgebung, wie z. B. zu Hause, ermöglicht relevantere Messungen der motorischen Fähigkeiten. Bei einer solchen praktikablen Methode wird die Bewertung für die gesamte Sequenz der motorischen Entwicklung des Säuglings vom Liegen in Rückenlage bis zum flüssigen Gehen mit einem tragbaren System wie dem MAIJU Wearable (Motor Assessment of the Infants with a JUmpsuit) durchgeführt10,11,12. Das tragbare MAIJU-System (Abbildung 1) umfasst ein Ganzkörper-Textilkleidungsstück, das mit Bewegungssensoren ausgestattet ist, um unbeaufsichtigte außerklinische / Laborbewertungen und -aufzeichnungen zu ermöglichen, die mit einer automatisierten Pipeline analysiert werden und eine sekundengenaue Bewertung von Haltungs- und Bewegungsmustern ermöglichen. Diese algorithmischen Erkennungen können für jede Haltung und jeden Bewegungstyp separat verwendet oder für eine ganzheitliche Beurteilung des Reifegrads der motorischen Fähigkeiten des Säuglings kombiniert werden. Ein kürzlich veröffentlichter, einheitenfreier Ausdruck einer solchen Metrik der motorischen Reife ist BIMS (Baba Infant Motor Score)10,12.
In diesem Artikel wird die Bewertung der grobmotorischen Leistung von Säuglingen mit einem tragbaren Multisensor-Anzug beschrieben. die Begründung, die praktische Leistung, die Analysepipeline und die potenziellen Zukunftsperspektiven für die Verwendung der Metriken, die aus der automatisierten Analysepipeline erhalten werden können, die für Aufzeichnungen mit einem Multisensor-Wearable verfügbar ist 10,11,12. Die Methode eignet sich für eine detaillierte Quantifizierung der spontanen grobmotorischen Aktivitäten bei allen Säuglingen, die motorische Fähigkeiten zwischen Rückenlage, Liegen und fließendem Gehen aufweisen.
Das tragbare Multisensor-System besteht aus drei Komponenten: 1) dem Ganzkörper-Gesamtkleidungsstück, das mit vier Bewegungssensoren ausgestattet ist, 2) einem mobilen Gerät mit einer speziell entwickelten iOS-Anwendung und 3) einer Cloud-basierten Analysepipeline (Babacloud, deren Anmeldeinformationen von den Autoren bezogen werden können)11. Die wasserdichten IMU-Sensoren (Inertial Measurement Unit) übertragen synchronisierte Daten (3-Achsen-Beschleunigungsmesser und Gyroskop) mit einer Abtastfrequenz von 13-52 Hz über eine energiesparende Bluetooth-Verbindung an ein Mobiltelefon. Die Daten werden zunächst im Speicher (des Sensors oder) des Mobilgeräts gespeichert, gefolgt von einer Offline-Analyse auf dem Cloud-Server, nachdem die Aufzeichnung gestoppt wurde.
Protocol
Representative Results
Discussion
Eine quantifizierte Bewertung und Entwicklungsverfolgung der motorischen Leistung von Säuglingen mit einer tragbaren Lösung wie MAIJU ist technisch einfach zu erlernen und durchzuführen und kann leicht in die Gesundheitsversorgung oder die klinische Forschungspraxis implementiert werden 10,11,12. Im Vergleich zu den anderen bestehenden motorischen Bewertungsmethoden verbessert diese Art der Erfassung der spontanen motorischen Aktivität von Säuglingen zu Hause die ökologische Validität der Bewertung. Darüber hinaus bietet es eine quantifizierte, transparente und vollautomatische Analyse der motorischen Leistung von Säuglingen. Am wichtigsten ist, dass die in der Analyse verwendeten Metriken intuitiv und erklärbar sind, was einen einfachen Vergleich mit anderen klinischen und Forschungsbewertungen ermöglicht, wie z. B. Umweltfaktoren, kognitive Entwicklung oder psychosoziale Bewertungen. Eine ganzheitliche Bewertung der motorischen Entwicklung bietet eine Genauigkeit, die sich gut mit den herkömmlichen körperlichen Wachstumsmaßen vergleichenlässt 12.
Zu den kritischen Schritten im Protokoll gehört die sorgfältige Vorbereitung des tragbaren Anzugs. Bei der Vorbereitung auf eine Aufnahme ist die Wahl der richtigen Größe für den Anzug entscheidend, da die Sensoraufsätze in den Ärmeln und Beinen fest sitzen müssen, um eine zuverlässige Aufzeichnung der Körperbewegungen zu erhalten. Für eine erfolgreiche Aufzeichnung ist es außerdem wichtig, die Sensoren mit einer korrekten Ausrichtung in den Taschen zu platzieren, wie im Protokoll angegeben. Die Sensorhalterungen lassen es nicht zu, dass sich die Sensoren während der Aufnahme drehen. Der falsch ausgerichtete Sensor zeichnet jedoch Daten auf, die im Nachhinein nur schwer oder gar nicht zu beheben sind. Das Kind sollte ermutigt werden, sich während der Aufnahme frei und unabhängig zu bewegen. Die Aufnahmelänge kann je nach den gegebenen Studienfragen variieren. Die verschiedenen spontanen Bewegungsepochen werden kombiniert, um genügend spontane Bewegung für jede Aufnahmesitzung zu akkumulieren.
Der flexible und praktische Betrieb der tragbaren MAIJU-Lösung ermöglicht den Einsatz in variablen Kontexten sowohl in überwachten als auch in unbeaufsichtigten Umgebungen, wie z. B. Forschungslabors oder zu Hause. Jüngste Ergebnisse unserer klinischen Studien zeigen, dass vollständig unbeaufsichtigte Aufnahmen, die zu Hause durchgeführt werden, vergleichbare Ergebnisse liefern können wie Aufnahmen, die unter vollständiger oder teilweiser Aufsicht durchgeführt werden12. Dennoch wird das spontane motorische Verhalten eines Kindes möglicherweise von mehreren Faktoren beeinflusst, wie z. B. der Umgebung (z. B. draußen vs. drinnen, der Raumaufteilung, Möbeln und Spielzeug), dem Wachsamkeitsgrad des Kindes und der Beteiligung der Eltern während der Heimaufnahme. Wenn die Aufnahmen in unbeaufsichtigten Umgebungen zu Hause durchgeführt werden, ist es wichtig, das Kind zu ermutigen, spontan zu spielen, d. h. selbstständig zu spielen oder sich zu bewegen, ohne dass jemand anderes das Kind trägt oder hält, wenn dies nicht erforderlich ist, und das Aufnahmehandy in Bluetooth-Reichweite (im selben Raum) zu halten10. Die meisten unserer aktuellen Fehlerbehebungssituationen während der Aufnahmen werden durch den Verlust der Bluetooth-Verbindung verursacht. Fortschritte in der Sensortechnologie in naher Zukunft werden die Bluetooth-Konnektivität verbessern, und die bevorstehende Einführung eines größeren Sensorspeichers wird die Offline-Aufzeichnung ermöglichen, indem Bewegungsdaten direkt im Sensorspeicher gespeichert werden.
Außerklinische Aufzeichnungen mit einer solchen tragbaren Lösung sind leicht skalierbar und können die Sicherheit von Säuglingen verbessern, z. B. durch die Fernüberwachung unter Umständen wie einer Pandemie. Unsere aktuellen Klassifikatoralgorithmen wurden trainiert, um die gegebenen motorischen Fähigkeiten, Körperhaltungen und Bewegungen, die im Motilitätsbeschreibungsschema gezeigt werden, spezifisch zu erkennen (Abbildung 2A). Diese Phänomene wurden als charakteristisch für die Bewegung von Säuglingen in den ersten zwei Lebensjahren identifiziert. Andere Arten von Bewegungen oder Körperhaltungen, die bei älteren Kindern beobachtet werden, wie Laufen oder Springen, erfordern modifizierte Bewegungsbeschreibungsschemata und entsprechende Algorithmen, um sie zu identifizieren. Die haltungskontextabhängige Analyse ist ein potenziell fruchtbarer Ansatz, bei dem die motorische Aktivität eines Säuglings in verschiedenen Haltungen separat analysiert wird, um die Untersuchung zu unterstützen, z. B. Entwicklungskorrelate des Säuglingsverhaltens 5,6,7,8,9,13. Alternativ könnte eine kontextabhängige Bewegungsanalyse auch die Beurteilung der Asymmetrie in der motorischen Funktion bei der Vorhersage der Entwicklung einer einseitigen Zerebralparese unterstützen 10,12,14,15. Darüber hinaus kann die Bewertung motorischer Fähigkeiten mit dem MAIJU-System mit anderen Studienmodalitäten, z. B. Eye-Tracking, Bildgebung oder Videoaufzeichnung, kombiniert werden, um multimodale Daten bereitzustellen, die sich auf verschiedene Arten und Kontexte beziehen. Multimodale Daten können z.B. nützlich sein, um die Auswirkungen sozialer Interaktion oder die Wirksamkeit therapeutischer Interventionen zu bewerten.
Für den Erfolg neuartiger tragbarer Technologien in außerklinischen Überwachungsumgebungen mit Säuglingen müssen bestimmte Einschränkungen, Herausforderungen und ethische Bedenken angegangen werden. Unsere Analyse-Pipelines wurden mit sich typischerweise entwickelnden Säuglingen in Finnland trainiert und validiert 10,11,12. Die Rohanalyseergebnisse mit reinen Körperhaltungen und Bewegungen sollten universell sein. Ihre Entwicklungsverläufe können jedoch Anpassungen für verschiedene Kulturen und geografische Standorte erfordern. Laut Elternfeedback zu tragbaren Geräten werden diese aufgrund ihrer Säuglingsfreundlichkeit positiv bewertet16. Eltern können jedoch Bedenken hinsichtlich Datenschutz, Datenzugriff und familiärer Praktikabilität äußern (z. B. mehrere Betreuer, Besucher und unterschiedliche Zeitpläne). Die Abhängigkeit von der Batterielebensdauer der Sensoren und des Aufnahmetelefons kann als Einschränkung der Methode angesehen werden. Unserer Erfahrung nach hält das Batteriemodell (CR2025) bei kontinuierlichem Datenstreaming in der Regel den ganzen Tag (12-24 Stunden). Insbesondere hängt dies sowohl von der Batteriemarke als auch von der Stärke der Bluetooth-Verbindung ab, die für die drahtlose Datenübertragung erforderlich ist, die sich ständig ändert, um die Datenübertragung in der Aufnahmeumgebung zu maximieren. Zum Beispiel würde ein großer Abstand zwischen dem Säugling und dem Telefon oder eine Wand zwischen ihnen die Bluetooth-Verbindung auf einen deutlich höheren Akkuverbrauch einstellen. Bemerkenswert ist, dass die Akkus der meisten Mobilgeräte auch innerhalb der gleichen Zeit entladen werden, wenn kontinuierliches Bluetooth-Streaming verwendet wird. In der Praxis bedeutet das derzeit verwendete kontinuierliche Datenstreaming über eine Bluetooth-Verbindung, dass sowohl die Sensoren als auch die mobilen Geräte täglich aufgeladen/ausgetauscht werden müssen. Die baldige Einführung von Sensoren mit größerer Speicherkapazität wird die Datenspeicherung im Sensorspeicher ermöglichen und eine kontinuierliche Aufzeichnung von über einer Woche ermöglichen. Dadurch entfällt die Notwendigkeit eines stromverbrauchenden Bluetooth-Streamings sowie das Tragen des Telefons in einer Bluetooth-Reichweite, die in Aufnahmesituationen als restriktiv empfunden werden kann und anfällig für menschliche Fehler ist.
Insgesamt erfordert die Verfolgung der frühen Neuroentwicklung Methoden, die empfindlich auf die natürliche Variabilität des neurologischen Verhaltens reagieren. Die grobmotorische Entwicklung ist ein komplizierter Prozess, der aus Variationen in der Reihenfolge und im Timing besteht, sowohl auf individueller als auch auf kultureller Ebene4. Die Erkennung einer atypischen motorischen Entwicklung ist wirksam bei der Erkennung von Säuglingen mit einem Risiko für eine Vielzahl von neurologischen Entwicklungsstörungen. Herkömmliche Testbatterien mit standardisierten neurologischen Entwicklungsbewertungen werden in kontrollierten Umgebungen, wie z. B. Krankenhäusern, durchgeführt und sind zumindest teilweise subjektiv 7,8,9. Aktuelle Fortschritte in der Sensortechnologie und Signalanalyse haben Aufzeichnungen der spontanen motorischen Fähigkeiten von Säuglingen über längere Zeiträume in außerklinischen Umgebungen und die Quantifizierung des motorischen Verhaltens mit einer Genauigkeit ermöglicht, die mit menschlichen Beobachtern vergleichbar ist 10,11,12. Neuartige tragbare Technologie bietet automatisierte und skalierbare Methoden zur Überwachung von Bewegungen und der Wirksamkeit therapeutischer Interventionen bei Säuglingen auf ökologisch valide und objektive Weise. Darüber hinaus ermöglicht der neuartige neurologische Entwicklungsindex Baba Infant Motor Score (BIMS) die Abschätzung der motorischen Reife von Säuglingen durch individuelle Verfolgung der Neuroentwicklung10,12. Es kann in einer Reihe zukünftiger Anwendungen eingesetzt werden, z. B. bei der Entwicklung von motorischen Wachstumsdiagrammen für Säuglinge12. Durch das Training der automatisierten Klassifikatoren für andere spezifische Motilitäten (z. B. für ältere Kinder oder Erwachsene) mit verschiedenen Arten von Bewegungsbeschreibungsschemata und Algorithmen haben die tragbaren Bewegungssensoren das Potenzial für klinische Anwendungen, wie z. B. Bewegungsstörungen oder die Nachverfolgung der Auswirkungen therapeutischer Interventionen, unabhängig vom Entwicklungsstadium des Individuums17. Derzeit sollte dies jedoch als Prüfmethodik angesehen werden, die nicht als Grundlage für klinische Diagnosen oder Behandlungsziele verwendet werden sollte.
Offenlegungen
The authors have nothing to disclose.
Acknowledgements
Diese Arbeit wurde von der Finnischen Akademie (314602, 335788, 335872, 332017, 343498), der Finnischen Stiftung für Pädiatrie (Lastentautien tutkimussäätiö), der Aivosäätiö, der Sigrid Juselius Stiftung und dem Forschungsfonds des HUS-Kinderkrankenhauses/HUS-Diagnosezentrums unterstützt.
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).
