Применение искусственной нейронной сети для предсказания у детей в возрасте до 1 года последующей задержки развития речи: предварительные результаты

Обоснование: задержка речевого развития характеризуется качественным и количественным недоразвитием словарного запаса и несформированностью экспрессивной речи. Данное нарушение относится к наиболее легким речевым патологиям, однако при этом существует высокая вероятность наличия сопутствующей психической патологии и возникновение проблем адаптации в школьном возрасте. В этиологии задержки речевого развития установлена ее многофакторная природа. Таким образом, существует необходимость разработки инструмента, прогнозирующего формирование задержки речевого развития у детей для своевременного проведения профилактических мероприятий.
Цель исследования: разработать с применением алгоритмов искусственного интеллекта инструмент прогнозирования у детей до 1 года последующей задержки речевого развития.
Пациенты и методы: были обследованы 196 детей. Средний возраст составил 26,9 мес. (SD ± 5,5 мес.). Выборка была разделена на две группы: в первую вошли пациенты с задержкой речевого развития (n = 98), во вторую — дети с нормальным речевым развитием (n = 98). Речевой статус оценивался с помощью опросника по определению речевого развития ребенка в возрасте от 18 до 36 мес. (Language Development Survey). В оценке факторов риска возникновения задержки речевого развития была использована «Анамнестическая карта ребенка». Для создания нейронной сети, предсказывающей у детей до 1 года задержку развития речи в дальнейшем, была разработана и обучена модель с помощью библиотеки Keras для языка программирования Python 3.0. Результаты: анализ эффективности работы нейронной сети показал высокий результат — 89% случаев во время обучения модели были определены верно. При этом чувствительность модели на проверочной выборке составила 100%, специфичность — 90%.
Выводы: разработанный способ может быть использован в создании инструмента прогноза задержки речевого развития у детей в перспективе до трех лет, что позволит осуществлять дифференцированные лечебно-профилактические мероприятия, способствующие гармоничному развитию ребенка.

1. Баранов АА, Маслова ОИ, Намазова-Баранова ЛС. Онтогенез нейрокогнитивного развития детей и подростков. Вестник Российской академии медицинских наук. 2012;(8):26–33. doi: 10.15690/vramn.v67i8.346

2. Асмолова ГА, Заваденко АН, Заваденко ЕВ, Козлова НН, Медведев МИ, Рогаткин СО. Ранняя диагностика нарушений развития речи. Особенности речевого развития у детей с последствиями перинатальной патологии нервной системы. Клинические рекомендации. Москва: Российская ассоциация специалистов перинатальной медицины. 2014:57.

3. Kalnak N, Peyrard-Janvid M, Sahlén B, Forssberg H. Family history interview of a broad phenotype in specific language impairment and matched controls. Genes Brain Behav. 2012;11(8):921–927. doi: 10.1111/j.1601-183X.2012.00841.x

4. Hawa VV, Spanoudis G. Toddlers with delayed expressive language: an overview of the characteristics, risk factors and language outcomes. Res Dev Disabil. 2014;35(2):400–407. doi: 10.1016/j.ridd.2013.10.027

5. Раева ТВ, Леонова АВ, Проботюк ВВ. Особенности психических нарушений, сопровождающих задержку речевого развития у детей раннего возраста. Вопросы психического здоровья детей и подростков. 2019;3:64–69.

6. Чутко ЛС, Сурушкина СЮ, Яковенко ЕА, Анисимова ТИ, Чередниченко ДВ. Поведенческие нарушения у детей с расстройствами речевого развития. Журнал неврологии и психиатрии имени С.С. Корсакова. 2021;121(5):57–61. doi: 10.17116/jnevro202112105157

7. Коваль ОА. Связь психологического развития дошкольников, имеющих речевую патологию, и уровня развития эмоционального интеллекта родителей. Клиническая и специальная психология. 2020;9(1):142–168. doi: 10.17759/cpse.2020090108 (online)

8. Macroy-Higgins M, Montemarano EA. Attention and word learning in toddlers who are late talkers. J Child Lang. 2016;43(5):1020–1037. doi: 10.1017/S0305000915000379

9. Карелина ИБ. Факторы риска возникновения речевых нарушений у детей от 0 до 3 лет и способы их предупреждения. Специальное образование. 2013;2:149–156.

10. Moriano-Gutierrez A, Colomer-Revuelta J, Sanjuan J, Carot-Sierra JM. Variables ambientales y geneticas relacionadas con alteraciones en la adquisicion del lenguaje en la infancia [Environmental and genetic variables related with alterations in language acquisition in early childhood]. Rev Neurol. 2017;64(1):31–37.

11. Rudolph JM. Case History Risk Factors for Specific Language Impairment: A Systematic Review and Meta-Analysis. Am J Speech Lang Pathol. 2017;26(3):991–1010. doi: 10.1044/2016_AJSLP-15-0181

12. Леонова АВ. Раева ТВ. Факторы риска формирования задержки речевого развития у детей, пути оптимизации системы профилактических и реабилитационных мероприятий. Уральский медицинский журнал. 2018;(12):22–26. doi: 10.25694/URMJ.2018.12.15

13. Andres EM, Hafeez H, Yousaf A, Riazuddin S, Rice ML, Basra MAR, Raza MH. A genome-wide analysis in consanguineous families reveals new chromosomal loci in specifi c language impairment (SLI). Eur J Hum Genet. 2019;27(8):1274–1285. doi: 10.1038/s41431-019-0398-1

14. Barry JG, Yasin I, Bishop DV. Heritable risk factors associated with language impairments. Genes Brain Behav. 2007;6(1):66–76. doi: 10.1111/j.1601-183X.2006.00232.x

15. Newbury DF, Monaco AP. Genetic advances in the study of speech and language disorders. Neuron. 2010;68(2):309–320. doi: 10.1016/j.neuron.2010.10.001

16. Белоусова МВ, Уткузова МА, Гамирова РГ, Прусаков ВФ. Перинатальные факторы в генезе речевых нарушений у детей. Практическая медицина. 2013;(1):117–120.

17. Tomblin JB, Smith E, Zhang X. Epidemiology of specific c language impairment: prenatal and perinatal risk factors. J Commun Disord. 1997;30(4):325–344. doi: 10.1016/s0021-9924(97)00015-4

18. Лукашевич ИП, Парцалис ЕМ, Шкловский ВМ. Перинатальные факторы риска формирования патологии речи у детей. Рос. вестн. перинатол. и педиатр. 2008;4:19–22.

19. Синельщикова АВ, Маслова НН. Ведущие перинатальные факторы, оказывающие влияние на речевое развитие детей дошкольного возраста. Медицинский альманах. 2014;33(3):95–97.

20. Linsell L, Malouf R, Morris J, Kur inczuk JJ, Marlow N. Prognostic factors for poor cognitive development in children born very preterm or with very low birth weight: a systematic review. JAMA Pediatr. 2015;169:1162–1172. doi: 10.1001/jamapediatrics.2015.2175

21. Zuccarini M, Guarini A, Savini S, Iverson JM, Aureli T, Alessandroni R, Faldella G, Sansavini A. Object exploration in extremely preterm infants between 6 and 9 months and relation to cognitive and language development at 24 months. Res Dev Disabil. 2017;68:140–152. doi: 10.1016/j.ridd.2017.06.002

22. Ribeiro LA, Zachrisson HD, Schjolberg S, Aase H, Rohrer-Baumgartner N, Magnus P. Attention problems and language development in preterm low-birthweight children: cross-lagged relations from 18 to 36 months. BMC Pediatr. 2011;11:59. Published 2011 Jun 29. doi: 10.1186/1471-2431-11-59

23. Заваденко НН, Щедеркина ИО, Заваденко АН, Козлова ЕВ, Орлова КА, Давыдова ЛА, Дороничева ММ, Шадрова АА. Отставание развития речи в практике педиатра и детского невролога. Вопросы современной педиатрии. 2015;1(14):132–139. doi: 10.15690/vsp.v14i1.1272

24. van Noort-van der Spek IL, Franken MC, Weisglas-Kuperus N. Language functions in preterm-born children: a systematic review and meta-analysis. Pediatrics. 2012;129(4):745–754. doi: 10.1542/peds.2011-1728

25. Marschik PB, Einspieler C, Garzarol li B, Prechtl HF. Events at early development: are they associated with early word production and neurodevelopmental abilities at the preschool age? Early Hum Dev. 2007;83(2):107–114. doi: 10.1016/j.earlhumdev.2006.05.009

26. Wilson P, McQuaige F, Thompson L, McConnachie A. Language delay is not predictable from available risk factors. Scientific World Journal. 2013;2013:947018. doi: 10.1155/2013/947018

27. Duff FJ, Nation K, Plunkett K, Bishop D. Early prediction of language and literacy problems: is 18 months too early? Peer J. 2015;3:e1098. doi: 10.7717/peerj.1098

28. Graham S, Depp C, Lee EE, Nebeker C, Tu X, Kim HC, Jeste DV. Artificial Intelligence for Mental Health and Mental Illnesses: an Overview. Curr Psychiatry Rep. 2019;21(11):116. Published 2019 Nov 7. doi: 10.1007/s11920-019-1094-0

29. Johnson SLJ. AI, Machine Learning, and Ethics in Health Care. J Leg Med. 2019;39(4):427–441. doi: 10.1080/01947648.2019.1690604

30. Borovsky A, Thal D, Leonard LB. Moving towards accurate and early prediction of language delay with network science and machine learning approaches. Sci Rep. 2021;11(1):8136. doi: 10.1038/s41598-021-85982-0

31. Valavani E, Blesa M, Galdi P, Sullivan G, Dean B, Cruickshank H, Sitko-Rudnicka M, Bastin ME, Chin RFM, MacIntyre DJ, Fletcher-Watson S, Boardman JP, Tsanas A. Language function following preterm birth: prediction using machine learning [published online ahead of print, 2021 Oct 11]. Pediatr Res. 2021;1–10. doi: 10.1038/s41390-021-01779-x

32. Silver D, Schrittwieser J, Simonyan K, Antonoglou I, Huang A, Guez A, Hubert Th, Baker L, Lai M, Bolton A, Chen Y, Lillicrap T, Hui F, Sifre L, van den Driessche G, Graepel T, Hassabis D. Mastering the game of Go without human knowledge. Nature. 2017;550(7676):354–359. doi: 10.1038/nature24270

33. Hopfeld JJ. Neural networks and physical systems with emergent collective computational abilities. Proc Natl Acad Sci USA. 1982;79:2554–2558.

34. Cartwright H. Preface. Artificial neural networks. Methods Mol Biol. 2015;1260:v. doi: 10.1007/978-1-4939-2239-0

35. Bini SA. Artificial intelligence, machine learning, deep learning, and cognitive computing: what do these terms mean and how will they impact health care? J Arthroplasty. 2018;33(8):2358–2361.

36. Ho Y-S, Wang M-H. A bibliometric analysis of artificial intelligence publications from 1991 to 2018, COLLNET Journal of Scientometrics and Information Management. 2020;14(2):369–392. doi: 10.1080/09737766.2021.1918032

37. Васильченко КФ, Усов ГМ. Применение сверточных ней ронных сетей в качестве инструмента объективизации диагностики шизофрении: пилотное исследование. Социальная и клиническая психиатрия. 2022;32(1):23–27.