不安運動（General Movement, GM）已被廣泛用于新生兒大腦發育障礙（例如腦癱）的早期臨床評估，以方便對有風險的新生兒進行超早期的干預、康復。但臨床目前多依賴于兒科醫生的主觀評價，缺乏定量評估的手段，而且需要大量的專業醫生和臨床人員，限制了其進行大規模普篩的可能，尤其是在低醫療水平地區則更難普及。盡管可以使用攝像機進行新生兒動作捕捉和數字化，但隱私性及易用性仍然存在一些問題。探索用于新生兒不安運動評估的可穿戴生理傳感網絡具有很大的應用價值。

近期，中國科學院蘇州醫工所楊洪波團隊與美國賓夕法尼亞州立大學程寰宇團隊共同提出了一種由柔性無線IMU傳感器（SWD）組成的稀疏傳感網絡，用于新生兒腦癱超早期快速自動篩查（圖1），可在15分鐘內對20周內的新生兒進行精準的腦癱超早期快速篩查。

圖1 智能稀疏傳感器網絡（SSN SWD）系統設計和應用示意圖

其中具有運動能力評估的稀疏傳感器網絡僅由5個傳感器節點組成，且每個傳感節點均采用“島-橋”結構、生物兼容性材料設計，具有優異的機械性能和生物相容性，保障了新生兒的舒適感和安全性。如圖2a所示，在新生兒皮膚無損傷，運動無干擾的前提下，整體系統可以連續穩定地獲取新生兒加速度和角速度的信息。如圖2b所示，優異的可穿戴機械-電學特性，具備對人體機械聲學生理信息進行監測的潛力（呼吸率、心率、脈搏等）。如圖2c所示，研究團隊與吉林大學附屬第一醫院、蘇州市兒童醫院、山西省曲沃縣中醫醫院合作完成了23名新生兒的概念驗證臨床驗證，證實了該系統的可靠性。如圖2d所示，結合小型、易部署的機器學習算法，該系統可以自動可靠地識別腦部發育風險等級高的新生兒，準確率大于99%。

圖2 （a）可穿戴柔性無線IMU傳感器力電耦合特性（拉伸、彎曲、扭轉、折疊）；（b）人體機械聲學信息監測（呼吸、脈搏、心動）；（c）應用驗證過程中新生兒佩戴圖像（頭部、手腕及腳腕）；（d）機器學習算法數據流及準確率。

綜上所述，該項工作為實現新生兒腦部發育疾病的大規模快速篩查提供了新的數字化方法與自動化技術，對于腦癱新生兒的超早期干預與康復具有重要意義。該研究成果以“Intelligence Sparse Sensor Network for Automatic Early Evaluation of General Movements in Infants”為題發表在了國際頂刊Advanced Science (中國科學院一區TOP，IF = 15.1)上。博士研究生鮑本坤為第一作者，張森浩博士后、成賢鍇研究員、楊洪波研究員和程寰宇教授為共同通訊作者。該研究獲得了中國科學院國際合作伙伴計劃、國家重點研發計劃、國家自然科學基金、江蘇省重點研發計劃等項目的資助。

全文鏈接：
http://doi.org/10.1002/advs.202306025