多变量预测建模提升儿童精神病理诊断与预后：现状与方向

Biological psychiatry. Cognitive neuroscience and neuroimaging · 2026-10-21 · 综述

• 一句话结论：该综述认为，计算科学与机器学习为儿童失调性精神病理及注意缺陷多动障碍的早期识别与预后预测提供了改进诊断与资源配置的机会，但当前证据尚不足以下结论，模型走向临床仍需系统验证。
• 研究设计与做法：为叙述性综述（证据档位B），未开展原始数据分析；材料未报告纳入文献数量、检索策略与随访时长，亦未报告具体样本量。
• 主要结果：材料未报告定量结果，无效应量、置信区间或p值；作者以定性方式归纳概念、实践与计算三方面挑战，并提出改进路径。
• 机制或解释：作者提出应把个体差异视为预测信息而非噪声，纳入认知与气质相关情绪特征等传统诊断框架外的表型，并加强跨学科及患者、服务提供者参与，以内部与外部验证和临床效用评估推动转化。
• 局限与边界：作为综述，其观点基于作者对领域现状的判断，材料未报告系统检索与偏倚评估方法；作者亦提示现有数据来源的局限与泛化性限制可能使部分人群被遗漏。
• 可否落地：对科研，提示应优先开展严格的内外部验证与临床效用研究；对临床，筛查与资源分配应用目前仅属“提示”层面，尚不足以下结论，落地前需前瞻性验证。

🔗 打开原文

Karalunas SL, Faraone SV, Mooney MA 等

本文摘自《每日前沿研究简报 · 2026-10-24》「AI 医学影像与临床决策」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。