پیش بینی و بهبود تنظیم هیجانی در افراد مبتلا به اختلال نقص توجه–بیش فعال: نقش الگوریتم های یادگیری ماشین

چکیده: اختلال کمبود توجه و بیش فعالی (ADHD) یکی از شایع ترین اختلالات روان شناختی در کودکان و نوجوانان است که با مشکلات قابل توجهی در توجه، تمرکز و تنظیم هیجانی همراه است. افراد مبتلا به ADHD معمولا در مدیریت هیجانات خود دچار چالش هایی هستند که می تواند بر کیفیت زندگی و روابط اجتماعی آنان تاثیر منفی بگذارد. هدف این مقاله مروری بررسی نقش الگوریتم های یادگیری ماشین در پیش بینی و بهبود تنظیم هیجانی در افراد مبتلا به ADHD و تحلیل کاربردهای آن در درمان و پیش بینی رفتارهای هیجانی این افراد است. این مقاله به شیوه مروری و تحلیلی بر اساس منابع علمی معتبر موجود در پایگاه های داده مانند PubMed، Scopus و Google Scholar تهیه شده است. برای انتخاب مقالات، جستجوهای کلمات کلیدی شامل "ADHD"، "emotional regulation" و "machine learning" در دوره زمانی ۲۰۱۰ تا ۲۰۲۳ انجام شده است. مطالعات انتخابی شامل تحلیل های تجربی و شبیه سازی های یادگیری ماشین در افراد مبتلا به ADHD بوده اند. همچنین، مقالاتی که به کاربرد داده های فیزیولوژیکی مانند ضربان قلب و پاسخ های عصبی در پیش بینی هیجانات پرداخته اند، مورد بررسی قرار گرفتند. نتایج مطالعات نشان می دهند که مدل های یادگیری ماشین مانند درخت تصمیم، دسته بندی کننده های تصادفی و شبکه های عصبی توانسته اند به دقت بالایی در تشخیص اختلالات هیجانی در ADHD دست یابند. این مدل ها با تحلیل ویژگی های روان شناختی و فیزیولوژیکی مرتبط با ADHD، الگوهای هیجانی پیچیده را شناسایی کرده و امکان ارائه درمان های شخصی سازی شده برای تنظیم هیجان را فراهم می آورند. به ویژه، مدل های ترکیبی که از هم افزایی یادگیری ماشین و دانش بالینی استفاده می کنند، دقت تشخیص را افزایش داده اند. استفاده از الگوریتم های یادگیری ماشین در تحلیل و پیش بینی تنظیم هیجانی در افراد مبتلا به ADHD می تواند به عنوان یک ابزار موثر در درمان و مدیریت این اختلال به کار گرفته شود. این رویکرد نیازمند تحقیقات بیشتر برای ارتقاء دقت و کاربردهای عملی آن در درمان های روزمره است.

Keywords:

اختلال کمبود توجه و بیش فعالی , تنظیم هیجانی , یادگیری ماشین , تحلیل داده های فیزیولوژیکی , درمان های شخصی سازی شده