最近，應用於兒童神經精神病學的遠程醫療有所增加，例如使用在線平台遠程收集病例曆史和人口統計和行為信息。European Child & Adolescent Psychiatry雜誌發表了一項研究，旨在了解家長和教師通過在線問卷提供的信息在多大程度上與臨床醫生對注意力缺陷/多動障礙(ADHD)的診斷結論重疊。此外，研究探索自閉症譜係障礙(ASD)症狀在這一過程中可能發揮的作用。

研究人員檢查了遠程收集的家長和老師評分的問卷，並對342名年齡3~16歲的受試者(18%女性)進行了完整的神經精神病學評估，並根據DSM-5標準接受或沒有接受ADHD和/或ASD診斷。建立了一個易於解釋的機器學習模型-決策樹(DT)，以模擬基於收集數據對ADHD/非ADHD進行分類的臨床過程。然後，通過交叉驗證方法測試DT模型的預測準確性。將DT分類器的性能與其他機器學習模型(如隨機森林和支持向量機)進行比較。在DT識別的類別中測試ASD症狀的差異，以解決它們在使用DT模型執行診斷錯誤中的作用。

最後的樣本包括326名兒童和青少年。在臨床醫生的診斷過程結束時，52%的樣本接受了沒有ASD的ADHD診斷，33%的受試者既沒有ADHD也沒有ASD診斷，8%的受試者被診斷為沒有ADHD的ASD，7%的兒童接受了ADHD - ASD共病診斷。

DT確定了臨床醫生用於分類ADHD診斷的決策規則，準確率為82%。在交叉驗證實驗中，DT模型的預測準確率達到74%，與其他分類算法的預測準確率相當。護理人員報告的ADHD核心症狀嚴重程度被證明是臨床醫生在診斷決策過程中最具鑒別性的信息。然而，當必須確定ADHD的嚴重程度時，ASD症狀是一個混雜因素。

事實證明，遠程醫療程序在獲得關於診斷風險的自動化輸出方麵是有效的，減少了症狀檢測和診斷之間的時間延遲。然而，這不應被視為現場實踐的替代品，而應被視為對臨床實踐的自動化支持，使臨床醫生能夠為最複雜的病例分配更多的資源。

原文出處：

SilviaGrazioli, AlessandroCrippa, et al, Exploring telediagnostic procedures inchild neuropsychiatry: addressing ADHD diagnosis andautism symptoms throughsupervised machine learning, European Child & Adolescent Psychiatry, 2022, https://doi.org/10.1007/s00787-023-02145-4.