以及在社会中发挥作用的能力，”该研究的合著者Justin Huynh博士说，他是加州大学旧金山分校神经放射学系的研究专家，也是厄巴纳-香槟分校卡尔伊利诺伊医学院的医学生。“随着智能手机和其他容易分心的设备的涌入，这在当今的年轻人中也变得越来越普遍。”

　　“多动症很难诊断，依赖于主观的自我报告调查，”黄恩说。“对更客观的诊断指标的需求肯定没有得到满足。这就是我们正在努力填补的空白。”

　　Huynh说，这是第一个在多机构青少年大脑认知发展(ABCD)研究中应用深度学习(一种人工智能)来识别ADHD标记的研究，该研究包括来自美国21个研究地点的11,000多名青少年的脑成像、临床调查和其他数据。脑成像数据包括一种称为弥散加权成像(DWI)的特殊类型的MRI。

　　“之前使用人工智能检测多动症的研究由于样本量小和疾病的复杂性而没有成功，”黄恩说。

　　研究小组从ABCD数据集中选择了1704人，包括有和没有多动症的青少年。通过DWI扫描，研究人员提取了大脑中30个主要白质束的分数各向异性(FA)测量值。FA是一种测量水分子如何沿着白质束纤维运动的方法。

　　来自1371个人的FA值被用作训练深度学习人工智能模型的输入，然后对333名患者进行了测试，其中包括193名被诊断为多动症的患者和140名未被诊断为多动症的患者。ADHD的诊断是通过简短问题监测评估来确定的，这是一种用于监测儿童功能和他们对干预反应的评级工具。

　　在人工智能的帮助下，研究人员发现，在多动症患者中，9个白质束的FA值显着升高。

　　“以前从未见过ADHD患者在MRI特征上的这些差异如此详细，”Huynh说。“一般来说，9个白质束的异常与多动症的症状相吻合。”

　　研究人员打算继续从ABCD数据集中的其他个体获取数据，比较其他人工智能模型的性能。

　　“许多人觉得自己患有多动症，但由于现有诊断测试的主观性质，它无法被诊断出来，”黄恩说。

　　(来源:每日