共计 798 个字符，预计需要花费 2 分钟才能阅读完成。
延世大学最新研究表明，人工智能模型在注意力缺陷多动障碍（ADHD）筛查中展现出高达 96.9% 的准确率。
韩国研究人员近日在《npj Digital Medicine》期刊上发表了一项突破性研究，展示如何利用人工智能技术通过分析眼部图像来诊断和评估 ADHD 严重程度。
研究细节
延世大学健康系统的研究团队运用了四种机器学习模型和 AutoMorph 深度学习系统，对 600 多名 ADHD 儿童和正常发育儿童的 1,108 张视网膜眼底照片进行了深入分析。
研究结果显示，所有四种 AI 模型均表现出卓越的准确率，最高达到 96.9%。在预测视觉选择性注意力损伤程度方面，这些模型的准确率也高达 87.3%——这一能力正是 ADHD 患者普遍面临的挑战。
通过 Shapley Additive Explanations 分析，研究团队成功识别出与 ADHD 相关的关键视网膜特征，包括血管密度增加、动脉血管宽度减小以及视盘结构的变化。
临床意义
ADHD 作为一种神经发育障碍，其诊断过程往往面临诸多挑战，包括患者症状的主观性、个体间差异以及与其他病症的重叠。延世大学研究人员指出，考虑到多巴胺在视网膜功能和 ADHD 症状中的重要作用，视网膜图像有望成为 ADHD 筛查的新型生物标志物。
“ 眼底检查操作简便，耗时不到五分钟。这项检查不仅可用于快速筛查，还可用于监测 ADHD 治疗效果，”Severance 医院儿科教授、研究共同负责人 Keun-ah Cheon 表示。
行业趋势
近年来，数字技术在 ADHD 管理领域取得了显著进展。澳大利亚弗林德斯大学开发的移动应用程序和新加坡心理健康研究所与 Neeuro 公司推出的数字疗法项目，都是这一趋势的典型代表。
与此同时，基于 AI 的眼部图像筛查技术也在其他神经发育障碍的诊断中发挥重要作用。日本早稻田大学的研究人员近期展示了一项利用眼动追踪技术测试儿童对可预测运动刺激反应的研究，该技术被认为具有作为自闭症早期诊断行为标志物的潜力。
