LONDON (IT BOLTWISE) – KI-Tools, die Videosequenzen von Kleinkindern auswerten, können subtile Unterschiede im Bewegungsmuster von Handflattern sichtbar machen. In einer Untersuchung zeigten Kinder, die später eine Autismusdiagnose erhielten, bei einzelnen Flatter-Ereignissen deutlich größere vertikale Bewegungsamplituden. Gleichzeitig blieb die Flatter-Frequenz pro Sekunde zwischen den Gruppen statistisch ähnlich. Die Studie plädiert dafür, momentane Bewegungsdetails statt Durchschnittswerte für die Beurteilung heranzuziehen.
Wer Autismus früh erkennen will, steht bei Kleinkindern vor einem grundsätzlichen Problem: Viele Verhaltensweisen überschneiden sich mit typischer Entwicklung. Handflattern kommt bei sehr aufgeregten oder stimulierten Kindern ebenso vor wie bei Kindern, die später dem Autismus-Spektrum zugeordnet werden. Damit wird die Frage nach der Diagnostik weniger zu einem reinen „tritt es auf?“, sondern zu „wie genau bewegt sich das Kind in diesem Moment?“ Genau dort setzt der neue Ansatz an: Eine KI-gestützte Auswertung von Videoaufnahmen soll die mechanischen Feinheiten der Handbewegungen messbar machen.
Im Zentrum der Untersuchung steht die Idee, dass sich nicht nur das Vorhandensein eines Verhaltens unterscheidet, sondern dessen Kinematik. Die Forschenden nutzten eine Form von Computer Vision, um aus Videodaten automatisch Körper-Landmarks zu verfolgen. Als Modell wählten sie AlphaPose, das Gelenkpunkte wie Schultern, Ellbogen, Handgelenke und Finger erkennt und anschließend Pixelkoordinaten zeitlich nachverfolgt. Das Ergebnis ist eine digitale, sich bewegende „Stick-Figure“, die die Handposition über die komplette Sequenz objektiv abbildet – ohne dass ein Mensch die Bewegungen manuell markieren muss.
Methodisch gingen die Autorinnen und Autoren über eine reine Beobachtung hinaus: Für jedes der Kinder wurde ein kurzes Video-Teilfenster von drei Minuten aus einer klinischen Untersuchung extrahiert. In dieser Zeit interagierte ein Prüfer mit dem Kind über ein standardisiertes Bubble-Play-Setting, weil Blasen bei Kleinkindern typischerweise Aufmerksamkeit und Erregung auslösen und damit spontan Handflattern wahrscheinlicher machen. Die Analyse fokussierte anschließend auf zwei Messgrößen aus den Tracking-Daten: Die Amplitude beschreibt dabei die vertikale Wegstrecke der Hände während eines Flatterereignisses, während die Frequenz die Rate der Flattern pro Sekunde abbildet.
Damit kameradynamische Effekte die Ergebnisse nicht verzerren, normalisierten die Forschenden die Amplitude auf die Körpergröße des jeweiligen Kindes. Da die Kinder im Verlauf der Aufnahme manchmal näher an der Kamera standen und manchmal weiter entfernt waren, hätte eine rein pixelbasierte Auswertung zu falschen Vergleichswerten führen können. Durch die relative Skalierung zur Torsohöhe sollte die gemessene Bewegung tatsächlich die körperliche Mechanik widerspiegeln. Erst nach dieser Normalisierung zeigten sich die entscheidenden Muster: Bei einzelnen Flatterereignissen wiesen Kinder, die später eine Autismusdiagnose erhielten, eine höhere Amplitude auf – ihre Hände durchliefen also eine deutlich größere vertikale Distanz. Dagegen ergab sich bei der Frequenz kein vergleichbarer Effekt; die Geschwindigkeit bzw. Taktung der Flatterbewegungen pro Sekunde war zwischen den Gruppen statistisch nicht auffällig.
Interessant ist auch, warum die Studie nur in einer bestimmten Auswertungslogik Unterschiede findet. Betrachteten die Forschenden die Ereignisse einzeln, blieb die Gruppenabgrenzung bestehen. Doch sobald sie die Daten über ein Kind hinweg als Durchschnitt zusammenführten, verschwanden die Unterschiede vollständig: Wenn alle Flattervorgänge eines Teilnehmers zu einem Mittelwert verrechnet wurden, zeigte sich weder bei Amplitude noch bei Frequenz ein statistisch signifikanter Unterschied. Als Erklärung diskutieren die Autorinnen und Autoren, dass Kleinkindverhalten stark schwankt: Ein Kind kann in einer Erregungswelle kräftig flattern und wenige Augenblicke später deutlich geringere Bewegungen zeigen. Das Mittel über viele sehr unterschiedliche Momente glättet genau diese Extrema weg und macht das Muster damit unsichtbar.
Die Studie adressiert damit zugleich eine technische und eine klinische Lehre. Technisch bedeutet es: KI-Tracking ist besonders wertvoll, wenn es momentane Ereignisse präzise segmentiert und auswertet, statt alles zu einem „profilartigen“ Gesamtscore zu verdichten. Klinisch heißt es: Für Screening- oder Unterstützungsansätze könnte es reichen, nicht „Durchschnittsverhalten“ zu messen, sondern dynamische Mikro-Episoden im Verhalten zu betrachten. Die Forschenden betonen dabei, dass die Computer-vision-basierte Auswertung keine klinische Expertise ersetzen kann; sie soll vielmehr als objektives Zusatzsignal dienen – neben direkter Beobachtung, Entwicklungsanamnese und kognitiven Testverfahren.
Wie bei vielen frühen KI-Anwendungen bleibt die Übertragbarkeit begrenzt, solange die Stichprobe klein ist. Untersucht wurden lediglich 28 Kinder im Alter von etwa 13 bis 16 Monaten, die später in zwei Gruppen aufgeteilt wurden: eine mit typischer Entwicklung und eine mit Autismusdiagnose im Alter von rund drei Jahren. Außerdem beschränkt sich das Setting auf ein sehr spezielles dreiminütiges Zeitfenster in einem Bubble-Spiel; Kinder zeigen über den Tag hinweg andere Emotionslagen und Verhaltenskontexte. Zusätzlich kommt ein möglicher „unscharfer Rand“ hinzu: In der Vergleichsgruppe hatten manche Kinder ältere Geschwister mit Autismusdiagnose, und Verwandte ersten Grades haben ein erhöhtes Risiko. Selbst wenn nicht alle das vollständige diagnostische Muster erreichen, können frühe, subklinische Merkmale in die Verteilung hineinspielen und so Unterschiede zwischen Gruppen verwischen.
Für die nächste Iteration nennen die Autorinnen und Autoren außerdem Hardware und Datenbasis als Ansatzpunkt. Die verwendeten Videos stammen aus einer Zeit vor über zwanzig Jahren und wurden mit damals üblichen Geräten aufgenommen; moderne Smartphone-Kameras liefern deutlich höhere Auflösung. In der Folge könnten künftige Systeme Gelenk-Koordinaten mit besserer Präzision erfassen und damit auch die Messrobustheit von Amplitude und Frequenz erhöhen. Wissenschaftlich eingebettet ist das Ganze in die Veröffentlichung „Quantifying Repetitive Hand Flapping Kinematics in Autistic and Non-Autistic Toddlers Using Video-Based Pose Estimation“ von Jan Stenum, Elizabeth Eiler, Ryan T. Roemmich, Rebecca Landa und Rachel Reetzke.
Für Entscheider in der Entwicklung und für medizinische Teams ist die Kernaussage pragmatisch: Wenn man Bewegungsdaten per Pose-Estimation erhebt, lohnt sich eine Ereignisorientierung statt einer globalen Mittelung. Gerade bei stark variablen Verhaltenssequenzen ist die Segmentierung „pro Flatterereignis“ offenbar der entscheidende Hebel, um Unterschiede überhaupt sichtbar zu machen. Damit liefert die Arbeit einen messmethodischen Baustein für die KI-gestützte Frühbeobachtung – ohne den Anspruch, Diagnostik vollständig zu automatisieren.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "KI-Analyse von Handbewegungen bei Kleinkindern: Hinweise auf Autismus schon mit 13 bis 16 Monaten" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "KI-Analyse von Handbewegungen bei Kleinkindern: Hinweise auf Autismus schon mit 13 bis 16 Monaten" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »KI-Analyse von Handbewegungen bei Kleinkindern: Hinweise auf Autismus schon mit 13 bis 16 Monaten« bei Google Deutschland suchen, bei Bing oder Google News!