佛蒙特大学和密歇根大学研究职员在新一期美国《科学公共图书馆·综合》杂志上先容，他们利用可穿着的运动传感器网络儿童行为数据，再利用机器算法进行评估筛查。

测试中，63名儿童被领进一间暗室，研究职员首先提示他们将看到某种东西，小心不要将其吵醒，随后他们迅速揭开一个玻璃容器上的布，取出一条假蛇让这些孩子玩。

常日，研究职员会通过不雅观看过程录像、评估儿童的行为和措辞等来诊断他们是否存在生理问题。
而在这一测试中，研究职员还网络了传感器的监测数据，并利用机器算法进行剖析，来筛查存在焦虑和烦闷的儿童，结果准确率达到了81%，优于常用的家长调查问卷法。

这一算法创造，儿童看到蛇之前是创造潜在病征的关键阶段，焦虑或烦闷儿童比其他儿童在面临潜在不愿定成分时表现得更焦虑，更方向于进行回避，而传感器和算法能帮助更快得出结论。

佛蒙特大学临床生理学家艾伦·麦金尼斯说，过去要经由演习数周并剖析数月才能完成的任务，现在几分钟就能完成。
在获取了儿童的测试第一阶段行为数据后，机器算法只需20秒就可判断该儿童是否有焦虑或烦闷等生理问题。

研究职员称，生理问题的早期干预至关主要，由于儿童的大脑可塑性强，对治疗反应好。
而如果没有及时干预，这些儿童成年后滥用药物和自尽的风险更高。
(周舟)