为什么AI 诊断 ADHD 最危险的不是不准，而是把高偏倚研究包装成确定性？
《问题282》人工精修选题，双域证据作答。
为什么AI 诊断 ADHD 最危险的不是不准，而是把高偏倚研究包装成确定性？
AI 诊断 ADHD 的论文正在井喷:眼动追踪、语音分析、击键模式、脑电、问卷 NLP——准确率动辄「92%」「95%」。公众讨论的焦点几乎全在「准不准」上,但这个焦点本身就搞错了危险的位置。一个准确率 70% 但诚实标注不确定性的系统,危害有限;一个把高偏倚研究包装成「95% 准确」的系统,是在给一个本就充满误诊风险的领域,注入工业级的虚假确定性。这一篇按 GRADE 的思路,把「95%」这类数字逐层拆开——拆完你会明白,为什么证据分级比准确率数字重要得多。
先拆那些漂亮数字是怎么生产的,四个高发偏倚源,每个都能凭空造出十几个百分点:
偏倚一:病例-对照的温室设计。 大多数研究拿「确诊 ADHD 组」对比「健康对照组」——两组在光谱两端,中间地带(亚临床、焦虑抑郁导致的注意问题、睡眠剥夺的正常人)全部缺席。而临床真实场景恰恰全是中间地带:来筛查的人本来就觉得自己注意力有问题。温室里的 95%,到了诊室能掉到多少,多数论文根本没测——区分「ADHD vs 健康人」和区分「ADHD vs 其他原因的注意问题」,是两道难度差一个量级的题,而后者才是临床要答的。
偏倚二:小样本+过拟合+发表偏倚。 几十人的样本、上千维的特征(脑电、眼动都是高维数据)、交叉验证在同一批人内部打转——这是机器学习的经典过拟合配方;再叠加发表偏倚(掉到 70% 的结果发不出来),文献里留下的就是被筛选过的高分。换一家医院、换一台设备、换一个人群,外部验证掉 15-20 个点是常态——而做了独立外部验证的研究,是少数。
偏倚三:金标准本身是软的。 所有这些模型的训练标签来自临床诊断——而 ADHD 的临床诊断本身依赖症状报告与判断,不同医生间的一致性并不完美。拿一个有噪声的标签训练,再宣称超越噪声的准确率,逻辑上就该警惕:模型学到的可能是「这家诊所的诊断习惯」,而不是「ADHD 的生物学真值」。
偏倚四:利益结构。 数字诊断赛道有真金白银的商业压力,而「95% 准确」是最好的融资和获客语言——从论文的 95% 到落地页的「AI 精准识别 ADHD」,中间的每一次转述都在剥掉限定条件(样本、场景、置信区间),到用户眼前只剩一个赤裸的大数字。
然后是关键一步:为什么「包装成确定性」比「不准」更危险。因为诊断数字直接改写人的自我叙事和医疗行为:一个被高偏倚模型打上「92% ADHD」的焦虑症患者,可能带着虚假确定性绕过鉴别诊断,在错误的路径上耗几年;反过来,被「不像 ADHD」误排除的人,污名墙又厚了一层(「AI 都说我没有」)。不确定性被诚实标注时,人会继续求证;不确定性被包装掉时,求证就终止了——终止求证,才是最大的伤害。讽刺的是,这恰好也是 LLM 的核心风险模式:模型输出错误答案不可怕,可怕的是用流利笃定的语气输出——校准(calibration)问题,两边同构得严丝合缝:AI 诊断的「95%」和 LLM 的自信幻觉,是同一种病:置信度与真实可靠性脱钩。
给普通读者的防身术,三句话:看到 AI 诊断的准确率,先问**「对照组是谁」(健康人?还是其他注意问题患者?);再问「外部验证了吗」(换人群换设备还剩多少?);最后记住任何筛查工具的结果都只是「值得进一步评估」的信号**,不是判决——真正的诊断,在有鉴别诊断的诊室里。
边界
同构强度 B 级:诊断模型的偏倚类型(病例对照设计、过拟合、标签噪声、外部验证缺失)是方法学文献的成熟内容,LLM 校准问题有直接研究;本文对具体赛道的批评是方法学分析,不针对任何单一产品,且确有少数研究做了严格的外部验证——批评的是包装,不是研究方向本身(AI 辅助筛查若诚实标注不确定性,对缩小 80% 诊断缺口可能是重要力量)。声明:本文不构成对任何诊断产品的使用建议;疑似 ADHD 请走临床评估路径。
今天就能试的 3 件事
- 给你见过的一个「95%」做三问:对照组是谁/外部验证没有/置信区间多宽——三问答不上,数字降级处理。
- 把 AI 筛查结果重新定位:如果你做过任何在线/AI 测评,把结果从「结论」改写为「值得评估的信号」。
- 转发这套三问给一个正在被数字轰炸的人:防身术的价值在于流通。
数字不会伤人,被剥掉不确定性的数字才会——AI 诊断最该学会的不是更高的准确率,是诚实地说「我不确定」。这恰好也是我们对 LLM 的全部要求。
参考来源
同构强度：B 级 —— 机制类比（ADHD 侧与 LLM/agent 侧均有真实文献，机制可映射）
- ADHD Apps: We tested 44 Apps and Here’re the Best 9 in 2026 — 证据等级：低（GRADE）
- 12 AI Personal Assistants Built for ADHD Brains (2026 Rankings) — 证据等级：低（GRADE）
- LBD同构对：自我调节与元认知 — Inhibitory control and emotion regulation in preschool child ↔ ObjexMT: Objective Extraction and Metacognitive Calibration — 证据等级：低（GRADE）
- LBD同构对：自我调节与元认知 — Emotion-related self-regulation and its relation to children ↔ A Reproducibility Study of Metacognitive Retrieval-Augmented — 证据等级：低（GRADE）
- The 12 Best AI Tools for 2026 (That People Actually Use) — 证据等级：低（GRADE）
- The AI Powered SuperApp for Work | Motion — 证据等级：低（GRADE）
本文是「ADHD × AI」系列的第 109 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。