マルチセンサーウェアラブルを用いた乳児の粗大運動能力の定量的評価

早期の粗大運動発達は、乳児の環境探索をサポートすることで後に現れる高レベルの神経認知能力に不可欠です。したがって、臨床医も研究者も同様に、初期の粗大運動発達を評価することに高い関心を持っています^1,2,3。エビデンスに基づく医学や科学的研究をサポートするためには、粗大運動評価が定量的で信頼性が高く、客観的で、生態学的に妥当であることが不可欠です。しかし、臨床研究にも基礎科学研究にも利用できるそのような方法は不足しています。

典型的な初期の粗大運動発達は、新たに習得されたスキルの予測可能なシーケンスを通じて進行します。乳児では、離散的な運動のマイルストーン4に到達することが一般的に観察^され、立位や歩行は、より複雑な行動のレパートリー5に向かう途中の重要なランドマークと見なされる^{ことがよくあります。}運動のマイルストーンに関する直接観察または親の調査に加えて、実験室または病院環境で乳児の評価を実行するために、広く使用されているいくつかの標準化されたバッテリー^{が開発されています}6,7,8,9。しかし、これらの評価には、訓練を受けた専門家による実質的な専門知識が必要であること、部分的に主観的でカテゴリー的であること、乳児の視点から見て不自然な環境(病院または実験室)での乳児のパフォーマンスを評価することなど、複数の注意点があります。

乳児の自発的な運動活動を家庭などの自然環境でより長い時間にわたって記録することで、より適切な運動能力の測定が可能になります。そのような実行可能な方法の1つでは、MAIJUウェアラブル(JUmpsuit装着した乳児の運動評価)10,11,12などのウェアラブルシステムを使用して、仰臥位から流暢に歩くまでの乳児の運動能力発達の全シーケンスについて評価が行われます。MAIJUウェアラブルシステム(図1)は、全身に動きセンサーを搭載したテキスタイルウェアで、病院外や検査室での評価と記録を監視なしで行い、自動パイプラインで分析することで、姿勢や動きのパターンを秒単位で評価します。これらのアルゴリズムによる検出は、姿勢や動作の種類ごとに個別に使用することも、乳児の運動能力の成熟度を総合的に評価するために組み合わせることもできます。最近発表された、このような運動成熟度の指標の単位のない表現は、BIMS(Baba Infant Motor Score)^10,12です。

この記事では、マルチセンサーウェアラブルスーツを使用した乳児の粗大運動能力の評価について説明します。マルチセンサーウェアラブル^10、11、12による記録に利用可能な自動分析パイプラインから取得できるメトリックを使用するための理論的根拠、実用的なパフォーマンス、分析パイプライン、および潜在的な将来の展望。この方法は、仰臥位と流暢な歩行の間の運動能力を示すすべての乳児の自発的な粗大運動活動の詳細な定量に適しています。

マルチセンサーウェアラブルシステムは、1)4つの動きセンサーを搭載した全身の衣服、2)カスタムビルドのiOSアプリケーションを使用するモバイルデバイス、3)クラウドベースの分析パイプライン(Babacloud、その資格情報は著者から入手できる)の3つのコンポーネントで構成されています¹¹。防水慣性測定ユニット(IMU)センサーは、低エネルギーBluetooth接続を使用して、13〜52Hzのサンプリング周波数で同期データ(3軸加速度計とジャイロスコープ)を携帯電話にストリーミングします。データは最初に(センサーまたは)モバイルデバイスのメモリに保存され、記録が停止された後、クラウドサーバーでオフライン分析が行われます。

このシステムで実施された研究は、ヘルシンキ大学病院の新小児病院の倫理委員会によって審査され、病院は、この研究で引用された元の研究に記載されている研究プロジェクトを実施する許可を与えました。インフォームドコンセントは、ビデオの中の子供を撮影するために得られました。

1. レコーディングセッションのためのスーツの準備

1. 正しいスーツのサイズを選択してください。現在、サイズは68cmから、5つの異なるサイズオプション(68cm、74cm、80cm、86cm、92cm)があります。スーツがぴったりと快適にフィットし、子供が干渉することなく自由に動けることを確認してください。
2. 補足ファイル1の説明に従って、データロガーアプリケーションであるMaijuloggerを使用して、記録、つまりデータ収集を開始します。
   1. 最初のページで、「サブジェクト識別番号」を入力します。評価で使用される移動センサーの数は、最初のページに示されているように、既定で 4 に設定されています。
   2. 進む矢印を押して次のステージに進みます。
3. 4つのセンサーにバッテリーを装備します(バージョンCR2025)。
4. アプリケーション上の手足の位置を選択して押し、センサーをモバイルデバイスに近づけることで、各センサーをモバイルアプリケーションとペアリングします。
   1. アプリケーションに正しいセンサー番号が表示されていることを確認します。
   2. センサー番号の下にあるインジケーターをチェックして、十分なバッテリー充電レベル(推奨>80%)を確認します。
      注意: 必要に応じて、背面カバーを持ち上げてセンサーの電池を交換します。
5. スナップオンマウントで各センサーを正しいスリーブポケットに固定します。
   1. センサーの向きが正しいことを確認します。
   2. 詳細については、常に最新のユーザーガイドを確認してください。向きを間違えると、データが使用できなくなります。
6. アプリケーションの前方矢印を押して、正しいセンサーペアリングの確認に進みます。
   1. センサーを1つずつ振って、アプリケーションをチェックして、正しいインジケーターが小刻みに揺れていることを確認します。
7. チェックが完了したら、進む矢印を押してスタートページに進みます。
   注意: 必要に応じて、各録音の開始時に [設定 ]ボタンを押して、記録の期間(hh:mm)を手動で設定できます。
   1. 録音ボタンを押して録音を開始します。センサーの準備が整うまで待ってから、乳児にスーツを着せます(これには数分かかる場合があります)。
8. 監視なしのホームレコーディングの場合は、画面ロックをモバイルデバイスに設定して、保護者の操作を回避し、受信者に配信するためにスーツを梱包します。
   1. 宅配便または同様のサービスを使用して、スーツの準備後すぐに受取人に配達します。

2.録音セッションのための乳児の準備と着替え

1. 乳児が授乳(授乳やおむつ交換など)を受け、自然で自発的な遊びの時間が安心して快適に過ごせるようにしましょう。
   1. 必要に応じて、後でおむつ交換のためにスーツを脱ぎます。
2. 通常のオーバーオールと同じように、乳児にスーツを着せます。
   1. センサーポケットが外側を向いていることを確認してください(つまり、乳児の前または後ろに向かって回転するのではなく、体の正中線から離れています)。
3. スーツが各センサー位置の手足にぴったりとフィットすることを確認してください。
   1. 必要に応じて、ポケットの近くのストラップを調整して、手足のセンサーを締めます。
      注意: 手足が細すぎてストラップで十分に固定できない場合に備えて、スーツの下に衣服や包帯を追加してセンサーを固定することもできます。

3. レコーディングセッション

1. 直接データストリーミングで記録する場合は、Bluetooth接続を介して(つまり、同じ部屋で、またはオープンスペースで記録する場合は10m以内)信頼性の高いデータ送信を確保するために、モバイルデバイスを乳児の近くに置いてください。
   1. 該当する場合は、モバイルデバイスをタブレットスリーブなどのバッグに入れて、より簡単で安全な取り扱いを行ってください。Bluetoothプロトコルは、BLE接続が失われた場合、再接続を試みます。
      注意: センサー間の同期や記録されたデータの一時的な整合性が損なわれたり、BLE接続が失われたりする可能性があるため、記録を一時停止してから続行することはお勧めできません。このような場合、唯一のオプションは、アプリケーションをオフにして、新たに録音を開始することです。
2. おもちゃやその他の物で遊びやすく、乳児が自由に動くように周囲を整えます。たとえば、動き回るためのスペースを空けたり、地面にマットを敷いたりして、年齢に応じたおもちゃを見たときに乳児が動くように促します。目的は、乳児の自然な動きを記録することです。
   1. 乳児が、新しい人やなじみのない場所による不安を経験することなく、自発的な遊びに従事するのに十分な快適さと安心感があることを確認してください。
3. 少なくとも1時間の自由プレイ、または学習の質問で必要な時間を記録します。複数の再生/移動エポックは、後で分析中に組み合わせることができます。
4. 特定の研究プロトコルで要求される場合は、個々の結果の詳細な検査を容易にするために、さらにメモを取ります。データロガーアプリケーションでリアルタイムに同期された注釈を、フリーテキスト、オーディオ録音、またはビデオ録画として使用します。
5. 監視なしのホームレコーディングの場合は、録画が自動的に停止するように設定します(つまり、[ 設定 ]ボタンを押して録画の期間(hh:mm)を手動で設定します)。
6. 監視設定では、アプリケーションの [停止 ] ボタンを押して記録を終了します。
7. スーツを脱いで梱包し、研究室に持ち帰ります。
8. 各記録の後、スーツのポケットからセンサーを取り出した後、スーツを洗ってください。可能であれば、合成材料¹¹を目的とした水分輸送を含む洗剤を使用してください。
   1. 洗濯後にスーツに機械的な欠陥がないか目視で検査してから、次の子供に使用するために保管してください。

4. クラウド型解析:生データのアップロードと結果のダウンロード

1. アプリケーションのデータベースビューで 記録されたファイル をクリックし、 Babacloudにエクスポートをクリックすると、モバイルデバイスのWebブラウザを使用して計算クラウド(https://babacloud.fi/)のホームページが開きます(補足ファイル2)。
2. ログインページに ユーザー名とパスワード を入力します。必要に応じて、Babacloud ホームページで提供されたメールアドレスから新しい認証情報をリクエストします。
3. アップロードする記録ファイルを選択します。次に、サブジェクトの識別番号を選択し、Babacloud ワークフローで示される必要な情報を追加します。ケースに関連する場合は、被験者の年齢やその他の情報(プレイ時間など)も入力して、「別のRAWファイルラベルを追加」します。最後に、[ 保存 ]ボタンを押してアップロードセッションを保存します。
   注意: デフォルトでは、データロガーアプリケーションは移動データからZIPファイルを生成し、Wi-Fiまたはモバイルネットワーク を介した 無線でのより簡単で高速なデータ転送を可能にします。 Babacloud インターフェースには、Webページの指示に従って取得できる資格情報が必要です。記録された生データは、カスタマイズされた分析のために、電話から別のデバイスに直接転送することもできます。モバイルデバイスのメモリから不要なデータを削除して、記録セッション間の混乱を回避してください。録画セッションは、それぞれのタイムスタンプで名前が付けられた独自のフォルダに自動的に配置されます。
4. 分析出力の圧縮パッケージを、モバイルデバイスまたはコンピューターのWebブラウザーを使用してクラウドサーバーからダウンロードします。正しい サブジェクト ID をクリックし、目的の分析へのリンクを選択すると、ファイルのダウンロードが自動的に開きます。
   注:圧縮された結果パッケージには、次の2つの項目が含まれています。 姿勢、動き、乳児の抱っこ、および自由遊び時間に関するすべての秒単位の分類を示す詳細な結果マトリックス(図2A、補足ファイル3)。勉強会の概要を図解したレポート(補足ファイル4)

提示された方法は、記録セッションの毎秒の姿勢と動きの種類を分類することにより、乳児の粗大運動能力を定量化します。したがって、自動分析パイプラインの結果パッケージには、記録セッション全体からの完全な分類マトリックス (補足ファイル 3) とグラフィカルな要約 (補足ファイル 4) が含まれています。正確な研究の質問に応じて、これらの結果はさまざまなレベルで検査できます。

結果検査は、このメソッドの開発と検証に使用されました。
以下では、この方法論の開発と検証に使用される4つのレベルの結果検査を紹介します。 補足ファイル5 は、以前に詳細に発表された主要な検証実験の代表的な例を示しています^10、11、12。

まず、動きと姿勢の検出用にトレーニングされた自動アルゴリズムを、乳児の運動行動に関する秒単位の人間の観察に対して検証しました。並行して訓練を受けた専門家を何人か使用し、ウェアラブル録画と同期したビデオ録画を盲目的にレビューしました。すべての異なる姿勢と動きのカテゴリを個々の人間のアノテーションとは別に比較したところ、姿勢についてアルゴリズムと人間の間で非常に高い一致が見られました(平均κ0.93)。移動カテゴリ(サブカテゴリ固有のカッパ、主に60〜80%の範囲)については、かなりの一致が見られました。混同行列¹⁰ の例については、補足ファイル 5A を参照してください。また、評価者間の一致レベルを評価して、アルゴリズムが人間と同等のレベル^10,11で動作することを確認しました。

次に、分類器ベースの動きと姿勢のカテゴリの定量化が、第2レベルの人間の注釈からの対応する定量化とどの程度一致するかを評価しました。補足ファイル5B10に示されている散布図の例は、いくつかの主要なカテゴリーが、アルゴリズムと人間の視覚定量との間でほぼ完全に一致している(相関係数>0.96)であることを示している。このことは、運動量定量の年齢別分布(図3A、B)が信頼できるという考えを直接裏付けています¹²。

第三に、運動成熟度の全体的な評価のアイデアは、典型的に発達している乳児の実際の年齢と非常に密接に相関する組み合わせ運動量(上記参照)から発達年齢予測を訓練することによって検証されました(r = 0.89; 補足ファイル5C)。その後、年齢予測を単位のない尺度BIMS(Baba Infant Motor Score¹⁰)として0-100にスケーリングし、運動成長チャート(補足ファイル5D)を作成するためのその有用性を、年齢依存的で予測可能な成長軌道を高度に示す典型的な発達中の乳児コホートを使用して検証しました。また、運動成長チャートの精度がよく知られている物理的成長チャート¹²と比較しても優れていることを示すことで、その相対的な精度を検証しました。

第4に、与えられた指標による異常検出の可能性は、個々の運動測定値が運動能力の低い乳児と良好な乳児をそれぞれ明確に区別することが示された原理実証実験で検証されました(補足ファイル5E)¹⁰。

さまざまなレベルの分析における潜在的なさらなる研究の質問
図3 は、ウェアラブルスーツとその自動分析パイプラインによって提供される情報のさらなる使用例を示しています。まず、姿勢と運動能力の早期発達を年齢の関数としてプロットし、年齢依存の分布と比較する(図3A、「成長チャート」¹²)、または各個人の発達を経時的に追跡することができます(図3B)。第二に、研究課題がより包括的な粗大運動評価を必要とする場合、個人の姿勢と運動の比率の組み合わせ(補足 ファイル5Dに示すように、 補足ファイル5Cの時系列から計算)を使用して、BIMS(Baba Infant Motor Score)のような指標を生成できます。このような測定は、運動成長チャート(補足ファイル5C、D)やzスコア(図3A)などの統計的導出の計算での直接使用をサポートします。アルゴリズムの検出をフルタイムで行うことで(図3C、 補足ファイル3)、乳児の運動性の詳細な時間構造を調べることができ、「乳児は単位時間に何回の姿勢転換を行うか」や「自発的な遊びの時間における立位エポックの分布は何か」といった疑問を抱くことができます。

図1:マルチセンサーウェアラブルシステムの概要と、記録から分析までの一般的な検討フロー。 図1 は、CC_BYライセンスに基づいて公開されたAiraksinen et ^al.12から引用したものです。乳児の写真は、保護者の同意を得て公開されています。 この図の拡大版をご覧になるには、ここをクリックしてください。

図2:姿勢と動きの分類と、生データと分析出力の視覚化例 (A)マルチセンサーウェアラブルの完全自動分析パイプライン内でアルゴリズム分類器によって使用される姿勢と動きの分類スキーム。この図は、Airaksinen et ^al.10 (B) Example of a 10 分間の生の加速度計センサー データを MAIJU の記録から出力した 4 つのアームのそれぞれから転載したものです。下の横棒は、同じ 10 分間のエポックの姿勢 (上のバー) と動き (下のバー) の検出の自動分類器出力を示しています。 この図の拡大版をご覧になるには、ここをクリックしてください。

図3:生の分類器の出力から得られた結果の例。 (A)乳児の年齢とBaba Infant Motor Score(BIMS)のデータ比較の例。S字型の緑色の曲線は、より大きな集団におけるBIMSの開発軌跡を示しています。ドットは、BIMS ~74 で 14 か月で測定された個体の例を示しており、平均年齢の典型的なレベルを少し下回っています (緑色の線)。(B)Baba Infant Motor Score(BIMS)を使用した運動発達の個々の軌跡を持つコホートの例。各線は、いくつかの年齢ポイントで記録された乳児を表します(線内の点)。線は、年齢の典型的な平均に対する平均逸脱度に対して色付けされています(背景の青いS字型の曲線、パネルAも参照)。 (C) Babacloudパイプラインからの自動分類器からの代表的な出力行列。最初の列は、分類の各解析ウィンドウの記録開始からの経過時間 (秒単位) を示します (ウィンドウ期間 2.3 秒、50% オーバーラップ)。2 番目と 3 番目の列は、姿勢と動きの分類器検出をそれぞれ示しています。3列目と4列目は、乳児が誰かに抱かれたときと、乳児が自律遊びをしていたときをそれぞれ描く補助分類器です。(D)要約報告書の図。パネルAとBは、Airaksinen et ^al.10から引用したものである。 この図の拡大版をご覧になるには、ここをクリックしてください。

補足ファイル1:MAIJUウェアラブルで録音するためのクイックガイド。このファイルをダウンロードするには、ここをクリックしてください。

補足ファイル2:MaijuloggerからBabacloudの分析サーバーにデータを転送するためのクイックガイド。このファイルをダウンロードするには、ここをクリックしてください。

補足ファイル3:姿勢、動き、乳児の抱っこ、自由遊び時間について、秒単位で分類した詳細な分類マトリックスの例。このファイルをダウンロードするには、ここをクリックしてください。

補足ファイル 4: グラフィカルな要約レポートの完全な PDF ファイルの例。 これは、(A)記録セッションに関する基本的な背景情報(被験者IDと年齢、記録日、期間、および最終分析に使用されたエポックの合計量)を含むアルゴリズムファイルから取得されます。(B)定量的評価から除外される全記録およびエポックにおける姿勢の分布を示す全記録のグラフィック表示。C)6つの姿勢すべて(左側)と12の動きタイプ(右側)のバイオリンプロットで表示される典型的な分布。同様に、右側の図面は、各姿勢が示す動きの種類を示しており、運動能力が徐々に発達するシーケンスも示しています(個々の録音の結果を示すドットと、関連するデータセットの姿勢/動きの年齢依存的な分布を示すカラフルなバイオリンプロット)。特に、ドットで示される生の値は、特定のモーター性能の実際の量を示しており、他のコンテキストで直接使用できます。 このファイルをダウンロードするには、ここをクリックしてください。

補足ファイル5:さまざまなレベルの分析での検証実験。 (A) 姿勢と動作の両方のカテゴリについて、人間の注釈 (ターゲット クラス) とアルゴリズムの検出 (予測クラス) の間の一致を示す混同行列。(B)人間のアノテーションと自動分類器から得られた検出との間の完全な記録セッションにわたる運動定量の比較。(C)ウェアラブルデータからの発達年齢予測(左側のY軸)と、BIMSスコアを生成するための再スケーリング(右側のY軸)との相関関係。記録時の乳児の実年齢がX軸に表示されます。(D)近似関数を用いた場合の年齢予測と実年齢の相関。値は、描かれた時間枠でグループ平均を使用する場合(青)、すべての生の値(黒)、または各個人の反復測定(緑)を考慮する場合のモデルへの適合を示します。(E)成績の良い乳児と成績の悪い乳児のグループ間の個々の運動測定値の比較は、自動的に検出されたいくつかの運動指標がこれらの乳児グループを区別する可能性があることを示唆しています。パネルA、B、CはAiraksinen et ^al.10から引用した。パネルDはAiraksinenら¹²から引用したものである。パネルEは、"Airaksinen et ^al.11. このファイルをダウンロードするには、ここをクリックしてください。

MAIJUのようなウェアラブルソリューションによる乳児の運動能力の定量的な評価と発達追跡は、技術的に習得と実行が簡単で、ヘルスケアや臨床研究の実践に容易に実装できます10,11,12。他の既存の運動評価方法と比較して、乳児の自発的な運動活動のこの種の家庭での記録は、評価の生態学的妥当性を向上させます。さらに、乳児の運動能力を定量化し、透明性を高め、完全に自動化した分析を提供します。最も重要なことは、分析で使用される指標が直感的で説明可能であるため、環境要因、認知発達、心理社会的評価など、他の臨床および研究評価と簡単に比較できることです。運動発達の全体的な評価は、従来の身体的成長測定¹²によく匹敵する精度を提供します。

プロトコルの重要なステップには、ウェアラブルスーツの慎重な準備が含まれます。袖や脚のセンサーアタッチメントは、体の動きを確実に記録するためにしっかりと固定する必要があるため、撮影の準備をする際は、スーツに適したサイズを選択することが重要です。また、記録を成功させるには、プロトコルに示されているように、センサーを正しい向きでポケットに配置することが不可欠です。センサーマウントは、記録中にセンサーを回転させることはできません。しかし、センサーの向きが間違っていると、後で修正することは不可能ではないにしても困難なデータを記録します。記録中、乳児は自由かつ独立して動くように促されるべきです。録音の長さは、特定の学習質問によって異なる場合があります。複数の自発的な動きのエポックが組み合わされ、各録音セッションに十分な自発的な動きが蓄積されます。

MAIJUウェアラブルソリューションの柔軟で実用的な操作により、研究室や家庭など、監視付き環境と監視なし環境の両方でさまざまな状況で使用できます。私たちの臨床試験の最近の結果は、自宅で実施された完全に教師なしの録音が、完全または部分的な監督下で行われた録音と同等の結果をもたらす可能性があることを示しています¹²。それでも、子どもの自発的な運動行動は、周囲の環境(例えば、外で遊ぶか屋内で遊ぶか、空間、家具、おもちゃのレイアウトなど)、子どもの警戒度、家庭での録音中の親の関与など、いくつかの要因によって影響を受ける可能性があります。録音が自宅の監視されていない設定で行われる場合、子供が自発的に遊ぶこと、つまり、必要でない場合は他の誰かが子供を運んだり抱いたりすることなく、独立して遊んだり動いたりすることを奨励し、録音された携帯電話をBluetooth範囲(同じ部屋)に保つことが重要です¹⁰。録音中の現在のトラブルシューティング状況の大部分は、Bluetooth接続の喪失が原因です。近い将来、センサー技術の進歩によりBluetooth接続が向上し、より大きなセンサーメモリの導入により、動きデータをセンサーメモリに直接保存することでオフライン記録が可能になります。

この種のウェアラブルソリューションによる院外録画は容易に拡張可能であり、パンデミックなどの状況下での遠隔監視を可能にするなど、乳幼児の安全性を向上させる可能性があります。現在の分類器アルゴリズムは、運動性記述スキーム(図2A)に示されている特定の運動能力、姿勢、および動きを具体的に認識するようにトレーニングされました。これらの現象は、生後2年間の乳児の運動に特徴的なものとして確認された。走ったり跳んだりするなど、年長の子供に見られる他の種類の動きや姿勢は、動きの記述スキームを修正し、それぞれのアルゴリズムをトレーニングして識別する必要があります。姿勢状況依存分析は、乳児^{の運動活動}を異なる姿勢で個別に分析し、研究を支援する、潜在的に実りあるアプローチです(例:乳児の行動の発達相関5,6,7,8,9,13)。あるいは、文脈依存的な運動分析は、片側性脳性麻痺の発症を予測する際の運動機能の非対称性の評価もサポートできる可能性があります^10,12,14,15。さらに、MAIJUシステムによる運動能力の評価は、アイトラッキング、イメージング、ビデオ録画などの他の研究モダリティと組み合わせて、さまざまなタイプやコンテキストにまたがるマルチモーダルデータを提供することができます。マルチモーダルデータは、例えば、社会的相互作用の効果や治療的介入の有効性を評価する際に有用であり得る。

乳幼児の院外モニタリング環境で新しいウェアラブル技術を成功させるには、特定の制限、課題、および倫理的懸念に対処する必要があります。私たちの分析パイプラインは、フィンランドの定型的に発育している乳児^10、11、12を使用してトレーニングおよび検証されました。純粋な姿勢や動きによる生の分析出力は、普遍的であるべきです。しかし、その発達の軌跡は、多様な文化や地理的な場所に合わせて調整する必要があるかもしれません。ウェアラブルデバイスに関する保護者のフィードバックによると、乳幼児への配慮から好意的に見られています¹⁶。ただし、親は、プライバシー、データアクセス、および家族の実用性(複数の介護者、訪問者、さまざまなスケジュールなど)に関する懸念を提起する可能性があります。センサーと録音電話のバッテリー寿命への依存は、方法の制限と見なすことができます。私たちの経験では、バッテリーモデル(CR2025)は、連続データストリーミングを使用する場合、通常、丸一日(12〜24時間)持続します。特に、バッテリーのブランドと、記録環境でのデータ伝送を最大化するために絶えず変化するワイヤレスデータ伝送に必要なBluetooth接続の強度の両方に依存します。たとえば、乳児と電話の間の距離が長い場合や、それらの間の壁があると、Bluetooth接続が調整され、バッテリー消費量が大幅に増加します。特に、ほとんどのモバイルデバイスのバッテリーも、継続的なBluetoothストリーミングを使用している場合、ほぼ同じ時間内に消耗します。実際には、現在使用されているBluetooth接続を介した連続データストリーミングは、センサーとモバイルデバイスの両方が毎日の充電/バッテリー交換が必要であることを意味します。近い将来、大容量のメモリを搭載したセンサーの導入により、センサーメモリにデータを保存できるようになり、1週間以上の連続記録が可能になります。これにより、電力を消費するBluetoothストリーミングの必要性がなくなり、録音状況で制限されていると認識され、人為的エラーの影響を受けやすいBluetooth範囲内で電話を運ぶ必要がなくなります。

全体として、初期の神経発達の追跡には、自然な神経行動の変動に敏感な方法が必要です。粗大運動の発達は、個人レベルと文化レベルの両方で、順序とタイミングの変化からなる複雑なプロセスです⁴。非定型運動発達の検出は、広範囲の神経発達障害のリスクがある乳児を認識するのに効果的です。標準化された神経発達評価を伴う従来のテストバッテリーは、病院などの管理された環境で実施され、少なくとも部分的に主観的です^7,8,9。センサー技術と信号解析の現在の進歩により、病院外での乳児の自発的な運動能力を長期間にわたって記録し、人間の観察者に匹敵する精度で運動行動を定量化できるようになりました10,11,12。新しいウェアラブル技術は、生態学的に有効かつ客観的な方法で乳児の動きと治療的介入の有効性を監視するための自動化されたスケーラブルな方法を提供します。さらに、新しい神経発達指標であるBaba Infant Motor Score(BIMS)は、神経発達の個別追跡により、乳児の運動能力の成熟度を推定することを可能にします^10,12。これは、乳児の運動成長チャート¹²の開発など、将来のさまざまな用途に採用することができます。ウェアラブル動作センサは、異なる種類の動作記述スキームとアルゴリズムを使用して、他の特定の運動性(たとえば、年長の子供または大人用)について自動分類器をトレーニングすることにより、個人の発達段階に関係なく、運動障害や治療的介入の効果のフォローアップなどの臨床応用の可能性を秘めています¹⁷.しかし、現時点では、これは治験の方法論と見なされるべきであり、臨床診断や治療目標に情報を提供するために使用すべきではありません。