От машинного обучения к глубокому обучению в диагностике синдрома дефицита внимания и гиперактивности: библиометрический анализ глобальных тенденций (2011-2024)

В статье представлен библиометрический анализ 722 публикаций (2011-2024) по применению искусственного интеллекта и машинного обучения для диагностики СДВГ. Выявлен экспоненциальный рост числа работ с пиком в 2023 году и «исследовательская дуополия» США и Китая. Показан переход от традиционных методов машинного обучения (опорные векторы) к глубокому обучению, а также сдвиг от фМРТ к электроэнцефалографии как предпочтительному нейровизуализационному методу. Авторы подчеркивают необходимость развития объяснимого ИИ и мультимодальной интеграции данных для клинического внедрения.

**Выводы:** Библиометрический анализ подтвердил переход диагностики СДВГ от субъективных клинических интервью к объективным методам на основе ИИ, при этом электроэнцефалография вытесняет фМРТ благодаря доступности и высокому временному разрешению. Для внедрения алгоритмов в практику требуется разработка объяснимого ИИ и объединение данных из разных источников.