3.12　作出明智的用药决定

医学检测提供的诊断甄别信息总是容易被病人误解，有时候，医生甚至也会误解。理解“敏感性”和“特异性”的概率特征能提供更加准确和更安心（有时候）的概览。

作为一名医学信息的消费者，你必须对行动、治疗和再找名大夫寻求第二意见等做决定。你可能会依赖于药物信息——新闻故事、你医生的建议、检测结果，来做这些决定。但是，你从医生那获得的大多数药物信息，都有一个已知的误差量。这对指出你患某种疾病的概率的诊断检测结果来说，尤为正确。

本Hack讲解使用医学检测的特征信息来获得更准确的事实，以期能对治疗作出更好的决策。

3.12.1　统计和药物甄别

为了明智地使用医学检测信息，我们必须掌握一些概念的准确意义。用准确性的语言表述医学检测的四种可能结果，如表3-12所示。

表3-12：医学检测的可能结果

医学筛查检测的信度[Hack #6]被概括为敏感性和特异性的这两个比例。本质上说，依赖这些检测结果做决策的人，关心有关准确性的三个问题。

如果一个人患有疾病，这个人得到阳性试验结果的可能性是多少？这种可能性称作敏感性。在A列中的那些人，得到阳性试验结果的概率是多少？

如果这个人没患病，那这个人的检测结果为阴性的可能性是多少？这种可能性称作特异性。在B列中的那些人，检测结果为阴性的比例有多大？

如果一个人的检测结果为阳性，那这个人患病的可能性是多少？从病人角度看，这是一个终极问题，这个问题可以被认为是这类检测关心的基本效度。医生，我能够相信这类检测结果吗？还是说检测结果有错误？

注意在表3-12中，A列和B列是不同的人。患病的人是在A列，未患病的人在B列。如果你在A列，你在检测中不能得到假阳性的结果，因为阳性结果是正确的。如果你在B列，你在检测中不能得到假阴性的结果，因为阴性结果是正确的。

某人处于哪一列取决于疾病的自然分布。某人在A列的几率（这个人实际上患有该疾病的几率）取决于疾病的基础概率（base rate）。如果总人口中有5%的人患有该疾病，那么就有5%的人在A列中。

3.12.2　理解乳腺癌筛查

乳腺癌是可以进行诊断筛查检测的一种严重病情。乳腺癌筛查先从乳房X线检测开始。如果X线检测结果是阳性，则需要进一步检查：再一次做乳房X线检测、超声波或组织检查。

我们首先对回答乳腺癌筛查的敏感性和特异性的问题感兴趣。通过乳腺癌的基础概率信息，我们能回答最重要的问题：

如果一名女性获得一个阳性结果，她患有乳腺癌的可能性是多大？

通过咨询你的医生或做一些研究，你也许会发现乳房X线的敏感性大约是90%。特异性大约是92%。

因为有不同的人参加这项检测，乳腺癌筛查的准确敏感性和特异性随着时间推移而改变。相比过去，在年轻的女性中发现乳腺小肿瘤的现象更为常见。年轻女性的敏感性和特异性都不如年龄大的女性。当然，你应该和一名内科医生或专家核对目前的准确性水平。

表3-13按照表3-12的布局呈现了那些数据。因为A列和B列必须相互独立，总和为100%，我们同样能估计假阴性和假阳性的比率。

表3-13：10 000名女性的乳房X线检查的理论结果

表3-13同样基于总体中大约1.2%乳腺癌的基础比率，展示了10 000名女性的假设结果。

由于可以通过不同方式定义相关总体，所以很难确认乳腺癌的准确发病率，当然，还受乳腺癌检测结果准确性的限制。我使用的是目前针对40岁至84岁至性，经常报道和被广泛接受的患乳腺癌百分比的估计。

在解释医学检测结果前，我们先回到重要问题列表的第三个问题。如果一个人的检测结果为阳性，这个人患病的可能性是多少？10 000个进行乳腺癌筛查的女性中，有898人的结果为阳性。这898人中，790个人的结果是错误的，她们实际上并没有乳腺癌。898人中，有108个人的检测结果是正确的，她们的确患有乳腺癌。换句话说，如果一个人的结果为阳性，那么她只有12%的可能性患病。对于定期进行X光检查，结果为阳性，最常见的结果是：病人实际上并无癌症。

那么阴性结果的准确性如何呢？在9102名筛查获得阴性结果的女性中，有12个人实际患有癌症。这是一个相对较小的数字，1%的1/10，但是检测会完全忽略掉这些人，他们不会得到治疗。

3.12.3　生效原理

托马斯·贝叶斯（Thomas Bayes）是18世纪的哲学家和数学家。医学筛查准确性，是使用了托马斯·贝叶斯条件概率的泛化方法的一个具体应用。“如果这样，那么……的几率是多少”，这是一个条件概率问题。

贝叶斯的条件概率方法是，看事件发生的自然概率。如果某人的检测结果为阳性，那么估算他患病几率的基本公式是：

如果以条件概率来表述，公式如下：

要回答我们乳腺癌例子中的重要问题（“如果一个女人的检测结果为阳性，她患乳腺癌的可能性是多少”），用乳房X光检查的公式套用这些值：

3.12.4　作出明智的决策

医学检测用来表明患者是否可能患病或处于即将患病的危险之中。识别疾病（比如癌症）是否存在的过程如下。通常至少有两个步骤，第一步对患者进行筛查检测，一般是相对简单和无创伤性的检测，用来寻找一个人可能患某种疾病的迹象。如果结果是阳性，则第二步进行第二次检测（或一系列的检测），这通常更复杂，具有创伤性，并且价格昂贵，而且也更加精确，以确认或驳斥原来的结果。

医学检测不是完全可靠和有效的。检测结果可能是错的。接受过医学检测的人有四种可能的结果。病人可能患病，并且检测也表明了这一点，或者病人没有患病，检测也没有发现疾病的存在。在这些情况下，检测起到作用并且分数是有效的。反之，检测结果可能反映了真实身体状况的相反情况，用一个阳性的结果错误地指示患有本不存在的疾病，或者用一个阴性的结果错误地指示该患者没患病。在这种情况下，检测没起作用，其结果是无效的。这种结果的表格，类似于在统计决策中接受或拒绝假说的概率[Hack #4]。

当某人患有乳腺癌时，乳腺癌筛查非常容易发现这种疾。然而，这样一个针对低发病率的疾病敏感检测有一个缺点：更多的人将被告知她们可能得了这种病，但实际上她们并没有得。在医学检测的检测敏感性和检测特异性之间有一个折衷。更敏感检测往往会导致更多的假阳性，但在生死攸关的严重病情下，这似乎是一个我们能够接受的结果。

3.12.5　参阅

Gigerenzer, G. (2002). Calculated risks. How to know when numbers deceive you. New York: Simon and Schuster.