Czy sztuczna inteligencja (AI) może diagnozować ADHD lub autyzm?

Dlaczego coraz więcej osób pyta AI o diagnozę ADHD lub autyzmu?

Narzędzia takie jak ChatGPT, Gemini czy Claude weszły do codziennego życia. Są pod ręką, odpowiadają natychmiast i – co ważne – nie oceniają. Dla wielu osób to pierwszy przystanek, zanim zdecydują się na wizytę.

Do tego dochodzi zjawisko „diagnozowania się” przez internet. Filmy w mediach społecznościowych, testy online i listy objawów sprawiają, że coraz więcej dorosłych rozpoznaje u siebie cechy ADHD lub spektrum autyzmu (ASD) – często słusznie, ale nie zawsze trafnie.

Sprawdź—> Terapia dla osób z ADHD online

Skrót ASD (ang. autism spectrum disorder) oznacza spektrum autyzmu – grupę zaburzeń neurorozwojowych wpływających na komunikację, relacje społeczne i wzorce zachowań. ADHD to zespół nadpobudliwości psychoruchowej z deficytem uwagi.

Sprawdź—> Diagnoza ADHD online+ opinia

Czym właściwie jest diagnoza ADHD i ASD? (i dlaczego to nie jest „test”)

Tu tkwi najczęstsze nieporozumienie. Diagnoza to nie pojedynczy test ani kwestionariusz. To wieloetapowy proces kliniczny, w którym specjalista łączy różne źródła informacji.

Rzetelna diagnoza zwykle obejmuje:

  • wywiad rozwojowy – jak wyglądało funkcjonowanie od dzieciństwa,
  • obserwację kliniczną zachowania i sposobu kontaktu,
  • diagnozę różnicową – wykluczenie innych przyczyn objawów (np. depresji, zaburzeń lękowych, problemów ze snem),
  • ocenę współwystępujących zaburzeń (tzw. chorób współistniejących),
  • analizę codziennego funkcjonowania w pracy, szkole, relacjach,
  • dane od osób bliskich – rodziny, partnera, nauczycieli,
  • standaryzowane narzędzia o potwierdzonej rzetelności.

Diagnoza różnicowa to sprawdzenie, czy objawy nie wynikają z innego stanu. Np. trudności z koncentracją mogą wskazywać na ADHD, ale też na niedoczynność tarczycy, wypalenie czy depresję. Dokładnie tu AI napotyka ścianę – nie zna historii życia pacjenta i nie zada pogłębionego pytania w reakcji na to, co usłyszało.

Jak AI jest dziś wykorzystywana w diagnostyce?

Warto oddzielić marketing od realnych zastosowań. AI nie „diagnozuje” – ona wspomaga, klasyfikuje, wykrywa wzorce i szacuje ryzyko. To ogromna różnica.

Obszary, w których AI już realnie pomaga:

  • analiza krótkich nagrań wideo zachowania dziecka,
  • analiza mimiki, ruchu i kontaktu wzrokowego (eye tracking),
  • analiza głosu i mowy,
  • przetwarzanie dokumentacji medycznej,
  • wspomaganie specjalisty w porządkowaniu danych i literatury.

✔  Zapamiętaj rozróżnienie

Przesiew (screening) = wstępne wskazanie ryzyka.

Wsparcie diagnostyczne = pomoc dla specjalisty.

Pełna diagnoza kliniczna = decyzja człowieka po całym procesie.

View over shoulder employer listen applicant at job interview online

Psychoterapia online może być niezwykle pomocna, ponieważ zapewnia dostęp do specjalistycznego wsparcia bez względu na miejsce zamieszkania czy tryb życia. Daje możliwość rozmowy z terapeutą w bezpiecznej, znanej przestrzeni — co często ułatwia otwartość i komfort. Dla wielu osób to także oszczędność czasu i większa elastyczność, dzięki której łatwiej wprowadzić terapię do codziennego harmonogramu. Współczesne badania pokazują, że skuteczność terapii online jest porównywalna z terapią stacjonarną.

Najciekawsze badanie 2026 roku – dostrojony Gemini a autyzm

Zespół prof. Dennisa P. Walla ze Stanford (Honarmand, Azizian i wsp., 2026) sprawdził, czy duży model językowy da się „nauczyć” oceniania zachowań powiązanych z autyzmem na poziomie zbliżonym do klinicysty.

Co zrobiono:

  • dostrojono model Gemini 2.5 Pro techniką LoRA (oszczędne „douczanie” modelu),
  • materiałem były krótkie nagrania domowe dzieci,
  • model uczył się na 400 nagraniach wcześniej ocenionych przez klinicystów,
  • oceniano 30 cech behawioralnych o potwierdzonej wartości predykcyjnej,
  • testowano na 99 dzieciach (49 z ASD, 50 neurotypowych).

Wyniki (obiecujące):

  • zgodność ocen modelu z klinicystami wzrosła o około 40% względem modelu bazowego (p<0,001),
  • pipeline z klasyfikatorem osiągnął 77% trafności (95% CI: 68–85%),
  • oraz AUC 0,86 (95% CI: 0,78–0,92) – miarę zdolności odróżniania grup.

AUC (ang. area under the curve) to wskaźnik od 0,5 do 1,0 mówiący, jak dobrze model odróżnia dwie grupy. 0,86 oznacza dobrą, choć nie doskonałą skuteczność.

⚠  Ważne zastrzeżenie – to preprint

Ta praca to preprint, czyli publikacja oczekująca na pełną recenzję naukową. Wyniki są obiecujące, ale wymagają dalszej weryfikacji przed wdrożeniem do praktyki.

Sami autorzy podkreślają: model ma wspierać specjalistów, a nie ich zastępować.

Czy AI potrafi wykrywać ADHD?

Tu trzeba być ostrożniejszym niż przy autyzmie. Dla ADHD nie ma dziś jednego przełomowego badania ani narzędzia AI o statusie standardu diagnostycznego. Dowody są bardziej rozproszone i wstępne.

Trwają badania nad m.in.:

  • eye tracking (śledzeniem ruchu oczu),
  • analizą sygnału EEG (zapisu czynności mózgu),
  • analizą ruchu i aktywności,
  • danymi z urządzeń ubieralnych (smartwatch, opaski),
  • analizą wzorców zachowania.

⚠  Uczciwie o stanie badań

Żadne z tych rozwiązań nie jest obecnie uznanym standardem diagnostycznym ADHD. To obiecujące kierunki, nie gotowe testy.

 

Wskazówka: Dobra diagnostyka dorosłego ADHD powinna łączyć wywiad rozwojowy, narzędzia przesiewowe, ocenę różnicową (np. choroba dwubiegunowa, zaburzenia osobowości), a także wgląd w współchorobowości i funkcjonowanie wykonawcze. Nowe przeglądy i wytyczne zwracają uwagę na standaryzację tego procesu w praktyce dorosłych.Profesjonalna diagnoza ADHD online

Największe ograniczenia AI w diagnozie

To najważniejsza część dla każdego, kto rozważa „diagnozę z AI”.

  • brak wywiadu klinicznego – AI nie poprowadzi rozmowy z pogłębionymi pytaniami,
  • brak znajomości historii życia i kontekstu rozwojowego,
  • brak diagnozy różnicowej – nie wykluczy innych przyczyn objawów,
  • brak oceny kontekstu rodzinnego i środowiskowego,
  • zależność od jakości danych – błędne lub niepełne dane = błędny wynik,
  • ryzyko „halucynacji” – modele językowe potrafią generować przekonująco brzmiące, ale nieprawdziwe informacje.

Halucynacja w kontekście AI to sytuacja, gdy model podaje zmyśloną informację z pełnym przekonaniem. W diagnostyce to ryzyko nie do zaakceptowania bez kontroli specjalisty.

Czy AI zastąpi psychologów?

Pomocna jest analogia z radiologii. Nowoczesne systemy AI świetnie wspierają analizę zdjęć, ale to lekarz stawia rozpoznanie i bierze za nie odpowiedzialność. W psychologii jest podobnie.

AI potrafi:

  • uporządkować informacje,
  • wychwycić wzorce w danych,
  • pomóc w przygotowaniu dokumentacji,
  • wspierać przesiew.

✔  Sedno sprawy

AI nie zastąpi profesjonalnej oceny klinicznej. Najlepszy model działa jako narzędzie w rękach specjalisty – nie zamiast niego.

Jak wykorzystujemy AI podczas diagnozy w naszym gabinecie

Traktujemy AI jak narzędzie wspierające pracę psychologa – nie jak jej zamiennik.

  • pomaga porządkować i analizować dane,
  • wspiera przegląd aktualnej literatury naukowej,
  • usprawnia przygotowanie materiałów,
  • oszczędza czas na zadaniach technicznych.

✔  Nasza zasada

Każda diagnoza jest podejmowana wyłącznie przez psychologa, na podstawie pełnego procesu diagnostycznego. AI nie decyduje o rozpoznaniu.

Jeśli podejrzewasz u siebie lub u dziecka ADHD albo autyzm, umów konsultację ze specjalistą. Rzetelna diagnoza to proces, który daje realną podstawę do dalszych decyzji – znacznie pewniejszą niż jakikolwiek test online.

⚠  Zastrzeżenie

Ten artykuł ma charakter informacyjno-edukacyjny i nie zastępuje konsultacji ani diagnozy przeprowadzonej przez wykwalifikowanego specjalistę.

FAQ — najczęstsze pytania

Czy ChatGPT może wykryć ADHD?

Nie w sensie diagnozy. ChatGPT może opisać objawy i wyjaśnić, jak wygląda proces diagnostyczny, ale nie zna Twojej historii, nie prowadzi wywiadu klinicznego i nie stawia rozpoznania. To narzędzie edukacyjne, nie diagnostyczne.

Czy AI może rozpoznać autyzm?

AI potrafi wspierać przesiew – np. analizując nagrania zachowań. Badania z 2026 r. pokazują obiecujące wyniki (ok. 77% trafności, AUC 0,86), ale to wciąż preprint i narzędzie wspierające specjalistę, a nie samodzielna diagnoza.

Czy istnieje wiarygodny test AI na ADHD?

Nie ma dziś testu AI o statusie standardu diagnostycznego dla ADHD. Trwają badania (eye tracking, EEG, dane z urządzeń ubieralnych), ale żadne rozwiązanie nie jest jeszcze uznanym narzędziem klinicznym.

Czy sztuczna inteligencja zastąpi psychologów?

Nie. AI wspiera pracę – porządkuje dane, wychwytuje wzorce, pomaga w dokumentacji. Ostateczna ocena kliniczna i odpowiedzialność za diagnozę pozostają po stronie specjalisty.

Czy AI może analizować objawy ADHD?

Może pomóc uporządkować opis objawów i wskazać, co warto skonsultować. Nie zastąpi to jednak wywiadu, obserwacji i diagnozy różnicowej przeprowadzonej przez człowieka.

Czy AI może wystawić opinię psychologiczną?

Nie. Opinia psychologiczna to dokument, za który odpowiada uprawniony specjalista. AI może co najwyżej wspierać przygotowanie materiałów, nie zaś samodzielnie wydawać opinie.

Czy diagnoza online z użyciem AI jest wiarygodna?

Sam przesiew online może być punktem wyjścia, ale nie jest wiarygodną diagnozą. Pełne rozpoznanie wymaga procesu klinicznego z udziałem specjalisty.

Jak wygląda przyszłość AI w psychologii?

Najprawdopodobniej AI będzie coraz lepszym narzędziem wspierającym – przyspieszy przesiew i odciąży specjalistów w zadaniach technicznych. Rola człowieka w stawianiu diagnozy pozostanie jednak kluczowa.

Źródła

    • Honarmand, M., Azizian, P., Kline, A., … Wall, D. P. (2026). Fine-tuning a multimodal large language model for clinician-grade autism behavioral scoring from short home videos. arXiv (preprint). https://arxiv.org/abs/2606.27484
    • Tariq, Q., Daniels, J., Schwartz, J. N., Washington, P., Kalantarian, H., & Wall, D. P. (2018). Mobile detection of autism through machine learning on home video: A development and prospective validation study. PLOS Medicine, 15(11). https://doi.org/10.1371/journal.pmed.1002705
    • Wall, D. P., Dally, R., Luyster, R., Jung, J. Y., & DeLuca, T. F. (2012). Use of artificial intelligence to shorten the behavioral diagnosis of autism. PLOS ONE, 7(8). https://doi.org/10.1371/journal.pone.0043855
    • Wall, D. P., Kosmicki, J., DeLuca, T. F., Harstad, E., & Fusaro, V. A. (2012). Use of machine learning to shorten observation-based screening and diagnosis of autism. Translational Psychiatry, 2(4). https://doi.org/10.1038/tp.2012.10
    • Patel, R., Jerskey, B. A., Shannon, J., Soares, N., & Fogler, J. M. (2025). AI-Enabled Technologies and Biomarker Analysis for the Early Identification of Autism and Related Neurodevelopmental Disorders (przegląd). ResearchGate (publikacja recenzowana).

    Uwaga metodologiczna: pozycja [1] to preprint (przed pełną recenzją). Dane liczbowe podano zgodnie z abstraktem publikacji. Zrezygnowano z cytowania źródeł niemożliwych do zweryfikowania.

Przeczytaj pozostałe artykuły

Dodaj komentarz

Newsletter

Zapisz się na bezpłatny newsletter, otrzymuj powiadomienia o najnowszych wpisach oraz odbierz prezent!

Pozostałe artykuły

Potrzebujesz wsparcia?
Zapisz się na konsultację online i zrób krok w kierunku zdrowia psychicznego.