Tilbake til søkeresultatene

IKTPLUSS-IKT og digital innovasjon

DeepInMotion: Explainable artificial intelligent system to discover new infant movement biomarkers for early detection of disease

Alternativ tittel: DeepInMotion: Troverdig kunstig intelligent system for å oppdage spedbarnsbevegelser for tidlig indikasjon av sykdom

Tildelt: kr 12,0 mill.

Cerebral parese (CP) er den vanligste årsaken til fysisk funksjonshemning i barndommen. Barn med CP har et livslangt behov for spesielle tjenester, og CP er derfor en stor byrde for barnet og familien. Dette prosjektet vil introdusere et nytt banebrytende kunstig intelligent system, kalt DeepInMotion-systemet, for tidlig oppdagelse av CP. DeepInMotion vil identifisere egenskaper i spedbarnets spontane bevegelser når de er mellom 12-18 uker, som er indikator for senere utvikling av CP. På norske sykehus blir CP oppdaget når barnet er 18 måneder, selv om hjerneskade som forårsaker CP oppstår ved fødselen. Tidlig påvisning av CP før 5 måneders alder vil således gi muligheter for tidligere behandling i den perioden plastisiteten til spedbarnshjernen er på sitt høyeste. I dag utføres tidlig risikovurdering av CP i klinikker ved en subjektiv og kvalitativ bevegelsesanalyse. Denne tidlige risikovurderingen krever deriomot høyt kvalifiserte klinikere med lang erfaring for å være pålitelige og har dermed manglende utbredelse i barneklinikkene på verdensbasis. Ved å utvikle et brukervennlig smarttelefonbasert system, vil dette prosjektet gi en billig helsetjeneste som reduserer ulikheter mellom land og gir like rettigheter til helsetjenester. DeepInMotion vil forbedre hjelp og støtte til klinikere og barnets familie på en sikker og effektiv måte, og dermed oppfylle kravene i FNs bærekraftige utviklingsmål. DeepInMotion-prosjektet vil bruke en av de største internasjonale databaser med videoer av høyrisiko-spedbarn for å utvikle neste generasjon kunstige intelligente systemer for spedbarnspleie. DeepInMotion-prosjektet er et samarbeidsprosjekt mellom NTNU, St Olavs hosptital, og sykehuset i Ålesund og består av et internasjonalt unikt tverrfaglig gruppe bestående av forskere innen datavitenskap, bevegelsesvitenskap, og barnemedisin.

Cerebral palsy (CP) is the most common cause of physical disability in childhood which result in life-long needs for special services and a huge burden for the child and it’s family. The project aims to introduce a new ground-breaking concept of explainable AI techniques (XAI), the DeepInMotion system, for early detection of CP by identifying clinical explainable biomarkers in the infant motor repertoire. The DeepInMotion system will obtain these goals by solving the fundamental challenge in clinical movement analysis: Identification of diagnosis-specific motor phenotype of the infant spontaneous movements related to the CP outcome later in childhood. The DeepInMotion utilize new technology within explainable machine learning and deep learning identifying clinical explainable biomarkers without relying on preselected measures or subjective clinical evaluations (WP1). The DeepInMotion will have a user-centered design ensuring a prototype of clinical service implementation within the life-time of the project with technical and performance documentation ready for medical device approval (WP 2 and WP3). The project is also a start-up of the new interdisciplinary DeepMotion project group in collaboration with internationally well recognized research partners on pediatrics, clinical movement analysis, and artificial intelligence as well as medical device manufacturers in the project advisory board. The project utilizes large national and international register data providing the big data-enabled platform for the machine learning models and XAI techniques. The DeepInMotion project will include two 3-year PhD fellowship, and has a total budget of 15 MNOK where 12 MNOK are applied from the Norwegian Research Council.

Aktivitet:

IKTPLUSS-IKT og digital innovasjon