Forscher der Duke University haben einen künstlichen Intelligenz-Ansatz entwickelt, der das Risiko für Aufmerksamkeitsdefizit-Hyperaktivitätsstörung (ADHS) bei Kindern Jahre vor einer tatsächlichen Diagnose identifizieren kann. Die Studie, veröffentlicht in der Fachzeitschrift Nature Mental Health, zeigt, dass routinemäßige elektronische Gesundheitsdaten genutzt werden können, um frühe Warnsignale zu erkennen, die derzeit oft übersehen werden. Viele Kinder warten lange auf eine Diagnose, obwohl frühe Anzeichen vorhanden sind, was den Zugang zu Unterstützung verzögert und langfristige Folgen hat. Das Forschungsteam analysierte elektronische Gesundheitsakten von mehr als 140.000 Kindern mit und ohne ADHS. Sie trainierten ein spezialisiertes KI-Modell, um Muster in der medizinischen Geschichte von der Geburt bis zum frühen Kindesalter zu erkennen. Das System lernte, Kombinationen aus Entwicklungs-, Verhaltens- und klinischen Ereignissen zu identifizieren, die oft Jahre vor der üblichen Diagnose auftreten. Das Modell zeigte eine hohe Genauigkeit bei der Risikobewertung für Kinder ab fünf Jahren und lieferte konsistente Ergebnisse unabhängig von Merkmalen wie Geschlecht, ethnischer Zugehörigkeit oder Versicherungsstatus. Wichtig ist dabei, dass das Tool keine eigenständige Diagnose stellt. Stattdessen dient es als Unterstützung für Ärzte, um Kinder zu identifizieren, die eine frühere Beurteilung oder einen spezialisierten Befund benötigen. Elliot Hill, leitender Forscher und Data Scientist an der Duke University School of Medicine, betonte, dass die bereits gesammelten Daten eine enorme Informationsquelle darstellen. Das Ziel war zu prüfen, ob sich darin verborgene Muster finden lassen, die eine Vorhersage des ADHS-Risikos lange vor dem klinischen Zeitpunkt ermöglichen. Matthew Engelhard, leitender Autor und Arzt an der Duke University, wies darauf hin, dass es sich nicht um einen KI-Arzt handelt. Vielmehr ist es ein Instrument, das Ärzten hilft, ihre Zeit und Ressourcen gezielter einzusetzen, damit betroffene Kinder nicht durch das System fallen oder jahrelang auf Antworten warten müssen. Eine frühere Identifizierung könnte zu früheren Diagnosen führen und somit frühere Interventionen ermöglichen, die nachweislich zu besseren schulischen, sozialen und gesundheitlichen Ergebnissen für Kinder mit ADHS beitragen. Die Studieautorin Naomi Davis betonte die Dringlichkeit, Familien zeitnah mit evidenzbasierten Maßnahmen zu verbinden, da mangelndes Verständnis für die Bedürfnisse der Kinder deren Entwicklung erheblich beeinträchtigt. Diese Initiative ist Teil einer breiteren Forschungsarbeit des Teams zur Nutzung von KI zur Vorhersage von Risiken und Ursachen für psychische Erkrankungen bei Jugendlichen. Die Autoren sehen den Einsatz des Tools jedoch nur nach weiteren Studien in klinischen Einrichtungen als vollständig gerechtfertigt an. Bis dahin dient das Modell als vielversprechender Schritt, um die Versorgung von Kindern mit ADHS durch präzisere Früherkennung zu verbessern und die Lücke zwischen ersten Anzeichen und professioneller Unterstützung zu schließen.