兒童才會有過動症？從亞當．李維的經歷，來談「成人ADHD」

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

本文轉載自中央研究院「研之有物」，為「中研院廣告」

• 採訪撰文｜田偲妤
• 美術設計｜蔡宛潔

為什麼「特別」＝不正常？

回想求學過程中，你是否曾煩惱特立獨行的行為會成為老師和同學眼中的「異類」？當社會慣用同一套標準檢視每個人，你我都可能被貼上「污名標籤」。中央研究院「研之有物」專訪院內社會學研究所曾凡慈副研究員，她長期投入「醫療社會學」研究，探討社會如何建構正常性與異常性，特別在臺灣的教育現場，有一群「注意力不足／過動症」（ADHD）學童，經常被貼上社會加諸的「疾病污名標籤」。一起來認識 ADHD ，聽聽成人患者、家長與老師們的親身經歷，了解他們如何面對污名？怎麼看待正常與異常的界線？

ADHD 學童與教育者會遇到哪些困境？

就讀小學五年級的小曉，外表與一般小女孩無異，卻經常坐立不安、注意力難集中，甚至瞬間情緒崩潰。在班上不只被同學霸凌孤立，還被其他家長視為問題兒童，責備小曉的父母沒有善盡教養義務。

小曉的父親長年在國外工作，導致養育責任、就醫治療的重擔全落在母親薇芳身上。面對女兒一天到晚闖禍，在家又不按時吃藥，母女兩人經常爆發衝突。龐大的身心壓力讓薇芳不禁心想：「如果沒有妳，我是不是能做自己？」

從香港來的新老師保羅試圖幫助小曉融入學校生活、緩解薇芳的壓力，成為母女兩人的避風港，也背負是否因特殊原因而關照小曉的質疑。

電影《小曉》道盡「注意力不足／過動症」（Attention Deficit/ Hyperactivity Disorder，簡稱 ADHD ）學童在臺灣教育環境經常發生的狀況，以及家長與老師面臨的教養與照護困境。

究竟 ADHD 在兒童間的盛行率有多少？根據美國精神醫學會 2022 年發行的《精神疾病診斷與統計手冊》顯示， ADHD 在全球兒童中的盛行率推估為 7.2 % 。臺灣 2019 年對全國中小學生進行的抽樣調查研究則發現，符合美國精神醫學會 ADHD 診斷準則（DSM-5）的學生比例高達 10 % 。

換言之，每 100 名學生中約有 10 名有明顯的 ADHD 症狀。面對這麼高的比例，社會大眾對 ADHD 的認識卻不夠普及。究竟 ADHD 有什麼樣的表現？如何協助孩子調整身心狀況、應對治療伴隨的疾病污名標籤？家長、老師等照護者需要什麼樣的支持？

容易被污名化的「隱性障礙」！

中研院社會學研究所曾凡慈副研究員長期投入「醫療社會學」研究，試圖理解社會如何建構正常性與異常性。近年來持續探討 ADHD 等「隱性障礙」在教育場域如何被醫療化、標籤化，以及親職角色面臨的各種教養難題。

所謂「隱性障礙」是指：病況模糊、有爭議或不可見，需要精神藥物、心理與特殊教育介入，從而為家長帶來尋求診斷與治療的複雜挑戰。

ADHD 即是一種隱性障礙，對生活的影響通常反映在人際互動與學習表現上，詳細診斷標準可參考臺大神經部衛教說明，主要症狀整理如下：

由於 ADHD 的行為樣態多元、表現程度不一，而且可能隨著成長過程而改善或惡化，讓位在教學第一線的老師經常面對的難題是：究竟孩子只是不夠努力，還是真的無法控制自己？

這種判斷困難常出現在孩子重新分班、需適應新環境時。大部分老師會先觀察半學期至一學期，如果孩子的行為一直沒有改善，就會試著與家長溝通，評估是否帶孩子就醫檢查。因此，求學階段通常是孩子被診斷出 ADHD 的高峰期。

由於臺灣社會長期缺乏隱性障礙的觀念，孩子在學校表現不好會認為是小孩天性調皮，只要嚴加管教就會慢慢改善，並不會直接想到看醫生，而且民眾普遍對看精神科有不好的觀感。

因此，當老師提議帶孩子就醫，多數家長一時之間可能難以接受，再加上每個家庭具備的文化與經濟資本不同，對親職角色的焦慮程度不一，也進而影響家長選擇的回應方式。

為了深入了解隱性障礙對親職造成的挑戰，曾凡慈訪談了 50 位家中有隱性障礙學童的家長，分別具備不同教育程度、家庭型態、社經地位等條件，並藉由發展「道德工作」概念來考察這種獨特的親職任務。什麼是「道德工作」呢？

道德工作指的是：人們在日常生活中如何判斷哪些目標值得追求？怎樣的做法比較適當？又應該相信什麼、感受什麼與做什麼，才算善盡職責？

這對一般父母來說絕非易事，應該讓孩子養成乖巧懂事還是自由自在？要努力培養未來競爭力還是享受快樂童年？一道道選擇題已夠令人煩惱，如果孩子的氣質特殊，情緒行為不符合大部分孩子的常態時，將更難仰賴一套明確的價值指引行事，因此需要透過更加複雜的道德工作來幫自己和孩子應付日常難題。

對孩子有隱性障礙的家長來說，道德工作要處理的問題通常包括：該不該用「病」的框架來解釋孩子的違常行為？如果能治療，什麼才是「應該的」目的？要讓孩子擁有公開的障礙身分，還是盡量隱瞞以避免污名？面對孩子持續表現出失序的狀態，該體諒包容還是嚴格要求？

一起來看看與 ADHD 孩童朝夕相處的家長與老師們做出什麼樣的抉擇。

ADHD 學童與其家長面臨哪些選擇？

曾凡慈發現，從親職的角度考量，家長首先須設法釐清問題屬性：究竟孩子的行為是個性、環境或病理所致？才能決定該往什麼方向努力。

承認孩子可能患有 ADHD 是家長要克服的首要難題，尤其在臺灣想獲得特殊教育資源，或讓學校接受孩子的差異、提供相應的對待，通常得先取得醫療診斷，使得就醫並接受藥物治療成為某些家長維護孩子受教權的策略。

緊接著家長要摸索的是，怎麼教導孩子看待吃藥行為可能帶來的「污名標籤」。例如有孩子因為吃藥而被同學取笑，與同學發生紛爭時也常被問「今天是不是沒吃藥」。如果沒有妥善處理，診斷用藥將增加孩子被歧視的風險，也會降低孩子配合治療的意願。

某些家長則教孩子以「尋常化」的態度看待用藥。例如告訴孩子「每個人身上都有一點病，像是阿公也每天在吃糖尿病的藥」。或者說吃的是「聰明藥」、「專心藥」，吃藥不代表「有病」，而是能在學校表現的更好。

也有部分家長採取「以醫療模式轉移污名」的策略，讓孩子相信只要「治好」就不會發生污名問題。

例如有的孩子主要是注意力不足（ ADHD 的一種次類型），家長引用醫生的說法向孩子強調「你是注意力不足不是過動」。每當孩子接受積極治療、在學校的表現明顯進步時，家長也會藉此培養孩子有自信的應對方式，下次再被同學取笑時可以勇敢回覆：「我只是注意力不足」、「我現在都好了」。

當然也有比較特殊的案例，曾凡慈訪談的家長中，有位媽媽教孩子不要主動挑釁他人，可是一旦別人欺負到你頭上，就一定要捍衛自己。

例如有人罵孩子吃藥就是神經病，她要孩子大力反擊：「你才有病！又不是你要吃藥，關你什麼事？」雖然這麼做無法改善孩子的人際關係，但曾凡慈指出，我們的社會存在一種奇怪的權力，自以為「正常」的人能隨便對被視為「異常」的人指指點點，這種權力應該被揭露和挑戰：

教養方式沒有絕對好壞，教孩子言語反擊，看似在破壞社會互動秩序，實際上是讓孩子正面回擊污名化背後的權力關係。

環境、家庭、教育現場不同會造成什麼差異？

從事隱性障礙的道德工作時，另一值得注意的是，家長的教養方式可能因不同的文化和經濟資本而產生差異，這將影響家長與老師的溝通，以及孩子可得到的教育與醫療資源。

例如某些家長比較有能力與老師對等討論，一起摸索出適合孩子的學習方式，也比較有能力爭取醫療資源、進行污名管理。課餘時間還會陪孩子完成課業、調整情緒行為，甚至自費取得其他輔助資源。

其中一位有教育學博士學位的家長令曾凡慈印象深刻。這位母親為了讓患有 ADHD 的孩子得到最佳照護，自行創辦了幼兒園，過程中投入的金錢與時間精力，超乎一般家長所能想像！

然而，並非每位家長都有能力為孩子做那麼多，許多家長可能因工作繁忙、手頭不寬裕，或對 ADHD 等隱性障礙缺乏認知，因而無法長期陪伴孩子、或與老師密切溝通，也沒有餘裕定期請假帶孩子回診。

如果老師跟家長的溝通卡關，又正好遇到老師的教學標準較高，可能會認為只要家長不願帶孩子就醫，就沒有立場對疑似有 ADHD 症狀的學生進行個別調整或導入特教資源，這將導致各方關係陷入惡性循環。

近期曾凡慈也開始訪問教過 ADHD 學生的老師，希望了解他們遇到的教學難題與處理經驗。

老師的壓力之大在於，既要在教學上符合全班學生對「公平性」的期待，又要對有特殊需求的學生進行「彈性調整」。如果家長不願讓學生接受診斷，面對看似 ADHD 的學生，究竟要用平常標準要求還是寬容對待？如何避免其他人抱怨老師沒有一視同仁？都將陷老師於左右為難的境地。

面對教育現場因不同理念而產生的紛爭，老師非常需要家長與專家的支持，也需要額外人力幫忙分擔並改善孩子在學校的狀況，否則老師疲於應付、教學品質也難以維持。

曾凡慈訪談的老師們也分享了有助增進教學知能的資源，例如現在的教師研習會將 ADHD 等隱性障礙的基本知識與教學策略納入課程，參加教學互助社群也有助交流在教學現場可應用的實務技巧。

此外，老師們也希望有彈性的人力調度，能適時支援臨時狀況。例如孩子坐不住、或行為失控需要拉開距離時，可以有行政體系的老師陪孩子出去走走、緩和情緒。如何讓專業資源與輔助人力能及時支援教育現場，是日後值得關注的課題。

「可不可以讓我們的差異變成獨特？」

未來曾凡慈也將持續訪談成人 ADHD 患者，了解他們怎麼走過求學與治療階段，怎麼看待自己的身心狀態。訪談過程中發現，雖然成長過程有其艱辛之處，但也出現正向看待 ADHD 的社群。

許多在童年時期被診斷出 ADHD 的孩子已長大成人，並開始透過聚會重新思考 ADHD 對自己的意義，致力推動社會大眾以正向心態看待 ADHD，甚至語帶自信地以「A 咖」自稱！

曾凡慈非常樂見創造正向標籤的行動能延續下去。例如「 A 咖」社群中有人認為 ADHD 就是一種個人特質，有天馬行空的創意、勇於跳脫常軌，擅長抓住大方向且不拘小節。此外，「怕無聊」的個性讓他們幾乎終其一生都在尋求新鮮挑戰，過著樂在學習的精彩人生。

然而，曾凡慈也注意到，部分 A 咖仍需要藥物及諮商資源，協助他們應付大學生活，以及工作職場上更加嚴峻的挑戰。有些人很需要心理師擔任一對一的「 ADHD 教練」，訓練人際相處應對、生活安排與工作規畫，或調適因外在刺激而累積的壓力。

然而，目前心理諮商或治療都所費不貲，如果不住在大都市，相關資源將更難取得，導致他們只能靠自助或社群互助，慢慢摸索自我調適策略，比一般同齡人更加辛苦。

因此，有些成年患者會為了使用校內免費的心理諮商服務，選擇延畢或繼續念研究所，導致出社會的時間往後拖延、影響職涯發展。

我們不能否認病症會為患者帶來應付生活的困難，但隨著隱性障礙逐漸被視為人類行為多元光譜的一環，我們也看到了改變的契機。

曾凡慈期許：「我們不該只想著指認孩子的內在缺失，甚至期待醫師將他們治癒，使他們能適應主流環境。」更該轉向思考的是：

如何支持個別差異，發展有利於所有人的教育文化與社會體系。

父母們對於醫療人員似乎有特別的誤解，以為大家看病都是隨意亂看的。但現實是，好的醫療人員只是有邏輯的去思考疾病診斷，而非胡亂猜測。當然，也不需要過度神話醫療人員，以為大家都有替身使者或什麼驚人的力量，揮個兩下手，就可以很快速的判斷一個孩子到底有何心理疾病。

下面就好好說明醫療人員怎麼判斷 ADHD 的流程（下圖）。這樣的工作，是醫療中非常重要的核心步驟，稱為區辨診斷（Differential Diagnosis）。

診斷疾病是門大學問

不管是什麼科別，一個良好的診斷是需要花費大量時間的，這也是為什麼初診需要看這麼久的原因也在這裡。每個科別有不同特殊性，在精神科通常都是一個小時起跳（教學門診甚至會更久）。從會談過程中，醫療人員就是想盡辦法收集足夠的資訊，來確認相關可能的診斷是否被排除，如果用會談的方法還是無法做決定，那就需要安排其他檢查，如抽血、腦波檢查、心理衡鑑。如果自己所屬科別還是無法判斷，為了病人的最佳利益，甚至會轉到合適的診別，再請對方好好的瞭解發生什麼事。

因此，絕對不是隨意談個十分鐘就決定個案是什麼疾病，我們收集一個人的出生史、發展史、就醫史、學校史等等各種關於個人的資料，這樣的過程不是要探究隱私，也不是要寰宇搜奇，而是為了得知足夠的資訊來排除各種診斷，最後才能逼近一個可能的疾病類別。

如果以 ADHD 為例的話，我們需要區辨的診斷包含對立反抗症（ODD）、陣發性暴怒症（Intermittent Explosive Disorder）、其他神經發展疾病、學習障礙、智能不足、自閉症類群、反應性依附症（Reactive attachment disorder）、焦慮症、憂鬱症、雙相情感障礙症（Bipolar disorder）、侵擾性情緒失控症（Disruptive mood dysregulation disorder）、物質使用障礙症（Substance use disorders）、人格障礙症（Personality disorders）、精神病症（Psychotic disorders）、臨床藥物所誘發之 ADHD 症狀、神經方面的疾病等等^[1]（看完這一大串病名，就知道資訊量有多大了）。

當然，是不是可能與其他疾病的共病也需考慮進去（共病是指兩個疾病同時都存在，就像是高血壓和糖尿病可以同時出現，ADHD 和學習障礙也可以同時存在。但不是 A 被否定就一定是 B，這是很簡單的邏輯問題）。

臨床心理師扮演重要角色

在這過程中，醫師與臨床心理師是互相合作的。因為受限於人數眾多、時間緊迫，多數醫師只要在初診中有些許疑問，都會轉介臨床心理師進行心理衡鑑，以進一步釐清個案的問題。簡單的說，就是多一個人來確認個案的問題，而非醫師獨斷。而心理衡鑑並不是像坊間所說的只是做做心理測驗而已，還包含觀察個案對於問題的反應、與個案及家人會談、收集相關資料，綜合上述資訊，最後才決定個案到底是屬於何種疾病類別。

而區辨診斷，在上述的過程中可說是核心思想，不管是初診或心理衡鑑的過程，其目的都是為了要確認個案到底是什麼問題、有哪些證據可以佐證，為什麼我們到最後是決定排除其他診斷而最終考慮接受這個診斷，這個說來是嚴密的辯證過程。

嚴謹且具邏輯性

而區辨診斷到底要採取什麼樣的邏輯，各門派有不同的看法，這裡所舉的方法是使用決策樹（decision tree）^[2]，針對每一種疾病都畫出類似流程圖的東西，醫療人員按圖索驥自然可以知道可能是哪一種疾病 （當然，這邊還是要說，我這裡只是舉其中一種思考邏輯的方法，不代表不這樣思考就是不對。望周知，別亂戰）。

按照這個流程，第一步就是先確認來就診的孩子有沒有可能嗑藥了？不要說不可能，很多事情不是父母想得那麼簡單，一直以為自己的小孩善良天真有禮貌，絕對不可能使用非法物質。當然，我們也知道或許父母可能不曉得事情的全貌，因此第一次會談完，下一站通常就是去抽血，一驗就知道有沒有吸毒。或者我們中性一點的說，是不是有其他物質在身體裡面，導致孩子的分心狀態。長期的重金屬環境暴露、生理疾病，也是有可能會呈現出分心症狀。

第二步要釐清的是，個案現在有無服用藥物？現在正在服用的藥物裡面，有沒有可能其副作用是導致注意力的缺失。為了避免家長自己記錯，最好的方式就是把藥袋帶給醫療人員確認。藥物百百種，我們不可能每一種都認得，自然會到資料庫或藥典中查證，確認其功效與副作用。

接著就需要一一去檢核躁鬱症、憂鬱症、思覺失調症、注意力不足過動症、創傷後壓力症、廣泛性焦慮症、適應障礙症等相關疾病的可能性。如果單純是 ADHD 的問題，在這個過程中自然就會突顯現出來。

如果上面所述的種種可能性都排除了，代表個案只是「正常」的分心，不用太過擔心。細心的醫師或臨床心理師會請父母好好地回去觀察一番，一個月之後再回診。如無特別怪異的部分，就可能是父母管教溝通問題或標準太過嚴格之類的問題，問題是出在大人，而非小孩。

總之，診斷 ADHD 是一個非常嚴謹複雜的工序，相信多數醫療人員都能掌握其中的竅門，嚴肅地看待每一個前來就診的個案。

1. American Psychiatric Association: Diagnostic and Statistical Manual of Mental Disorders, 5th edition. (2013). Arlington, VA., American Psychiatric Association.
2. M. B. First. DSM-5 Handbook of Differential Diagnosis. (2014). Washington DC, American Psychiatric Publishing.