编辑推荐：
在儿童健康领域，约六分之一的美国儿童受运动功能障碍困扰，早期检测面临诸多难题，传统评估方法存在主观性强、检测滞后等问题。研究人员开展了便携式技术评估婴儿运动发育的研究，发现该技术在自动化评估等方面有应用潜力，但也存在不足。这为早期诊断和干预提供了新方向。
在婴幼儿成长的奇妙旅程中，运动发育是衡量其健康成长的重要指标。然而，现实却给这个旅程设置了不少障碍。据统计，在美国，大约每 6 个孩子中就有 1 个面临运动功能障碍的挑战，这些障碍不仅影响孩子的日常活动，还可能对他们的未来发展和生活质量造成深远影响。但令人遗憾的是，当前的医疗实践在早期检测这些运动障碍时困难重重，许多孩子直到 2 岁甚至更晚才被发现问题。传统的临床评估方法，如通用运动评估（General Movements Assessment，GMA）和哈默史密斯婴儿神经学检查（Hammersmith Infant Neurological Examination，HINE），虽然被广泛应用，却存在不少弊端。这些方法高度依赖检查者的专业知识和经验，主观性较强，不同检查者的判断可能存在差异。而且，像 GMA 这类评估，需要在特定的发育阶段进行才更具预测性，其他检测手段如磁共振成像（Magnetic Resonance Imaging，MRI）等，不仅成本高昂，预约也较为困难。在这样的背景下，为了实现早期发现、早期干预，改善婴幼儿的健康状况，来自美国 Shirley Ryan AbilityLab 的技术与创新中心等机构的研究人员，开展了一项关于便携式技术评估婴儿早期运动发育的研究 。该研究成果发表在《npj Digital Medicine》上，为该领域带来了新的曙光。
研究人员为了全面了解便携式技术在婴儿运动发育评估中的应用情况，进行了一项系统回顾。他们通过搜索 Scopus、PubMed、MEDLINE [Ovid] 和 Web of Science 这四个数据库，筛选出了 66 篇符合要求的出版物进行深入分析。在研究中，他们重点关注这些便携式技术在三个方面的应用：一是自动化临床评估，简化和优化传统的评估流程；二是揭示新的运动发育测量指标，帮助更精准地量化和追踪潜在的运动缺陷；三是预测发育结果，提前判断婴儿是否存在发育障碍风险，以便及时进行干预。
在研究结果部分，首先是研究的基本情况。过去十年间，利用便携式技术评估婴儿运动发育的研究呈增长趋势，其中基于视频分析的研究增加尤为明显，而使用可穿戴传感器作为主要数据收集方法的研究数量相对稳定 。研究涉及的参与者大多来自北美、欧洲和亚洲，美国的相关研究最多，但所有研究都未提及参与者的种族、民族或社会经济地位信息 。参与者年龄从早产儿到约 2 岁不等，多数集中在 3 - 5 个月，且大多研究关注的是有脑瘫（Cerebral Palsy，CP）风险或已确诊的婴儿。
从技术特征来看，在使用传感器的研究中，多数通过可穿戴加速度计测量运动，常与陀螺仪和磁力计结合作为惯性测量单元（IMU/IMMU） 。视频研究则多采用标准 RGB 相机，部分使用深度相机获取三维信息 。视频分析常依赖姿态估计技术，如 OpenPose、光流法和 DeepLabCut 等。
在临床评估和诊断方面，研究使用了多种评估方法作为运动发育的金标准指标 。不同研究的诊断时间跨度为 1 - 7 岁，诊断依据包括临床医生的评级、护理人员报告等。
算法方面，统计方法在早期研究中应用广泛，近年来深度学习技术如图卷积网络和卷积神经网络的应用迅速增长 。模型性能多通过留一法交叉验证或 5 折、10 折交叉验证来确定。
在性能表现上，自动化 GMA 的研究中，基于视频分析的算法在敏感性和特异性上表现较好，部分研究的样本量较大 。对于新测量指标的探索，传感器和视频分析都发现了一些有潜力的特征 。预测发育结果的研究中，针对 CP 诊断的预测准确性较高，部分研究的结果与 GMA 相当 。
在研究结论和讨论部分，过去 15 年，便携式技术在评估婴儿运动发育方面取得了显著进展，部分算法性能已接近金标准临床评估 。但这些技术仍存在一些问题，如可穿戴传感器存在空间分辨率低、数据丢失等问题，视频分析易受环境因素影响 。此外，多数研究样本量小且不均衡，缺乏不同种族和社会经济背景的参与者，数据收集环境多为实验室或诊所，与实际家庭环境存在差异 。而且，目前还没有统一的技术验证标准，不同研究的诊断时间和依据不一致。尽管如此，新算法的出现为开发完全自动化的评估工具带来了希望。未来研究需要进一步提高算法的性能，在不同人群中进行验证，使其更稳健、可扩展、用户友好，并能更好地融入临床实践和家庭环境。这项研究为婴儿运动发育评估提供了新的思路和方向，虽然目前技术还存在一些不足，但随着研究的不断深入，有望改善婴幼儿运动障碍的早期检测和干预现状，为孩子们的健康成长保驾护航。
