使用人工智能诊断注意力缺陷多动症 (ADHD):英国的一项临床研究

科学领域:

• 神经科学是一个神经科学.
• 人工智能的人工智能
• 临床诊断 临床诊断 临床诊断

背景情况:

• 注意缺陷多动症 (ADHD) 是成年人中普遍存在的一种神经发育障碍.
• 目前的诊断方法,如成人多动症诊断面试 (DIVA),是昂贵和耗时的.
• 目前正在进行的研究旨在通过人工智能提高ADHD诊断效率.

研究的目的:

• 更新和优化用于成人多动症诊断的混合人工智能算法.
• 为了评估人工智能模型的有效性,并没有昂贵的临床评估.
• 探索AI在开发更具成本效益的多动症查工具方面的潜力.

主要方法:

• 使用501个匿名成年ADHD记录的数据集,重新训练和优化机器学习算法.
• 开发一种混合人工智能算法,将机器学习和基于知识的模型结合起来.
• 试点研究以评估诊断准确性,使用超出DIVA评估的特征.

主要成果:

• 新训练的机器学习模型在使用所有功能时实现了75.03%的准确性.
• 混合人工智能模型的高精度为93.61%.
• 仅基于规则的机器学习模型就达到65.27%的准确率,这表明了成本效益的潜力.

结论:

• 混合人工智能算法对准确的成人多动症诊断有显著的前景.
• 人工智能模型可以实现高诊断准确度,可能减少对昂贵的临床采访的依赖.
• 进一步开发人工智能工具可能会导致更容易获得和更具成本效益的多动症查.