【小哈划重点：纽卡斯尔大学和乔治亚理工学院的研究人员正在开发一种将可穿戴设备与人工智能相结合的自动化、低成本诊断解决方案。他们在最近发表的一篇预印本论文中描述了该项目，包括给新生儿配备身体佩戴的传感器，并将算法应用于收集的数据。】
中风发生在婴儿出生前后，发病率约为千分之二，是儿童时期最常见的运动障碍。早期干预会帮助改善该疾病，但它需要早期发现，这说起来容易做起来难，这些症状往往是非特异性的，一种依赖于识别中风特征的常规运动评估筛查方法就显得尤为重要。
纽卡斯尔大学和乔治亚理工学院的研究人员正在开发一种将可穿戴设备与人工智能相结合的自动化、低成本诊断解决方案。他们在最近发表的一篇预印本论文中描述了该项目，包括给新生儿配备身体佩戴的传感器，并将算法应用于收集的数据。
研究人员对34名婴儿进行了小规模的初步测试，其中13名婴儿有不正常的运动，他们有75%的可能性会发生中风。
这篇论文的作者写道：“我们的最终目标是建立一个可在全国范围内使用的PS自动筛选系统。”我们想要开发一种方法，使所有人都能对每一个新生儿进行准确和客观的评估，从而及早发现潜在的运动异常。这种自动筛查程序不会导致PS病例减少，而是能更早发现。
在研究过程中，研究人员在每个新生儿的脚踝和手腕上都绑了一根重量轻、颜色鲜艳、装有加速度计的棉质背带，并每隔一个月对新生儿进行10分钟的试验，记录数据。来自161个验证测试（24000到60000个样本）的加速度计读数通过一个基于机器学习的管道输入，并进行分类，表明可能中风的异常运动的迹象。在验证阶段，他们的方法达到了80%的准确度，优于以前的方法。
我们]开发的判别模式发现（DPD）方法自动检测相关模式，并在此基础上引导有效的分类模型，研究人员写道：在诊断围产期中风的发展中，我们已经为筛选工具奠定了基础，我们的方法简单易行、成本低廉、在分析结果的准确性方面可靠。
