近日，加拿大阿尔伯塔大学的研究人员通过分析匿名的省级健康记录和教师的发展评估发现，机器学习可用于预测幼儿园学生将来患上注意力缺陷多动障碍（attention deficit hyperactivity disorder，简称“ADHD”）的风险，以便更早发现和治疗。研究小组认为，未确诊的ADHD会对孩子的发展轨迹产生巨大影响，因为如果他们在幼儿园时跟不上课程，那么在以后的年级里就会变得更加困难。
根据加拿大注意力缺陷多动障碍意识中心的数据，注意力缺陷多动障碍是儿童中最常见的神经发育障碍，影响约5%至9%的儿童和3%至5%的成人。ADHD有三种类型：多动症、注意力不集中症和两者兼有。症状包括冲动、学习困难和情绪自我调节能力差。男孩的平均诊断年龄为7岁，女孩为12岁。在阿尔伯塔省，提供的治疗包括行为疗法、咨询和药物治疗。
该研究团队分析了2016年阿尔伯塔省23,247名健康学前儿童的记录，在接下来的四年中，1,680 名（占7.2%）受试儿童被诊断患有ADHD。
在研究方法上，研究团队将从行政机关处获取的健康数据与教师使用的早期发展工具的结果联系起来。问卷由幼儿园教师填写，以衡量儿童是否达到身体健康、社交能力、情感成熟度、语言和认知发展、沟通技巧和一般知识的发展期望。再将结果分组，以提供儿童在学校、社区、城市或省份的表现概况。健康数据包括出生时的健康问题、母亲过去的心理健康状况和儿童就诊急诊次数等记录，以及按社区划分的人口统计信息，例如家庭规模、住房支出占收入的平均百分比和教育水平。当该算法结合使用健康记录和评估工具的数据时，其预测儿童未来会确诊ADHD的曲线下面积（AUC）为0.81。AUC是用于评估模型预测性能的指标，AUC为1表示性能完美。
研究小组报告称，未来患ADHD风险较低的主要预测因素包括教师报告的良好学习策略和社交技能、以英语或法语为第二语言(ESL/FSL)以及女性。风险较高的预测因素包括课堂上注意力不集中、有精神健康医院就诊史、社区教育程度较高、母亲精神健康问题、相对住房支出较高以及家庭规模较大。主要研究员也表示，这些因素极大可能是相互依存的，其影响值得进一步研究。
阿尔伯塔大学计算精神病学实验室(Computational Psychiatry Lab)希望继续发展该机器学习和健康数据计算模式，为ADHD潜在患者提供早期干预。
更多信息请参阅：
编译自：阿尔伯塔大学官网, 2025-01-09
编译者：上海师范大学国际与比较教育研究院 冉冉
