Новый ИИ способен прогнозировать СДВГ у детей за годы до постановки диагноза
Фото: freepik
Компьютерный инструмент для предсказания вероятности СДВГ у детей
Новые исследования, опубликованные в журнале Nature Mental Health, описывают разработку компьютерного инструмента, способного прогнозировать риск развития синдрома дефицита внимания и гиперактивности (СДВГ) у детей на ранних этапах. Этот инструмент может помочь в выявлении потенциальных случаев СДВГ задолго до официального диагноза. Использование такого подхода может улучшить социальное, эмоциональное развитие детей и их успеваемость в школе.
Анализ педиатрических записей для выявления признаков СДВГ
Исследование показало, что в педиатрических медицинских картах можно найти данные, указывающие на повышенный риск развития СДВГ. Эллиот Д. Хилл из Университета Дьюка продемонстрировал, что программное обеспечение может анализировать повторяющиеся комбинации данных о развитии, поведении и медицинском уходе. Однако инструмент не заменяет клиническое обследование, так как диагноз СДВГ ставится на основе комплексного анализа симптомов, существенно влияющих на повседневную жизнь ребенка.
Важность ранней диагностики
Согласно общенациональному исследованию, проведенному в США с 2021 по 2022 год, 10,47% детей в возрасте от 4 до 17 лет получили диагноз СДВГ. Многие проблемы, связанные с этим расстройством, проявляются на ранних стадиях, но семьи часто обращаются за помощью только тогда, когда симптомы влияют на учебу ребенка. Ранняя диагностика позволяет начать образовательные программы для родителей, поддержать учебный процесс и разработать индивидуальные планы для преодоления трудностей.
Создание инструмента на основе искусственного интеллекта
Для разработки инструмента на основе ИИ исследователи использовали данные более чем 720 000 пациентов и адаптировали модель для анализа медицинских записей 140 000 детей до девяти лет. Программа прошла двухэтапное обучение и научилась оценивать риск развития СДВГ в будущем на срок до четырех лет. К пятилетнему возрасту точность прогнозирования составила 0,92. Высокий балл не гарантирует диагноз СДВГ, который ставится после клинического обследования. Для педиатров модель служит инструментом для сокращения списка детей, нуждающихся в тщательном наблюдении.
Эффективность и справедливость инструмента
Анализ данных из Университета Дьюка показал, что модель работает одинаково эффективно для всех групп детей, независимо от пола, расы, этнической принадлежности или типа страхового полиса. Это важно, так как инструменты скрининга могут быть несправедливыми, если они чаще пропускают определенные группы. Для обеспечения справедливости необходимо провести дополнительные тестирования в различных системах здравоохранения.
Факторы, влияющие на прогнозы
Модель выявила связь между прогнозами и задержками в речевом развитии, трудностями в обучении, эмоциональными симптомами и повторными обращениями по поводу проблем с вниманием и поведением. Также обнаружена связь с психическими расстройствами, которые иногда сопутствуют СДВГ. Однако модель не способна установить причинно-следственные связи между этими факторами и развитием расстройства.
Роль медицинских специалистов
Несмотря на развитие технологий, медицинские специалисты остаются ключевыми в диагностике и лечении. Врачи должны беседовать с семьями, получать заключения от учителей и анализировать историю развития ребенка. Без участия человека оценка риска может стать формальным процессом, не учитывающим индивидуальные особенности каждого ребенка.
Заключение
Использование компьютерных инструментов для раннего выявления риска СДВГ является перспективным направлением. Однако для обеспечения их эффективности и справедливости необходимо продолжать исследования, учитывать вопросы конфиденциальности и тестировать модели в реальных условиях.
