乳幼児の鳴き声の分類と病的鳴き声検出における機械学習の応用：系統的レビュー

科学分野:

• 医療情報学
• 人工知能
• 小児科学

背景:

• 乳幼児の鳴き声は、ニーズや苦痛の重要なコミュニケーション信号です。
• 正確な鳴き声の解釈は、タイムリーな介入と診断に不可欠です。
• 機械学習（ML）は、複雑な音響パターンの高度な分析機能を提供します。

研究 の 目的:

• 乳幼児の鳴き声の分類におけるML応用の研究を系統的にレビューし、統合すること。
• 乳幼児のニーズ関連および病的鳴き声を特定する上でのMLモデルの精度を評価すること。
• 鳴き声分析のためのさまざまなMLアルゴリズムと特徴のパフォーマンスを評価すること。

主な方法:

• PROSPEROに登録されたPRISMAガイドラインに従った系統的文献レビュー。
• PubMed、CINAHL、Embase、IEEE Xploreで2014年から2024年までの研究を検索。
• QUADAS-2ツールを使用して研究の質を評価し、17の研究の所見を統合しました。

主要な成果:

• MLは、乳幼児の鳴き声をニーズ関連（9サブタイプ）および病的（6サブタイプ）に効果的に分類します。
• 分類精度は44.5%から99.82%の範囲であり、MLモデルと特徴によって異なります。
• 最も高い精度は、空腹/痛みの鳴き声（GMM）で99.82%、難聴検出（ファジィモデル/GMM）で99.42%-99.82%でした。

結論:

• MLは、乳幼児の鳴き声の正確な分類と病状検出において大きな可能性を示しています。
• 今後の研究では、多様なデータセット、実世界の検証、および生理学的信号との鳴き声分析の統合に焦点を当てるべきです。
• 強化されたMLモデルは、診断精度と乳幼児のケアの結果を改善できます。