密歇根大学新进展：AI+可穿戴设备，20秒检测儿童内化障碍

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 (公众号：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。

AI在儿童精神领域的深入应用

随着AI技术在医疗领域普及，儿童精神疾病的诊断方式也向智能化发展，并已有众多科研及落地成果产生。

据雷锋网了解，2017年，Nature刊发来自北卡罗来纳大学的研究成果，团队使用AI技术进行儿童自闭症早筛。

一般而言，自闭症在儿童成长到2到3岁才表现出典型的症状，所以基于行为观察和问卷调查的方法，很难判断2岁前的儿童是否会在2岁之后被诊断为自闭症。利用AI技术，团队可在儿童12个月时进行诊断。

利用旧有方式，一旦儿童被诊断为自闭症患者，就意味着他们受到的伤害已经无法挽回了。如果可以在症状出现之前进行判断，医生就可以借助这套算法筛选会患病的儿童，研究在疾病发生的早期，如何干预自闭症的发展。

同年，我国首家应用人工智能治疗儿童自闭症的医疗机构——哈尔滨市儿童医院人工智能认知康复中心揭牌运营，采用人工智能、类脑计算等手段对自闭症儿童进行康复治疗。

2018年2月，Cognoa公司用于检测儿童自闭症的AI平台获得了FDA许可，这是一款手机APP，也是FDA监管许可的首个用于自闭症筛查的II类诊断医疗设备，该应用程序用于18个月至7岁的儿童，帮助父母随时监测儿童的心理健康状况。

从科研机构到医疗机构再到商业公司，AI在儿童心理健康领域的应用正一步步落地。未来，AI技术有望与基因检测、VR/AR、物联网等技术相结合，形成从筛查到治疗的全链条系统，更加深入地帮助患儿摆脱心理健康问题。

雷锋网版权文章，未经授权禁止转载。详情见。