密歇根大学新进展-AI+可穿戴设备，20秒检测儿童内化障碍

本文由亚博App2019年01月26日转载报道：

对儿童心理健康来说，内化障碍是一个隐形杀手。儿童在面对恐惧、害羞等心理异常症状时，常常不会表现出来，而是将问题内部化。家长不能及时发现，进而导致严重的心理问题。

近日，权威期刊PLOS ONE刊发了一篇来自密歇根大学和佛蒙特大学的论文。研究人员将AI算法与可穿戴设备结合，试图通过数据挖掘的方式解决内化障碍的早筛难题。

论文数据表明，该系统可在20秒内得出结论，准确率达81%。此前，医生需花费数小时对儿童及家长进行访谈及测试，通过经验进行诊断。

儿童内化障碍急需筛查手段

由于没有明显的外在表现，儿童内化问题常被家长忽视。雷锋网了解到，在儿童时期，近五分之一的人会经历内化障碍。然而在一项针对四岁儿童的内化问题研究中，只有3%的临床诊断患儿曾接受专业心理健康干预。

在时间的累积下，内化障碍演变为心境和情绪的失调，严重者可能发展为抑郁症、恐怖症等，甚至有可能引发滥用药物问题或自杀。

儿童时期人体具有很强的可塑性，如果在发育早期发现疾病并进行干预，将非常有效。随着互联数字化时代的到来，业内开始积极探索使用便携设备及可穿戴设备解决这一问题的方式。

可穿戴设备带来突破

据雷锋网了解，本次发布在PLOS ONE期刊上的论文揭示了一种通过可穿戴设备进行儿童内化障碍早期筛查的新方法。

受测儿童在看护人的陪伴下进行时长为90秒的恐惧诱导任务，这是一种临床上正在使用的测试方法。一般说来，在测试进行过程中，心理医生会对儿童进行恐惧引导，通过观察儿童的反应和语言进行诊断。

研究人员采用一种佩戴在腰部的设备量化儿童动作，设备包含一个惯性单元、一个三轴加速度计和一个三轴角速度陀螺仪。这是一种普通设备，在市场上可轻松购买到。

设备收集的数据被传至算法模型中。研究者使用监督学习方法创建了一个二元分类模型，将来自设备的信号特征与临床共识的内化诊断相关联，并结合单个任务在每个时间阶段的特征创建模型。

在算法验证阶段，研究人员寻找到63位3-7岁儿童。论文数据表明，该系统可在20秒内得出结论，准确率达81%。

团队表示，希望能将这项技术广泛应用在医生办公室、学校和其他儿童接受定期发育检查的场所，以便儿童更便捷地获取早筛服务。