人工智能可提前估算儿童ADHD风险 ^{CEFR B2}

一项发表在《Nature Mental Health》的研究表明，人工智能可以利用常规电子健康记录，在典型诊断之前数年估算儿童未来患注意力缺陷/多动障碍（ADHD）的风险。研究分析了超过140,000名儿童的病历，研究团队训练了一个模型，回顾从出生到幼儿期的病史并识别出若干发育、行为与临床事件的组合，这些组合常在ADHD诊断前出现。

该工具在估算5岁及以上儿童未来ADHD风险方面表现出高度准确性，且其性能在性别、种族、族裔和保险状况等不同患者特征之间保持一致。研究者强调，人工智能并不做出最终诊断，而是作为一种筛查工具来标记可能需要儿科初级保健医生更密切监测或更早转诊的儿童，从而更有效分配临床时间和资源，减少等待评估的时间。

作者还指出，更早的筛查和识别可能带来更早的诊断与支持，进而改善ADHD儿童在学业、社交和健康方面的长期结局。研究团队呼吁在将此类工具纳入常规临床护理前开展更多研究。第一作者Elliot Hill和资深作者Matthew Engelhard参与了此研究，研究得到美国国家精神卫生研究所和美国国家转化科学推进中心的资助。

• 研究来源：电子健康记录和人工智能模型。
• 应用目的：提前识别需要评估的儿童。
• 重要提醒：工具提示而非诊断。