ARTICLE · 1060833
孩子坐不住,是调皮还是病?——AI 看脑电图,几分钟判断 ADHD
孩子坐不住,是调皮还是病?——AI 看脑电图,几分钟判断 ADHD
上周三上午九点四十，外面下着雨。雨点打在诊室窗户上，声音不大，但一直没停。一位妈妈带进来一个男孩，8岁，书包带子还挂在肩上，鞋底带着水印。她把一沓纸放在我桌上：学校老师的评语、两份家长问卷、一张视力检查单。纸的边角已经卷起来，看得出被翻过很多遍。 男孩不看我，坐在转椅上转来转去，鞋跟蹭着地面，发出"吱、吱"的声音。诊室里有消毒水的味道，走廊尽头的叫号机每隔一会儿响一声。 
妈妈的第一句话我听过太多次："医生，他到底是调皮，还是病？" 
这句话的分量我很清楚。说轻了，家长觉得你在敷衍；说重了，等于给一个8岁的孩子贴上跟很久的标签。我刚工作那会儿，习惯翻书、看量表、问病史，然后凭经验给个判断。三年下来，我越来越清楚——这道题的答案，不该由我一个人的经验来定。 老办法的软肋 
现在临床上判断注意力缺陷多动障碍，主要靠三样东西：医生的临床访谈、家长和老师的评定量表、行为观察。 这三样都有用，但它们有个共同的软肋：主观。 我见过同一个孩子，在妈妈眼里是“根本坐不住”，在奶奶眼里是“男孩都这样”。老师填量表，还会受班里人数、老师精力影响。一个班五十个孩子，坐在后排那个爱动的，老师未必看得清。 更麻烦的是时间。从家长起疑，到被明确诊断，中间常常要跑好几家医院、填好几轮问卷、复诊好几次。全球大约5%到10%的学龄儿童受这个问题影响。放在一个四十人的班里，就是两到四个孩子。 脑电图在说什么 
那有没有更客观的东西可以看？有，脑电图。 脑电图就是贴在头皮上的几个小电极，记录大脑自己发出的电活动。不扎针、不吃药，孩子坐着看一会儿图卡就能做完。多动症孩子的脑电，和正常发育的孩子确实不一样。比较一致的发现是：慢波活动偏多，快波活动偏少，额叶和中央区的连接也和别的孩子不同。这些差异，和医生常说的"前额叶抑制控制偏弱""大脑唤醒水平偏低"能对上。 问题在于，这些差异是"平均意义上"的。落到每一个具体的孩子身上，曲线和曲线之间的差别很细。人眼盯久了会疲劳，也容易看走样。 这正是机器能做点事的地方。 121个孩子，一台会读图的机器 
2024年5月7日，期刊《脑科学》上登了一篇论文。作者是南京医科大学附属脑科医院、南京师范大学的闵峰，和凯斯西储大学工程学院的徐俊才。他们做的事，说白了就一句：让一台计算机学会读儿童的脑电图，然后判断这个孩子是注意力缺陷多动障碍，还是正常发育。 数据不是他们自己收的，来自一个公开数据库：121个7到12岁的孩子，61个确诊多动症，60个作为对照。多动症组里48个男孩、13个女孩，平均年龄9.62岁；对照组平均9.85岁。多动症组的孩子在入组前接受药物治疗的时间不超过6个月。 他们提出的模型叫ConvMixer-ECA。名字拗口，拆开看就两步。 我第一次读 ConvMixer 时，脑子里出现的是一个先靠近、再退远的观察者。它把“卷积”和“特征混合”拼起来：卷积负责找局部的、细碎的模式，混合机制负责把局部信息汇总起来看全局。加上的那个 ECA，是“高效通道注意力”模块。脑电图有19个电极通道，不是每个通道都同样重要。ECA做的事，是给不同通道打分：这个通道信息量大，权重给高一点；那个通道没什么信息，权重压下去。 结果是这样的：在821个测试样本上，模型判断的准确率94.52%，精确率94.69%，召回率96.40%，F1分数95.54%。翻译一下——100个多动症孩子里，它挑出了96个多；健康孩子被误判成多动症的，占8.41%。作者还做了五折交叉验证，五次平均准确率92.90%，各折之间差异不大。 横向比较更有意思。研究者把它和五类常用模型放在一起跑：专门用于脑电分类的EEGNet，比它低7.19个百分点，也就是87%出头；卷积神经网络85.38%；循环神经网络50.91%；长短期记忆网络50.18%；门控循环单元55.90%。 我得说句实话：后面三个数字低得有点意外。50%出头，基本等于抛硬币。研究者自己的解释是，这几类模型不擅长处理脑电信号里的长期依赖关系。这个解释合理，但我看到这个数字时也有点困惑——训练设置、参数调整会不会也有影响？论文没展开。作为一个读者，我把这个疑问留着。 比准确率更值得看的一步 
研究里还有一个环节，我觉得比94.52%这个数字更值得说。 他们把模型内部的特征做了降维可视化，专业叫法是"t分布随机邻域嵌入"。通俗讲，就是把高维数据压成一张平面图，看两类样本能不能分开。第一层的图上，多动症和正常孩子的点混在一起；到了最后一层，两团点明显分开了。这说明模型不是靠死记硬背，而是真学到了某种能区分两类的特征。 一个模型说自己准，和它真的"看见"了差别，是两回事。这一步，是后者。 如果您正坐在我诊室里 
那这些，对那位雨天来的妈妈意味着什么？我说三点。 第一，这项技术现在还不进医院，更不能拿来当诊断。 它处在研究阶段，论文作者自己在讨论部分也写明了局限。您要是看到"AI几分钟查出多动症"的说法，可以直接打个问号。 第二，如果孩子出现这些情况，值得做一次正式评估： 四条里只中一条，先别急着下结论。 第三，脑电图检查孩子不痛苦，但需要配合。 检查前一天给孩子洗头，不要抹护发素和发胶——油脂会让电极接触不良。检查时让孩子放松，少动、少眨眼。如果当天发烧、情绪特别差，可以改期。 这项研究的边界 
我一条条列。 样本量 121个孩子，规模不大。作者也承认，需要更大规模、更多年龄、更多族裔和亚型的数据来验证。 假阳性 8.41%，也就是一百个健康孩子里，大概有8个会被模型标成"疑似多动症"。放在筛查场景，这意味着会有家长白紧张一场。作者说，未来要重点提高特异性，把这个数字压下去。 单一任务 这些脑电图是在孩子看卡通图卡、数数的时候记的，只有一种诱发任务。孩子在别的状态下，模型能不能读准，目前没有数据。 中美合作、发表在有同行评议的期刊、数据公开可查——这些都加分，但都不能替代最后一步：由有经验的儿童精神科医生，结合病史、量表、家庭和学校的情况，给出一个综合判断。模型给的是一个概率，不是一纸判决。 回到那个雨天 
我没能当场给那位妈妈一个确定答案。我给她排了评估，也把上面这些话讲了一遍。她走的时候，把那一沓问卷收进包里，纸角还是卷的。男孩在门口蹲下去系鞋带，系了两次才系上。 我有时会想，等这类工具真走进诊室那天，我最想改的是什么。 可能不是诊断的速度，而是那句开场白。我不想再让一个妈妈用"他到底是调皮，还是病"来问我。这个问题本身，就先把孩子推到了一个二选一的位置上。 更好的问法也许是：他需要什么样的帮助，我们能怎么帮。 在那之前，我能做的还是那几件事：多问几句，多看几个场景，不急着下结论。至于机器，让它先把脑电图读得更稳一点。
注意力问题持续超过6个月； 在家庭和学校两个场景都出现； 已明显影响学习成绩或同伴关系； 12岁以前就有表现。