Scoping Review sobre el uso de la Inteligencia Artificial (AI) en el diagnóstico del Déficit de Atención e Hiperactividad (TDAH) en menores de 18 años, durante los años 2019 a 2024

Introducción: El trastorno por déficit de atención e hiperactividad (TDAH) presenta una prevalencia del 3-5 % a nivel mundial. Sus manifestaciones clínicas suelen aparecer antes de los 12 años y constituye una de las entidades más frecuentes en la práctica de la psiquiatría infantil. El diagnóstico se basa principalmente en la evaluación clínica, lo que genera elevada variabilidad intersubjetiva y frecuente sub y sobrediagnóstico. Para reducir este problema, se han propuesto diversas pruebas, herramientas y biomarcadores orientados a una valoración más objetiva. Objetivo: Realizar una revisión de alcance sobre la implementación de métodos basados en inteligencia artificial (IA) en el diagnóstico del TDAH. Métodos: Llevamos a cabo una revisión de la literatura indexada y de literatura "gris", en base de datos como Embase, PubMed y Ovid, siguiendo la guía PRISMA para revisiones de alcance (PRISMA-ScR). Llevamos a cabo un análisis descriptivo y crítico de la literatura, enfatizando en las tendencias, lagunas de conocimiento y líneas propuestas de investigación. Resultados: 242 referencias cumplieron los criterios de inclusión. Detallamos un aumento sostenido de la investigación sobre IA aplicada al diagnóstico del TDAH en el periodo estudiado, principalmente en Estados Unidos y China. En la mayoría de los estudios los autores emplearon algoritmos de machine learning (ML) sobre muestras de electroencefalografía (EEG) (35 %) y neuroimágenes (32 %). Las métricas de desempeño de los modelos oscilaron entre el 80 % y el 100 % para diferenciar casos de controles. Pese a su potencial, evidenciamos limitaciones metodológicas y prácticas que restringen su adopción generalizada de la aplicación de la IA en el diagnóstico del TDAH. Conclusiones: En la actualidad, la IA no sustituye la entrevista clínica, el análisis multidimensional ni la evaluación contextual realizada por especialistas humanos; sigue siendo una herramienta complementaria al juicio clínico.

• Autores: Aldas Ávila, Daniela Alejandra; Ballestero Galeano, Nalfer Francisco
• Tipo de recurso: https://purl.org/coar/resource_type/c_7a1f
• Fecha de publicación: 2025
• Institución: Universidad El Bosque
• Repositorio: Repositorio U. El Bosque
• Idioma: spa
• OAI Identifier: oai:repositorio.unbosque.edu.co:20.500.12495/15042
• Acceso en línea: https://hdl.handle.net/20.500.12495/15042
• Palabra clave: Revisión de alcance; Diagnóstico; Déficit de Atención e Hiperactividad; Niñez; Inteligencia Artificial; Aprendizaje Automatico; Scoping Review; Diagnosis; Attention deficit hyperactivity disorder (ADHD); Child; Artificial intelligence (AI); Machine learning; WS 350
• License: Attribution-NonCommercial-ShareAlike 4.0 International