Simple Science

Ciência de ponta explicada de forma simples

# Biologia# Bioengenharia

O Papel do Desenvolvimento Motor Precoce em Bebês

Habilidades motoras iniciais são super importantes pro crescimento e aprendizado dos bebês.

― 7 min ler


As habilidades motorasAs habilidades motorasdos bebês sãoimportantes.crescimento futuro dos bebês.Os movimentos iniciais moldam o
Índice

Quando os bebês nascem, eles começam a desenvolver Habilidades Motoras que ajudam a se conectar com o mundo ao redor. Essas habilidades vão de ações simples, como levantar a cabeça, até as mais complexas, como sentar, ficar em pé e, eventualmente, andar. À medida que ganham essas habilidades, os bebês conseguem interagir melhor com o ambiente e com as pessoas que cuidam deles. Essa interação apoia o aprendizado e ajuda a alcançar seus objetivos.

As habilidades motoras também têm um papel importante no Desenvolvimento do cérebro. Pesquisas mostram que até fetos mostram sinais de Movimentos direcionados a objetivos durante a gravidez. Após o nascimento, os movimentos dos bebês mudam de ações aleatórias para ações mais planejadas. Essa transição fortalece as conexões no cérebro responsáveis pelo controle motor e pelo pensamento de nível superior. Com isso, o cérebro passa a usar áreas diferentes que estão envolvidas em tarefas complexas.

Conforme as crianças vão crescendo, suas habilidades motoras continuam ligadas às suas habilidades de raciocínio e ao desempenho escolar. Mas, cada bebê desenvolve essas habilidades no seu próprio ritmo. Estudos de longo prazo mostram que bebês que desenvolvem habilidades motoras cedo tendem a se sair melhor comportamentalmente e academicamente mais tarde na vida. Por outro lado, se o desenvolvimento motor de um bebê é interrompido ou anormal, isso pode ser um sinal de várias desordens e pode levar a dificuldades no seu desenvolvimento, especialmente em casos de partos prematuros.

Importância do Desenvolvimento Motor Precoce

A importância das habilidades motoras precoces não pode ser subestimada, pois também ajudam no desenvolvimento Cognitivo. Existem programas criados para ajudar bebês com habilidades motoras, e esses têm mostrado ótimos resultados, principalmente para aqueles que podem estar em risco de problemas de desenvolvimento.

Pesquisas sobre como humanos e outros primatas se movem sugerem que nossas ações podem ser divididas em blocos básicos. Esses blocos podem se combinar para criar movimentos mais complexos. Por exemplo, os movimentos simples que os recém-nascidos fazem são semelhantes aos passos básicos vistos em crianças pequenas aprendendo a andar. Nos primeiros meses de vida, os bebês mostram um caminho claro de desenvolvimento motor, mostrando movimentos como rotações de tronco e ações coordenadas de braços e pernas.

Quando os bebês têm entre 9 a 20 semanas, seus movimentos espontâneos geralmente incluem ações inquietas que envolvem seus braços, pernas, pescoço e tronco. Se esses movimentos estiverem ausentes ou diferentes do esperado, pode indicar problemas potenciais, que podem ser avaliados usando ferramentas especiais, como a Avaliação Motora Geral (GMA). Essa avaliação ajuda a prever os resultados de desenvolvimento futuros e é bem confiável.

Avaliando Habilidades Motoras

Atualmente, avaliadores treinados podem avaliar a qualidade dos movimentos de um bebê observando-o sem interagir diretamente. A GMA é um dos melhores métodos para isso. Em contraste, alguns estudos usam tecnologia avançada para observar movimentos, o que pode ser complicado e difícil para as famílias lidarem. Isso limita a frequência das avaliações.

No entanto, o surgimento de aplicativos para smartphone que permitem avaliações de movimento a partir de vídeos feitos em casa mudou o jogo. Esses aplicativos tornam mais fácil para as famílias obterem avaliações e identificarem bebês em risco de problemas de desenvolvimento sem precisar visitar clínicas.

Avanços recentes na tecnologia introduziram maneiras de rastrear movimentos corporais a partir de vídeos sem precisar de equipamentos especiais. Esses métodos podem ser muito precisos e conseguem rastrear os movimentos de bebês. Depois de adaptar esses modelos para se adequarem a dados de bebês, os pesquisadores viram resultados promissores na previsão de resultados motores.

Desafios com a Tecnologia nas Avaliações

Um desafio ao usar aprendizado de máquina em ambientes clínicos é que pode ser difícil entender como as decisões são tomadas com base nos dados. Embora alguns novos métodos ajudem a identificar movimentos importantes ao longo do tempo, nem sempre se relacionam com como os movimentos são fisicamente realizados. Para resolver isso, os pesquisadores estão desenvolvendo modelos alternativos baseados em padrões de movimento observados que podem categorizar ações espontâneas em sequências mais curtas.

Neste estudo, os pesquisadores usaram tecnologia de rastreamento por vídeo para analisar movimentos de bebês e construir modelos estatísticos em torno dessas ações. Eles hipotetizaram que os padrões de movimento precoces dos bebês seguem uma série de estados específicos que mudam conforme crescem e podem mostrar diferenças em bebês de alto risco.

Rastreando Movimentos de Bebês

Neste estudo, os pesquisadores olharam para um conjunto de vídeos de smartphones de bebês com idade entre 12 a 18 semanas. Eles usaram um modelo de aprendizado profundo para identificar e rastrear 18 pontos-chave do corpo em cada quadro de vídeo. Depois de filtrar os dados, usaram uma técnica para simplificar os dados de movimento sem perder informações importantes.

Com essa configuração, eles construíram modelos para analisar como esses movimentos mudam ao longo do tempo. Os pesquisadores descobriram que certos movimentos poderiam ser agrupados em estados distintos, que representavam padrões específicos de movimento.

Entendendo Estados de Movimento

Ao analisar os vídeos, os pesquisadores puderam determinar com que frequência os bebês mostravam padrões de movimento particulares. Eles descobriram que o tempo médio passado em um estado era muito curto, geralmente apenas alguns segundos. No entanto, os tipos de movimentos exibidos pelos bebês variaram bastante, com alguns movimentos mostrando ações rápidas e grandes, enquanto outros indicavam comportamentos mais tranquilos e descansados.

Eles também estudaram se os tipos de movimentos diferiam em bebês que estavam em maior risco de desafios de desenvolvimento. Ao avaliar tanto movimentos típicos quanto atípicos, os pesquisadores visavam conectar esses estados a possíveis resultados mais tarde na vida.

Mudanças nos Movimentos ao Longo do Tempo

À medida que os bebês cresciam, os pesquisadores notaram que certos tipos de movimentos aumentaram enquanto outros diminuíram. Por exemplo, certos movimentos de alta energia se tornaram menos comuns em bebês mais velhos, enquanto movimentos mais intensos e rápidos apareceram com mais frequência. Isso foi particularmente notável em bebês com padrões de movimento anormais e aqueles nascidos prematuramente, sugerindo a necessidade de atenção de desenvolvimento diferente.

Habilidades Motoras e Resultados Futuros

Quando os pesquisadores analisaram os padrões de movimento dos bebês, descobriram conexões entre tipos de movimento e habilidades motoras posteriores. Bebês que mostraram determinados movimentos nessa idade tão jovem tiveram resultados diferentes ao atingirem dois anos de idade em termos de habilidades motoras, habilidades cognitivas e desenvolvimento da linguagem.

Ferramentas de avaliação de habilidades motoras, como a GMA, podem ajudar a identificar bebês que podem ter atrasos no desenvolvimento. Ao monitorar esses movimentos, pais e cuidadores podem tomar medidas proativas para abordar potenciais problemas, levando a resultados melhores para crianças em risco.

Conclusão

Combinar aprendizado profundo com modelos estatísticos permite que os pesquisadores desmembram movimentos complexos em padrões mais simples. Este estudo mostrou que habilidades motoras precoces são cruciais não só para o desenvolvimento físico, mas também para o crescimento cognitivo.

Entender os movimentos iniciais pode ajudar famílias e profissionais de saúde a identificar riscos em bebês e agir de acordo. À medida que a tecnologia continua a melhorar, é provável que métodos de triagem mais eficazes surjam, ampliando nossa capacidade de apoiar o desenvolvimento saudável em bebês.

Fonte original

Título: Quantifying spontaneous infant movements using state-space models

Resumo: Over the first few months after birth, the typical emergence of spontaneous, fidgety general movements is associated with later developmental outcomes. In contrast, the absence of fidgety movements is a core feature of several neurodevelopmental and cognitive disorders. Currently, manual assessment of early infant movement patterns is time consuming and labour intensive, limiting its wider use. Recent advances in computer vision and deep learning have led to the emergence of pose estimation techniques, computational methods designed to locate and track body points from video without specialised equipment or markers, for movement tracking. In this study, we use automated markerless tracking of infant body parts to build statistical models of early movements. Using autoregressive, state-space models we demonstrate that infant movement can be modelled as a sequence of motor states, each characterised by specific body part movements, with expression that varies with age and differs in infants at high-risk of poor neurodevelopmental outcome.

Autores: Gareth Ball, E. Passmore, A. K. L. Kwong, J. E. Olsen, A. Eeles, J. L. Y. Cheong, A. J. Spittle

Última atualização: 2024-04-20 00:00:00

Idioma: English

Fonte URL: https://www.biorxiv.org/content/10.1101/2024.04.16.589847

Fonte PDF: https://www.biorxiv.org/content/10.1101/2024.04.16.589847.full.pdf

Licença: https://creativecommons.org/licenses/by/4.0/

Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.

Obrigado ao biorxiv pela utilização da sua interoperabilidade de acesso aberto.

Mais de autores

Artigos semelhantes