AI 用於注意力不足過動障礙(Attention-Deficit/Hyperactivity Disorder,ADHD):分享前先查核 Vanderbilt 敘述

作為家長、老師或臨床醫生,您知道孩子不僅僅是表格上的一組數字。雖然標準的 Vanderbilt Assessment 是了解潛在 ADHD 相關行為的關鍵第一步,但其分數有時會引發更多問題,而非解答。...

作者:Nathaniel Pierce · 更新於 2026 年 11 月 3 日

所謂用 AI 來處理注意力不足過動障礙(ADHD),可能只是一個幫你處理日常任務的小助手,也可能是能生成健康相關文字的工具。面對一份 Vanderbilt 敘述,第一步就是把它的每一句話拿來對照你的實際回答。AI 報告可以聽起來很具體,卻從未觀察過你的孩子。真正有用的問題是:每一句話是否對得上你真正提供過的資訊,以及它是否還守得住問卷本身的界線。一段聽起來行雲流水的解釋,不等於能證明某個行為為何發生,也不代表哪一種支持真的有效。

如果你用過我們的線上 Vanderbilt 家長問卷,請先把三件事分開看:你填寫的答案、網站算出的結果,以及任何生成出來的敘述。至於原始版本的量表身分與計分方式,請參考 Vanderbilt 量表指南。務實的重點,是把 AI 文字當成草稿來審閱,而不是把它說成更深入的臨床評估。

AI 助理能幫你草擬哪些東西

時間規劃、排優先順序、面對一個讓人喘不過氣的專案、記住別人交代的指示、開始一件事,或學習——這些都可以請 AI 先草擬一版給你檢查:一份短短的任務清單、一句改寫過的指示,或幾個你可以帶去問老師的問題。接著要問的是:它貼不貼近真正的任務?這只是讓你檢視生成文字的方式,不是某個 App 能處理這些困難的證據。如果草稿漏掉了一項責任,或憑空捏出一個期限,用之前先把它改對。

簡單的檢查可以用三欄搞定:任務實際上怎麼被交辦、AI 提出的步驟,以及你需要修改的地方。假設交辦的內容是「準備一份簡短報告」,AI 不會知道老師有什麼要求,除非你把要求提供給它,並且自己核對過。聽起來很有自信的工具,一樣可能誤解任務。最終的計畫要握在你手上;遇到說不清楚的指示,就去找真人幫忙。

下面提到的研究談的是問卷的詮釋,而不是在比較各家日常規劃 App。它無法替 ADHD 助理排名,也無法證明哪一個能改善症狀。挑 App 之前,先想清楚三件事:你需要的是什麼形式的輸出、你能不能驗證它,以及它會不會要求你分享你其實想保留私隱的資訊。你完全可以只用自己的任務清單,不必附上孩子的臨床細節。

把三種資訊分開

第一,是知情人提供的觀察。「晚餐後作業就做不進去」——這是家長的說法。第二,是根據答案算出來的數字。第三,是可能存在的生成文字,用來摘要、舉例或詮釋前面這些輸入。你要分享的任何一份報告,都應該讓這三層分得清楚。

原始的 NICHQ 表格本來就把症狀與表現的資訊整理在一起,並且警告不可單獨用於臨床用途。[1] 加上一段敘述,並不會解除這項限制。報告不可能去訪談孩子,不可能獨立觀察學校,也不可能只是靠「改寫」就讓某句背景陳述變成真的。

我們真正的線上測驗就是那套家長問卷。基本結果顯示的是總分,而不是官方的篩檢分類,也不是某一種 ADHD 表現型。別想當然爾地認為:加一段選用的敘述,就能建立起那些分類,或能補上一個從未被獨立收集過的教師觀點。

問卷回答與生成文字的示意圖

逐一追查每句話的來源

一次只讀一個段落。把「可觀察的陳述」畫上底線,再問:這句話出現在我的哪一個回答或哪一則筆記裡?如果找不到,就把它標記為「推論」或「憑空捏造的例子」,而不是當成關於孩子的新事實。

敘述說法該查什麼較安全的用法
「家長回報難以開始作業」真的有這樣回報過嗎?保留出處與情境
「學校裡也會這樣」有沒有獨立的學校資訊?改問老師,不要自行假設
「擔憂造成了注意力困難」這個成因經過專業評估確立了嗎?改寫成問題,而不是結論
「視覺化日程表能解決問題」這是在預先承諾結果嗎?適合的話,討論小規模的試用
「衝動展現了創造力」創造力有被獨立描述過嗎?改問真正的興趣與強項

這張表的作用,是讓那些沒有根據的加料無所遁形。當你不確定某句話是否為真,就把它從摘要裡拿掉。一份短而準確的說明,遠比一個看起來很完整、其實全靠猜拼出來的故事有用。

比較不同報告格式的示意圖;並非臨床準確度的比較

篇幅較長的敘述不等同於醫學影像,也不會因為細節更多,就多出一份臨床證據。

聽起來順暢的解釋,為何仍需查核

Jiao 與同僚研究了在兒童精神醫療情境中,語言模型如何詮釋家長問卷的資訊。[2] 他們使用的是 Conners 與 Weiss 測量工具,而不是 Vanderbilt,因此其結果並不是本網站的準確率估算。但這項研究仍然點出了關鍵的失效模式:一份解釋可以聽起來合情合理,同時卻加上輸入資料根本撐不起的臨床主張。作者建議把這些解釋當成「可以稽核的草稿」來看待。

檢查一段生成文字,分兩輪進行。第一輪,先問:每一項事實陳述,是否都能追溯到某個答案或某次真實觀察?第二輪,再問:結論是否超出了那項事實?「回報有難以開始作業的困難」可能是追溯得到的;「這項困難是焦慮造成的」則需要問卷回答本身提供不了的證據。關於成因的疑問,請留給臨床專業人員,不要讓敘述替你拍板。

讓虛構情境維持虛構

例子可以讓概念更好懂,但一個情境不等於某件事真的發生過的證據。報告可能描述孩子在團隊作業中打斷別人,而你其實只回答了一個籠統的頻率題。別把那一幕當作親眼所見,說給老師或臨床專業人員聽。

比較好的做法,是把它當成一個提問的起點:「有沒有類似的情況發生過?可以描述一個真實的例子嗎?」答案也可能是「沒有」。請把這個可能性保留下來,不要一路搜尋,直到那個生成的情境看起來像是被證實了。報告不該把家庭引導向某一套既定的說法。

舉個虛構的檢討例子:想像 AI 的一段文字說,某個孩子因為課程太簡單而坐不住。家長並沒有提供任何關於課程難度的資訊。有用的修正是把這個臆測的成因拿掉,改去問老師:哪些任務困難、哪些任務還算輕鬆。不確定性本身也是資訊的一部分,不是需要藏起來的瑕疵。

示意性的側寫呈現,並非對某個孩子經過驗證的發現

留意關於成因、狀況與治療的主張

問卷上的分類標題,不是臨床結論。問卷中某個具名分類的分數偏高,不能就此確立該分類所指的狀況。同樣地,兩種模式同時出現,並不能告訴我們哪一個造成了哪一個。生成文字不該把「可能的關聯」變成「對你孩子的成因解釋」。

不要用敘述來挑選藥物、調整劑量、判定不需要專業評估,或是規劃限制性飲食與補充劑。臨床上的問題,請帶去找熟悉孩子的合格專業人員。症狀題的回答,並不能確立哪一種治療才是合適的。

也要小心那些藏在安心語氣裡的確定感。「這解釋了一切」、「現在你終於知道孩子的大腦是怎麼運作的了」——這類說法,是要一份報告去證明超出其輸入能支撐的範圍。一段真正有用的文字,應該說清楚:哪些是已經回報的、哪些仍然不確定、以及你想接著討論哪一個問題。

報告與可能提出的討論問題的示意圖

先看底層分數,再相信摘要

我們網站的基本顯示採用「總分 X / 183」的形式。這個計算是把症狀分數與表現題的平均值合併而成,而顯示的分母在這套算法下根本不可能達到。它不是 NICHQ 的官方詮釋,絕對不能被當成嚴重程度百分比或臨床臨界值。

原始家長初始版的說明,要求將指定的症狀數與表現方面的問題合併判讀。[1] 一段生成的解釋,無法讓另一種不同的總分等於那些規則。如果你有存下每一題的回答,就把它連同輸出一起帶去;如果手上只剩一個總分,那就把這項限制說清楚。

想看針對特定版本的解說,請見如何解讀 Vanderbilt 結果與下一步。原始測量的意義與敘述文字的品質,是兩個不同的問題;兩者都不該從對方的專業外觀去推定。

把有用的文字改寫成你能驗證的問題

一個建議即使尚未被證明正確,仍然可能有用。把它改寫成一個能點出需求與可能下一步的問題。「試著先寫下第一步」可以變成:「如果先寫下第一步,這個任務會不會更清楚?我們又該怎麼確認它有沒有幫上忙?」也要把孩子的觀點納進來。

讓嘗試保持小規模、安全,並由當事人自願選擇是否進行。不要附上預先承諾的結果,也不要因為某天過得辛苦,就解讀成孩子不配合。如果這個問題牽涉正式的介入措施,請向相關專業人員詢問證據、適配度、監測方式,以及有哪些替代方案。

直接問強項。「你的孩子喜歡什麼?什麼時候孩子自己覺得辦得到?」——這樣得到的資訊,比從症狀回答裡硬套一個正面的人格特質要有用得多。一份平衡的摘要可以同時包含困難與興趣,而不必然宣稱其中一個造成了另一個。

參考文獻

[1] American Academy of Pediatrics and NICHQ. 2002. NICHQ Vanderbilt Assessment Scales: initial forms, follow-up forms, and scoring instructions. American Academy of Pediatrics / National Initiative for Children’s Healthcare Quality.

[2] Jiao et al. 2026. Large language models for ADHD clinical label prediction via parent questionnaires: diagnostic performance, explanation groundedness, and failure modes a temporal validation study. BMC Psychiatry. doi: 10.1186/s12888-026-08760-0.

準備一份保留不確定性的交接說明

分享之前,先寫一段簡短的說明,分成三部分:知情人回報了什麼、網站輸出了什麼、還有哪些問題懸而未決。任何生成的文字都要標示出來。也要問對方:是想看完整的敘述,還是更想看實際的回答加上摘要就好。

一份虛構的交接說明可以這樣寫:「我完成了線上家長問卷,也把回答保存下來了。網站給了一個總分。AI 的一段文字提出一個可能的作業情境,但我們還沒有查證。我們真正擔心的是,孩子難以開始寫作作業。」這樣的說法,把有用的觀察與推測分開了。

你也可以選擇不使用那份敘述。選用的報告不是求助的先決條件。我們的就診準備指南說明了如何在不依賴生成分析的情況下,整理例子與問題。

如果孩子可能傷到自己,或無法確保安全,請立即尋求當地的緊急救援或危機支援。不要用 AI 報告或篩檢分數來判斷眼下的安全。對於日常但持續存在的困難,即使敘述看起來令人安心,也請安排適當的專業討論。

常見問題

哪一套 AI 最適合用於 ADHD?

本文提到的問卷研究,並沒有確立哪個選項最好。它用的是 Conners 與 Weiss 的資料,而不是 Vanderbilt,作者也不支持投入臨床使用。先選定你要做的事,再檢查輸出;不要把模型排名當成臨床建議。

AI 是處理 ADHD 的好工具嗎?

生成的文字可以給你一份可以檢查的草稿,例如任務步驟或摘要。它對你的情況是否有幫助,還需要進一步評估。一份聽起來順暢的敘述不是經過驗證的臨床證據,也無法確立孩子的行為為何發生。