研究人员利用人工智能分析眼底图像，检测出儿童的多动症（ADHD）的准确率高达 96.9%。
韩国科学家开发出一种人工智能系统，可以通过视网膜图像识别儿童多动症。该非侵入式模型的准确率高达96.9%，可以应用于医疗中心。
眼睛图像可能成为检测 ADHD 的关键工具。
韩国的一项研究发现，人工智能通过儿童眼底图像检测多动症的准确率可达近97%。
儿童多动症、眼科诊断、健康领域的人工智能、眼底、神经发育、视网膜、人工智能模型、韩国
韩国一个研究团队开发出一种创新方法，通过分析眼底图像来诊断儿童注意力缺陷多动障碍（ADHD）。该人工智能系统仅使用视网膜数据就达到了96.9%的准确率。
这项研究发表在科学期刊《自然》，纳入了646名儿童，其中一半确诊患有多动症，另一半则无病史，研究按相似的年龄和性别进行筛选。通过分析视网膜血管的形状、密度和厚度以及视盘特征，该算法被训练以识别与该疾病相关的模式。
专家解释说，这些变量不仅可以区分患有和不患有多动症的儿童，还可以检测与选择性视觉注意力相关的改变，而选择性视觉注意力是这种类型的疾病经常影响的功能。
这一发展是医学界寻求新的视觉和非侵入性生物标志物来诊断神经系统疾病的一种日益增长的趋势的一部分，目的是减少对更复杂方法的依赖，例如广泛的临床访谈、认知测试或专家的长时间评估。
研究人员强调，该程序快速，无需镇静，且不会对患者造成任何风险。它可以轻松融入初级保健、儿童和青少年心理健康服务或儿科会诊。
西班牙儿科学会估计，在西班牙等国家，有近 50 万儿童患有注意力缺陷多动障碍，快速、客观的筛查工具可以发挥重要作用，尤其是在需求量大、资源有限的地区。
然而，作者也强调了该研究的一些局限性。例如，研究对象未纳入自闭症儿童，这限制了该系统在合并症病例中的适用性。此外，样本平均年龄为9.5岁，因此其对年龄较大的青少年或成年人的有效性尚未得到检验。
该团队已开始致力于将研究扩展到其他年龄组，并探索该技术是否也可用于检测其他神经发育障碍甚至精神疾病。
最后，他们警告说，虽然该方法具有巨大的潜力，但其实施需要适当的监管框架，以保证患者的隐私、系统的临床验证和持续的医疗监督。
目前，该工具还不能取代传统的诊断，但它被定位为一种有价值的补充，可以提高识别儿童多动症的速度和准确性。
