9月21日，由首尔峨山医院儿科精神科教授千根啊、崔汉宁以及延世大学医学院教授朴裕朗领导的研究团队宣布，他们开发的一种通过视网膜眼底照片筛查注意力缺陷多动障碍（ADHD）的人工智能（AI），其准确率达到了96.9%。
注意力缺陷多动障碍（ADHD）是一种在5-8%学龄儿童中常见的神经发育障碍。主要症状包括注意力不集中、冲动行为和过度活跃。延迟诊断和治疗会影响患者的学业成绩、社交关系和情感发展。
由于ADHD的诊断通常是通过访谈和问卷评估进行的，因此很容易受到评估者的主观影响。此外，正常行为与症状之间的界限模糊，导致诊断结果的一致性较差，难以快速诊断。
研究团队开发了这种能够客观且迅速地筛查ADHD的AI系统。该系统的开发使用了1,108张视网膜眼底照片、四种学习算法模型以及AutoMorph Pipeline技术。AutoMorph Pipeline是一种用于形态分析视网膜血管的研究工具。
该AI的预测性能非常出色，受试者工作特征曲线下的面积（AUROC）值达到0.969（准确率为96.9%）。AUROC值越接近1，表示性能越好。
通过Shapley Additive Explanations (SHAP)分析，解释了AI模型的预测结果是如何得出的，并得出了与ADHD相关的关键视网膜特征。典型的特征包括血管密度增加、动脉血管宽度减少以及视盘结构的变化。
此外，AI还通过观察ADHD患者的视网膜眼底照片，测量了对视觉选择性注意功能损害程度的预测准确性。视觉选择性注意是指聚焦于特定部分的能力，而ADHD患者在这方面的能力较弱。AI的预测准确率达到了87.3%。
千根啊教授表示：“这项研究表明，视网膜眼底摄影可以作为ADHD诊断的重要生物标志物，同时也可用于检测执行功能缺陷，如视觉选择性注意。”视网膜眼底检查非常简单，拍摄时间不到5分钟，似乎也可以用于快速监测ADHD药物的效果。”
此项研究得到了国家情报局的支持，研究成果发表在国际期刊《npj Digital Medicine》（影响因子12.4）上。
(全文结束)
