上海交大团队利用深度学习进行疏通评价，促进脑瘫晚期筛查

编辑 | 白菜叶Prechtl 全身疏通评价 (GMA) 因其在评价神经系统发育完整性和预测疏通功能障碍方面的作用而日益得到认可，特别是在脑瘫 (CP) 等疾病中。然而，对训练有素的专业人员的需求，阻碍了一些国家采用 GMA 作为晚期筛查工具。在最新的研讨中，上海交通大学的研讨人员提出了一种鉴于深度学习的疏通评价模型（MAM），该模型结合了婴儿视频和基本特征，旨在在烦躁疏通（FM）阶段实现 GMA 自动化。MAM 表现出弱小的性能，在外部验证期间实现了 0.967 的曲线下面积 (AUC)。重要的是，它严格遵循 G

编辑 | 白菜叶

Prechtl 全身疏通评价 (GMA) 因其在评价神经系统发育完整性和预测疏通功能障碍方面的作用而日益得到认可，特别是在脑瘫 (CP) 等疾病中。然而，对训练有素的专业人员的需求，阻碍了一些国家采用 GMA 作为晚期筛查工具。

在最新的研讨中，上海交通大学的研讨人员提出了一种鉴于深度学习的疏通评价模型（MAM），该模型结合了婴儿视频和基本特征，旨在在烦躁疏通（FM）阶段实现 GMA 自动化。

MAM 表现出弱小的性能，在外部验证期间实现了 0.967 的曲线下面积 (AUC)。重要的是，它严格遵循 GMA 的原则，并具有弱小的可解释性，因为它可以准确识别视频中的 FM，与专家评价基本一致。

利用预测的 FM 频率，引入定额 GMA 方法，其 AUC 达到 0.956，将 GMA 初学医生的诊疗准确性提高了11.0%。MAM 的发展有可能显著简化晚期 CP 筛查，并彻底改变鉴于视频的定额医疗诊疗领域。

该研讨以「Automating General Movements Assessment with quantitative deep learning to facilitate early screening of cerebral palsy」为题，于2023 年 12 月 14 日发布在《Nature Communications》。

上海交大团队利用深度学习进行疏通评价，促进脑瘫晚期筛查