Skip to content
MyFreud

這篇翻譯尚未經過真人審閱。 閱讀英文原文

AI 與 ADHD:有效與無效的幫助

聊天機器人可以真實地幫助你開始一項任務。它無法告訴你是否有 ADHD,原因比聽起來更有趣。

閱讀時間:約 5 分鐘

平面向量插圖,描繪一位女性坐在桌子前,手托著下巴,目光遠離螢幕,背後的牆上貼著便利貼。

主要重點

  • 對於注意力不足過動症(ADHD),聊天機器人有用的地方在於它不需要思考。它消除了空白頁面,而這正是任務啟動最常失敗的地方,這是一種真正的幫助,即使聽起來微不足道。
  • 證據比熱情薄弱。最近發表的研究是專家小組對模擬治療互動的評估,這是對示範的知識性意見,而不是對患者結果的測量。
  • 目前沒有可以用來測試 ADHD 的 AI 測試,研究解釋了原因,而不是將其視為一個空白。對 100 個預測模型的回顧發現,幾乎所有模型都是僅在其建立所用的數據上進行測試的。
  • 約96%的數據在內部得到了驗證,約7%在外部得到了驗證,這是已經見過的人群與未見過的人群之間模型的區別。
  • 特定的陷阱在於聊天機器人會同意你的觀點。它會用流利、自信的語言闡述一個關於你的理論,而這種流利並不代表證據,這對於它最無法回答的問題來說尤其重要。

聊天機器人在注意力不足過動症(ADHD)的一個方面確實有用,但在另一個方面則無用,這兩者經常被混淆。它擅長消除空白頁面,這是大多數人開始時經常失敗的地方。它無法告訴你是否有這種狀況,而在無法提供這一點的同時卻異常具有說服力。

我們對於 ADHD 的概述涵蓋了這種狀況的內容以及如何進行評估;本文將討論每個人現在擁有的工具,以及人們使用它的哪些方面實際上是有效的。

它真正擅長什麼

移除空白頁面。注意力不足過動症(ADHD)的瓶頸通常在於啟動,而不是能否完成任務,而空白頁面是最糟糕的起始條件,因為它要求的正是最難以隨時調動的功能。

聊天機器人改變了這個問題的形狀。它會將模糊的任務拆分為步驟,產生一個你可以反應的粗略草稿,或將一團思緒轉化為有序的清單。對某些不完美的事物作出反應是一個不同且容易得多的操作,與從無到有的生成相比,這實際上是工具所做的事情與困難所在之間的真正匹配。我們對ADHD癱瘓的指南涵蓋了那個卡住點實際上是什麼,這值得先閱讀,因為這個工具只有在你面對的問題是啟動時才有幫助。

證據涵蓋的內容與不涵蓋的內容

到目前為止,相關研究非常有限,值得了解這些良好研究的具體內容。最相關的已發表研究聚集了與注意力不足過動症(ADHD)兒童合作的臨床醫師,讓他們在模擬治療場景中與定制的聊天機器人互動,並要求他們進行評價:他們報告了在同理心、適應性和溝通方面的優勢,但同時也對隱私和無法解讀任何非語言信息表示擔憂。 [berrezueta-2024-chatgpt-adhd]

請將其視為它所是的。這是關於一個示範的專家意見,這是一個合理的早期信號,並不是隨時間在患者身上測量的結果。這裡沒有任何證據表明聊天機器人能改善症狀,誠實的立場是這個問題尚未得到妥善提出。

為什麼沒有針對 ADHD 的 AI 測試

因為現有的模型幾乎從未在任何新個體上進行過測試。一項2024年的系統性回顧篩選了7,764條記錄,並納入了100個已發表的ADHD預測模型,其中大多數旨在診斷,結果發現近90%的模型報告了高準確性。 [salazar-2024-adhd-models]

已實際測試的發表模型位置
0 25 50 75 100 100個模型的百分比 96 僅限內部使用 7 外部
0 25 50 75 100 100個模型的百分比 88 診斷 7 治療反應 5 課程進度

Salazar de Pablo 等人(2024)報告的數據,為針對 100 個個性化預測模型的系統性回顧和元回歸分析。

第一種觀點是整個論點。內部驗證意味著模型是在其建立所用的數據上進行測試,這告訴你它適合那些人;外部驗證意味著它是在一個獨立的樣本上進行測試,這是檢驗它是否有效的標準。大約96%有內部驗證,約7%有外部驗證。

因此,準確性數字並不是欺詐性的,它們只是回答了一個比真正重要的問題更簡單的問題。這個差距就是為什麼這些都沒有轉變為臨床醫生可以開立的檢測,以及為什麼一個承諾提供即時答案的應用程式正在銷售這個領域尚未建立的東西。

此特有的陷阱

一個聊天機器人會同意你的看法,而這正是你最想問它的問題。描述你的困難給它,它會流利且同情地解釋這些困難如何與注意力不足過動症(ADHD)相符。用不同的框架描述相同的困難,它也能同樣好地解釋這些困難與其他問題的關聯。

在這段交流中,沒有任何內容測試替代方案,而測試替代方案正是評估的主要部分。注意力不集中是由焦慮、失眠、抑鬱以及某些困難事件的後果所引起的,而我們對於ADHD與焦慮的指南涵蓋了這兩者之間的重疊程度。區分這些情況是工作所在,而這正是與模型的對話完全跳過的部分,儘管聽起來似乎有涵蓋到。

第二個陷阱較為安靜。如果工具正在執行你覺得最困難的步驟,而不是讓你進入狀態,那麼本應使開始變得更容易的練習就無法進行。輸出保持良好,而逃避在其下方加深,這很難被察覺,因為沒有任何事情出錯。

幫助,還是替你做?

這是一個用來注意模式的提示,而不是測試。想想你在過去幾週是如何實際使用它的。

0 / 5 已勾選

這並未建立什麼

這些都沒有說聊天機器人對於有注意力不足過動症(ADHD)的人有害,也沒有說它們有幫助。支持這兩種說法的證據尚不存在,這與沒有效果的證據是不同的,合理的解讀是這個工具值得謹慎使用,而不是基於原則而選擇採用或避免。

預測模型的回顧也涉及研究模型,而非消費產品。如果有的話,消費產品的測試反而較少,而不是更多。

何時尋求幫助

如果注意力、組織能力或開始事情的困難自童年以來就存在,並且在多個環境中出現,實際上影響到你的工作、學習或家庭生活,請與醫生交談。直接詢問有關 ADHD 評估的問題,並提及你注意到的任何有關睡眠、情緒和焦慮的情況,因為這些都是評估需要排除或確認的因素。

提供範例和大致時間表,而不是結論,包括任何聊天機器人告訴你的內容,如果這在你心中。臨床醫生可以根據你所注意到的進行工作。沒有人能夠處理的是一個沒有背後推理的標籤。

如果您有自我傷害的念頭,請將其視為緊急情況,並聯繫當地的緊急服務或危機熱線。

MyFreud 的幫助

MyFreud 在這裡是有用的,因為它提供了與模型對話無法產生的證據,即你失去的那些日子實際上發生了什麼。關於睡眠、情緒和你卡住的事情的日期記錄,為評估提供了真實的依據,並回答了臨床醫生首先提出的問題,而幾乎沒有人能從記憶中重建出來。

下載 MyFreud 並立即開始: App Store 或 Google Play。

常見問題

人工智慧能診斷注意力不足過動症(ADHD)嗎?

不,並且沒有任何公開可用的工具可以做到這一點,不論它自己怎麼說。研究模型確實存在:一項2024年的系統性回顧發現了100個已發表的ADHD預測模型,其中大多數旨在診斷,且近90%報告了高準確性。問題在於這些準確性是與什麼進行比較的。大約96%的模型僅在內部進行了驗證,這意味著它們是在構建時所使用的相同數據集上進行測試的,只有約7%的模型是在獨立樣本上進行測試的。尚未在未見過的人身上進行測試的模型尚未顯示出它能夠完成這項工作的能力,這就是為什麼這些模型尚未成為臨床醫生可以開立的檢測。

使用 ChatGPT 對於注意力不足過動症(ADHD)有幫助嗎?

對於某些特定的事情,是的,並且明確指出哪些事情是有幫助的。注意力不足過動症(ADHD)的瓶頸通常是任務啟動,而不是能力,而空白頁面是最難以開始的條件。聊天機器人消除了空白頁面:它會將模糊的任務分解為步驟,生成一個粗略的初稿供反應,或將一個龐大的想法轉化為清單。對某些不完美的事物作出反應比從無到有生成內容要容易得多,這正好符合工具的功能與實際困難之間的關係。它不是治療,並且它無法告訴你是否有這種情況。

研究實際上對聊天機器人和注意力不足過動症(ADHD)有何說明?

遠低於討論的量所暗示的。最相關的已發表研究使用了專家小組方法:與注意力不足過動症(ADHD)兒童合作的臨床醫生在模擬情境中與定制聊天機器人互動並進行評價,報告了在同理心、適應性和溝通方面的優勢,同時對隱私和無法解讀任何非語言信息表示擔憂。這是一個有用的早期信號,並且是對演示的專家意見,而不是針對患者的結果試驗。任何將其引用為聊天機器人治療ADHD的證據的人都在過度解讀。

為什麼我不應該詢問聊天機器人我是否有注意力不足過動症(ADHD)?

因為有一種行為使其使用起來愉快。聊天機器人會根據你提供的內容進行擴展,因此向其描述你的困難,可靠地產生一個流暢且同情的解釋,說明這些困難與 ADHD 的關聯。對於以相同方式描述的不同狀況,它也會產生同樣流暢的解釋。在這種交流中,沒有任何內容能夠測試其他可能性,而測試其他可能性正是評估的主要內容:焦慮、睡眠不足、抑鬱和創傷都會導致注意力集中困難,而區分它們則是整個工作的重點。自信的文字感覺像是證據,但實際上並不是。

人工智慧會使注意力不足過動症變得更糟嗎?

這在一個特定的方面可能對你不利,值得注意。如果這個工具在執行你覺得最困難的步驟,而不是幫助你進入狀態,那麼使開始變得更容易的練習就不會發生,逃避會悄然加深,而產出仍然保持良好。區別在於你最終是在處理任務還是讓任務被處理。後者並不自動錯誤,因為有些事情確實應該委派,但如果這種情況發生在所有事情上,那麼這個工具就成為了逃避的一部分,而不是通過逃避的方式。

參考文獻

  1. 1.Salazar de Pablo G, Iniesta R, Bellato A, Caye A, Dobrosavljevic M, Parlatini V, et al. ( 2024). Individualized prediction models in ADHD: a systematic review and meta-regression. Molecular Psychiatry. doi:10.1038/s41380-024-02606-5
  2. 2.Berrezueta-Guzman S, Kandil M, Martín-Ruiz ML, Pau de la Cruz I, Krusche S ( 2024). Future of ADHD care: evaluating the efficacy of ChatGPT in therapy enhancement. Healthcare. doi:10.3390/healthcare12060683