人工智能在儿童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的疾病，可能显著影响儿童的生活质量。这凸显了准确诊断工具对改善结局的重要性。人工智能（AI）已显示出在增强神经发育障碍诊断和监测方面的可测量有效性。本范围综述旨在总结AI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）在提高儿童神经发育障碍诊断准确性方面的现有证据。数据来源：在PubMed、LILACS、MEDLINE、Google Scholar和心理学索引期刊中进行了系统检索，涵盖2000年至2025年1月的出版物。使用关键词和医学主题词术语搜索和选择研究，应用特定的纳入和排除标准。选择遵循系统评价和Meta分析的首选报告项目扩展范围综述指南，并包括临床研究、综述和验证研究。数据被提取并以描述性方式综合。结果：共纳入22项研究。在神经影像学解释中，深度学习模型在大多数研究中达到了超过85%的诊断准确性，而监督机器学习改善了自闭症谱系障碍和注意缺陷多动障碍的亚型分类。决策支持系统提高了诊断效率，基于生物信号的AI显示出识别与神经发育障碍相关的生理标志物的潜力。结论：AI技术可能显著有助于改善儿童神经发育的早期诊断和临床决策。然而，研究设计、人群和算法标准化的差异仍然是一个挑战。AI技术也面临伦理问题，如数据隐私和安全、可解释性、公平性和可及性以及算法偏见。进一步的多中心验证和监管框架对于临床转化至关重要。