Een team onderzoekers analyseerde elektronische medische dossiers van meer dan 140,000 kinderen en publiceerde de bevindingen in Nature Mental Health. Zij trainden een gespecialiseerd AI-model om medische geschiedenis van de geboorte tot de vroege kinderjaren systematisch te beoordelen en verborgen patronen te vinden die later met een ADHD-diagnose samenhangen.
Het model leerde herkenbare combinaties van ontwikkelings-, gedrags- en klinische gebeurtenissen die vaak jaren vóór de gebruikelijke diagnose verschijnen. Volgens de auteurs was het hulpmiddel zeer nauwkeurig in het inschatten van toekomstig ADHD-risico bij kinderen vanaf vijf jaar en presteerde het consistent over geslacht, ras, etniciteit en verzekeringsstatus.
Hoofdauteur Elliot Hill van Duke University School of Medicine en senior auteur Matthew Engelhard omschrijven het hulpmiddel als een manier om clinici te helpen tijd en middelen te richten, zodat kinderen die hulp nodig hebben niet jaren hoeven te wachten. Studiemedewerker Naomi Davis benadrukte dat gezinnen zo sneller met op bewijs gebaseerde interventies kunnen worden verbonden. De studie kreeg subsidies van het National Institute of Mental Health en het National Center for Advancing Translational Sciences, en de auteurs zeggen dat aanvullende studies nodig zijn vóór brede toepassing in de routinezorg.
