کاربرد هوش مصنوعی در غربالگری اولیه ADHD در مدارس با استفاده از پرسش نامه های دیجیتال و تحلیل رفتاری

مقدمه:اختلال کم توجهی بیش فعالی (ADHD) یکی از شایع ترین اختلالات روانپزشکی در کودکان است که در صورت تشخیص دیرهنگام، تاثیرات منفی قابل توجهی بر عملکرد تحصیلی، روابط اجتماعی و سلامت روان آن ها می گذارد. تشخیص زودهنگام این اختلال نیازمند ارزیابی دقیق رفتاری توسط متخصصان است، اما در بسیاری از مناطق ایران به دلیل کمبود روانشناس و روانپزشک کودک، این امکان محدود است.در سال های اخیر، هوش مصنوعی به عنوان ابزاری کمکی در تحلیل اطلاعات روان شناختی و تشخیصی شناخته شده است. هدف این مطالعه بررسی امکان استفاده از هوش مصنوعی برای تحلیل پرسش نامه های دیجیتال والدین و معلمان جهت غربالگری اولیه ADHD در مدارس ابتدایی ایران می باشد.مواد و روش: در این مطالعه توصیفی-تحلیلی، طراحی یک سیستم غربالگری هوشمند مبتنی بر هوش مصنوعی (با الگوریتم درخت تصمیم و تحلیل خوشه ای ساده) برای بررسی نتایج پرسش نامه های استاندارد ADHD انجام شد. پرسش نامه های دیجیتالی از فرم های معتبر مانند Conners و SNAP-IV استفاده شد که توسط والدین و معلمان ۱۵۰ دانش آموز پر شده بود. سپس داده ها توسط نرم افزار تحلیل گر هوش مصنوعی بررسی و الگوهای رفتاری طبقه بندی شدند. نتایج سیستم با تشخیص نهایی روانپزشک مقایسه شد تا صحت و دقت الگوریتم ارزیابی شود.یافته ها: مدل طراحی شده موفق شد با دقت ۸۷٪ کودکان مشکوک به ADHD را شناسایی کند. از دید کاربران (معلمان و والدین)، استفاده از فرم دیجیتال ساده تر و سریع تر از فرم کاغذی بود و نتایج تحلیل فوری در اختیار مدرسه و والدین قرار گرفت. همچنین استفاده از این ابزار در مناطق محروم، هزینه غربالگری را تا ۶۰٪ کاهش داد.نتیجه گیری: هوش مصنوعی می تواند به عنوان یک ابزار مکمل در غربالگری اولیه ADHD به ویژه در مدارس ایران، به کار گرفته شود. طراحی فرم های دیجیتالی ساده و سیستم تحلیل خودکار، می تواند بار تشخیص را از دوش سیستم بهداشت روان بردارد و غربالگری گسترده تری را در سطح کشور ممکن سازد. توسعه این ابزار با همکاری وزارت آموزش وپرورش و معاونت بهداشت، می تواند گامی موثر در ارتقای سلامت روان کودکان ایرانی باشد.

کلیدواژه ها:

ADHD ، غربالگری اولیه ، مدارس ، پرسش نامه دیجیتال ، هوش مصنوعی ، تحلیل رفتاری