为什么真正该问的不是“AI能不能诊断ADHD”，而是“谁来定义什么算诊断有效”？

凌晨一点,她做完了第五个「AI ADHD 测试」——一个号称用机器学习分析答题模式的网页,结果是「高度疑似」。前四个的结果分别是:疑似、不太像、高度疑似、建议就医。她盯着五份互相矛盾的报告,突然意识到自己从没问过一个问题:这些工具说的「准确率 92%」,是和什么比出来的?那个被当作标准答案的东西,又是谁定的?

收敛:「AI 能不能诊断 ADHD」是媒体最爱的问题,但它在技术上问错了位置。本文只回答被跳过的那个前置问题——诊断有效性的「金标准」本身是如何被定义的?这个定义权的归属,如何决定了所有 AI 诊断工具的真实成色?

穿透:准确率的分母是谁

机器学习的基本事实:任何「92% 准确率」都是相对某个标注(ground truth)而言的。ADHD 领域的标注是什么?是临床医生按 DSM-5 标准做出的诊断。这里藏着三层被营销略过的问题。

第一层:**金标准本身是共识而非生物学事实。**ADHD 没有血检、没有脑扫描确诊指标——DSM 标准是专家委员会对行为症状的操作化定义,它历史上多次修订(多动症→ADD→ADHD,阈值和亚型不断变化)。AI 模型学习的不是「ADHD 的本质」,是「当前版本的专家共识在临床实践中的投影」。

第二层:**标注继承偏差。**临床诊断本身存在系统性偏差——女性、成年人、高智商代偿者长期被漏诊(女性 ADHD 常表现为注意涣散而非多动,不符合「典型」画像)。用带偏差的标注训练的模型,会把漏诊学成规律:训练数据里女性确诊少→模型对女性给出更低的风险分→漏诊被算法固化并规模化。这不是假设,是医疗 AI 各领域反复上演的剧本。

第三层:利益的入场。定义「什么算有效」的权力正在被多方争夺:检测工具公司希望标准宽(市场大)、保险方希望标准严(赔付少)、药企、平台、学派各有立场。「AI 诊断」的叙事让这场争夺看起来像技术问题,从而绕过了它本质上是公共问题的事实。

验证

给读者一套可操作的鉴别问题——遇到任何 AI ADHD 检测,问四条:①它的 ground truth 是什么(临床诊断?自报问卷?)②验证人群和你像不像(年龄/性别/文化)?③它公布假阳性/假阴性率了吗(只说「准确率」的基本可以关掉)?④结果导向什么行动(导向「去做专业评估」是负责任的,导向「购买课程/保健品」的请直接拉黑)。可证伪的立场:如果未来出现生物标志物级别的客观指标,本文的「共识金标准」论述需要更新——但截至目前,那个指标不存在。

决策

做什么:把所有线上测试(包括 AI 的)重新定位为「筛查线索」——它们的合理用途只有一个:帮你决定要不要去做正式的临床评估。

不做什么:不要用五个测试互相验证(五个继承同一套偏差的工具,一致也不增加信度);不要因任何线上工具的「不太像」而放弃就医直觉——尤其女性和成年确诊者,你们正是标注偏差的主要受害人群。

先做什么:如果你已被这些测试困扰,今天做一件事:查一下你所在城市有资质做成人 ADHD 评估的医院/门诊,把电话或挂号入口存下来——把注意力从「测得准不准」移到「评估约不约」。

边界

本文讨论的是诊断认识论而非任何具体工具的评测(本文未做正式 A/B/C 分级)。明确声明:任何线上测试、包括本站内容,都不能诊断你——ADHD 的确诊需要有资质的临床专业人员结合病史、多场景功能评估做出。若你长期被相关症状困扰,请寻求正式的专业评估;被漏诊多年的成年人去评估,永远不算晚。

今天就能试的 3 件事

1. 用四条鉴别问题审一遍你做过的那些测试——学会这套问法,终身免疫劣质检测营销。
2. 查好本地成人 ADHD 评估资源,存进备忘录——把焦虑转成一个可执行入口。
3. 如果你是女性或成年后才怀疑:把「测试说我不像」和「我的实际困扰」分开记录,后者才是就医时最有价值的材料。

本文服务于人生 Harness 金字塔的叙事层:看清「谁在定义有效」,你就不会再把自己的人生答案,交给五个互相打架的网页。

参考来源

• Frontiers | Advanced machine learning techniques reveal … — 证据等级：低（GRADE）

---

本文是「ADHD × AI」系列的第 29 篇，由 Devin 基于持续维护的双域研究语料（72,739 篇论文 + LLM Wiki）亲自撰写，并持续迭代更新。