En smartphone og ny software kan hjælpe med at redde spædbørn født for tidligt

I hele verden, tidlig fødsel er en førende dødsårsag for børn under fem år. En ny algoritme kombineret med en håndholdt, smartphone-baseret enhed kan hjælpe sundhedspersonale fjerntliggende steder med at estimere for tidlige fødselsgrader for berørte spædbørn. Sådanne oplysninger kan være kritiske for administration af livreddende behandlinger.

Den nye metode er baseret på tidligere kliniske undersøgelser, der viser, at svangerskabsalderen kan beregnes ud fra tætheden af ​​blodkar i en bestemt region af øjet. I tidsskriftet The Optical Society (OSA). Biomedicinsk optik Express , forskerne rapporterer, at deres automatiserede metode til analyse af video af øjet i de fleste tilfælde overgik en manuel metode til bestemmelse af drægtighedsalderen på 124 nyfødte.

"Vi opfandt en fuldautomatisk, maskinlæringsalgoritme, der bruger billeder erhvervet med en billig, bærbar smartphone-baseret enhed til at klassificere en nyfødtes drægtighedsalder, "sagde Arjun D. Desai fra Duke University, avisens første forfatter. "Vi forventer, at algoritmen er nyttig til fjerntliggende og point-of-care gestationsalderestimering af for tidligt fødte i lavindkomstlande uden behov for medicinske eksperter."

Forskerne har lavet software ved hjælp af den nye algoritme open source og frit tilgængelig online. I samarbejde med Jennifer B. Griffin fra RTI International, softwaren vil blive testet og finjusteret yderligere under et kommende stort klinisk forsøg i Afrika syd for Sahara og Sydasien, hvor mere end 60 procent af verdens for tidlige fødsler sker. Retssagen finansieres af Bill og Melinda Gates Foundation.

"Vores arbejde viser, at maskinlæringsmetoder kombineret med billige, ikke-invasive optiske billeddannelsessystemer kan adressere ressourceintensive, komplekse globale sundhedsproblemer, "sagde avisens seniorforfatter Sina Farsiu, fra afdelingerne for biomedicinsk teknik og oftalmologi ved Duke University.

Ingen ekspert nødvendig

Den nye fremgangsmåde indebærer at bruge et oftalmoskop - et håndholdt instrument, der bruges til at inspicere øjet - fastgjort til linsen på et smartphone -kamera til at optage video af blodkar i en del af øjet kendt som den forreste linse kapsel. For at fjerne behovet for en ekspert til at tage billeder, forskerne udviklede en algoritme, der automatisk analyserer gennem video for at identificere den højeste kvalitetsramme og området af interesse for analyse.

Når videoen er taget, systemet anvender beregningsteknikker, herunder konvolutions neurale netværk og maskinlæringsalgoritmer til at vurdere billedfunktioner i området af interesse og estimere drægtighedsalderen. Disse kunstig intelligens-tilgange giver computersystemet mulighed for at lære af data og forbedre sig med erfaring.

Forskerne testede deres nye tilgang på en gruppe på 124 nyfødte i USA. De sammenlignede deres automatiserede metode med den bedst effektive manuelle metode, hvilket indebærer manuelt at vælge den højeste kvalitetsramme i videoen, identifikation af området, der viser den forreste linsekapsel, og derefter anvende en model af forholdet mellem tætheden af ​​blodkar og drægtighedsalderen. De udførte begge metoder på nyfødte i seks svangerskabsaldre:mindre end eller lig med 33, 34, 35, 36, 37 og 38 uger. Den automatiske metode udført så godt som eller bedre end den manuelle metode i alle svangerskabsalderne undtagen 33 uger.

Udvider sig til andre dele af verden

"Vores arbejde er et første skridt til at udvikle en fuldautomatisk pipeline til bestemmelse af svangerskabsalder, der er nøjagtig og robust over for forskelle på tværs af nyfødte, "sagde Desai." Hvis det er nødvendigt, vi vil finjustere vores algoritme ved hjælp af data fra populationer med forskellige geografiske, racemæssige og socioøkonomiske baggrunde. "

Under det kommende kliniske forsøg, forskere planlægger at indsamle videoer fra nyfødte i lavindkomstlande for at se, hvor godt den nye metode virker for disse børn. De forventer, at den automatiserede billeddannelsesmetode kombineret med andre ikke -invasive billeddannelsesbiomarkører vil opnå de bedste resultater.