人工智能在儿科神经发育障碍诊断中的应用：一项范围综述

背景：神经发育障碍是一组影响关键发育领域并可能显著影响儿童生活质量的疾病，这凸显了准确诊断工具对改善预后的重要性。人工智能在提升神经发育障碍诊断与监测方面已显示出可衡量的效果。本范围综述旨在总结当前关于使用人工智能技术（包括深度学习、监督机器学习、决策支持系统和生物信号分析）提高儿童神经发育障碍诊断准确性的证据。数据来源：在PubMed、LILACS、MEDLINE、Google Scholar及心理学索引期刊中进行了系统性检索，涵盖2000年至2025年1月的文献。采用关键词与医学主题词进行检索筛选，并设定具体的纳入与排除标准。研究筛选遵循系统评价与荟萃分析扩展版的范围综述指南，纳入临床研究、综述及验证性研究。数据通过描述性方法进行提取与综合。结果：共纳入22项研究。在神经影像解读方面，多数研究中深度学习模型的诊断准确率超过85%；监督机器学习提升了自闭症谱系障碍与注意缺陷多动障碍的亚型分类能力；决策支持系统提高了诊断效率；基于生物信号的人工智能在识别神经发育障碍相关生理标志物方面展现出潜力。结论：人工智能技术可能显著促进儿童神经发育障碍的早期诊断与临床决策。然而，研究设计、人群及算法标准化的差异仍是当前挑战。人工智能技术还面临数据隐私安全、可解释性、公平性与可及性以及算法偏见等伦理问题。进一步的多中心验证与监管框架对临床转化至关重要。