宣传社区

你好，欢迎来到《医学决策思维课》。

上一讲，我们讲了发现问题后，有两个坑：信息错误和思维误区，通过假设验证的方法可以最大程度避免。这一讲，我们来讲另一个坑：用错了知识。

医生在医学院学到的知识，来自于医学共同体对群体的研究和经验，而临床实践，是调用已有的知识和经验，用在个体身上。

这个道理很容易让人接受，但是正确应用，就没有那么简单了。

如果对需要解决的问题用错了知识，那么问题的答案也就不可能正确。导致的后果，轻者只是多花点冤枉钱，重者可能就给身体带来不可挽回的伤害。

把群体的知识，用到现有的、具体的病人身上，就面临一个正确匹配的问题。这一讲，我们讲讲知识匹配原则。

这分为三个步骤。

第一步，搞清楚你的问题是什么。

听起来简单，实际上特别难。我先举个例子。

我的一个朋友聚会时喝了酒，大家纷纷劝他不要开车回家。他说，没事，你们不用担心，而且我还有证据。我是老司机，开了10年车，没有出过一次事故。这是我第一次喝了点酒，离家也不远，我也挺清醒的，因为是第一次，我会很小心的，因此不会有事的。

的确，我这位朋友的年龄、累计行驶时间、性别、教育程度等等，都是处于交通事故率的最低点，但是，问题的关键不是像我这位朋友一样的人，他们的交通事故概率有多高，而是他作为一个醉酒的人，交通事故概率是多高。

我们要根据我这位朋友的数据，来推测他出交通事故的概率。那么数据在哪里呢？

我这位朋友开了10年车，就算一天开一次，那么就有了3650次左右的开车记录。他出事故的案例是0，所以他出交通事故的可能性是很小的。

但是，他醉酒后开车的次数是多少呢？也是0。因此，我们没有足够的样本来确定他醉酒后开车的交通事故概率。所以，我们只能用相关的群体概率来推测。

根据统计，醉酒驾车的事故概率是正常驾驶的6倍。所以，我这位朋友不能醉酒开车。

我们再梳理一下。在这个案例中，我们要明确的问题是什么呢？

我这位朋友认为要回答的问题是：像我这样的人，老司机、高学历、男性、中年人，这一次我可以开车吗？

实际上要回答的问题是：我，有“老司机、高学历、男性、中年人”等等这样的属性，醉酒之后，这一次我可以开车吗？

你看，搞清楚你的问题是什么，才是找到问题答案的关键前提。

怎么才能搞清楚呢？

这就是我们要讲的第二步，调用和这个问题匹配的知识。

我再给你讲一个真实的故事。

列纳德·蒙洛迪诺（Leonard Mlodinow）是一位物理学家，曾经和霍金合著《新时间简史》（A Briefer History of Time），另外他还创作了《星际迷航》（Star Trek）的剧本，是一个著名科学家。

1989年的时候，他为了申请保险，接受了一次抽血检查，检查项目HIV，也就是导致艾滋病的那种病毒。

很不幸的是，他的这项检查结果是阳性的。医生告诉他，这个结果意味着，他有99.9%的概率得了艾滋病。以当时1989年的医疗水平，他会在10年内死去。

医生为什么这么说呢？

医生调用的知识，是蒙洛迪诺做的那项检查的正确率。检查的正确率是99.9%，也就是1000名检查出阳性的人中，得病的人有999名。既然蒙洛迪诺的检查结果是阳性，所以，医生认为蒙洛迪诺得艾滋病的概率是99.9%。

幸运的是，蒙洛迪诺懂贝叶斯定理。他知道医生错了。贝叶斯定理你可能听过，我们一会儿再具体说。

这里，要识别的问题是很清楚的：蒙洛迪诺做了一个检查正确率是99.9%的检查，结果是阳性的情况下，蒙洛迪诺得艾滋病的概率是多少？

但是，医生没有考虑到一个条件：蒙洛迪诺所处的群体，他们的发病率是多少。

这意味着什么呢？意味着个体问题找对了，知识也是具备的，但是没有匹配对。

我再描述一次问题。蒙洛迪诺所处的群体，艾滋病的发病率是1/1万，蒙洛迪诺做了一个检查正确率是99.9%的检查，也就是假阳性率是0.1%的检查，结果是阳性的情况下，蒙洛迪诺得艾滋病的概率是多少？

什么是假阳性？就是没有病的人做这个检查，也得到了阳性的结果。假阳性率是0.1%，也就是说，有1万名像蒙洛迪诺这样的人做了这个检查，会有10个人结果是阳性的，但是其实他们都没有得病。

因为1/1万的得病率，所以真得病的那1个人也被检查出阳性，再加上那10个假阳性的人，那么，1万名像蒙洛迪诺这样的人做检查，最终就会有11个人的结果是阳性。

注意，蒙洛迪诺是这11个人里的1个。因此，蒙洛迪诺得病的真实概率是多少呢？是1除以11，大约是9.1%。

一个是99.9%，一个是9.1%，这相差简直是一个天，一个地。一个几乎是板上钉钉，一个是几乎忽略不计。

贝叶斯定理就是一个计算概率的公式，专门解答蒙洛迪诺遇到的这样的问题。把相关的数据代入公式，就可以得出结果。不用像上面这么麻烦，花很多步骤，才得出答案。

你看，这就是把知识匹配到个体身上的困难。有的时候，连专业的医生都可能犯错误。搞清楚自己的问题之后，还要正确调用相匹配的知识，才能得出正确答案。

最后说一下，正是因为蒙洛迪诺懂贝叶斯定理，既能搞清楚自己的问题，也知道怎么寻找答案，所以他没有惊慌，他再次做了检查，结果证明，他的确没有得艾滋病。

问题搞清楚了，知识也是相匹配的，判断就可以出来了吗？并不是。

现实中的证据并不那么清晰，判断也就不可能那么轻易。如果判断错了，这个错误判断导致的行为，可能对自己造成伤害。

所以第三步，就是把问题和知识联系起来综合判断。

我举个例子，让你理解这个过程的困难。

乳腺癌，是女性最常见的癌症。很多单位给女员工的体检都有乳腺癌筛查这个项目，大家对乳腺癌非常重视。做乳腺癌筛查，是早发现早治疗的重要方法，是对自己负责的表现。

具体怎么做呢？很多人都说：听指南的。

美国癌症协会发布的最新《早期癌症筛查指南》里说：40岁至44岁的女性，可以做钼靶检查（钼靶检查就是做乳腺X光片）来筛查乳腺癌。45岁至54岁的女性每年都应该接受钼靶检查。

所以，很多人都希望自己可以尽早开始检查，最好每时每刻都能在监控之下，一旦有癌症的苗头出现，马上治疗，防患于未然。

但是，国际上各大医学组织，又都特意强调：40岁以下，没有什么高危因素的女性，不建议做乳腺癌筛查。

这是怎么回事呢？既然指南承认钼靶检查是乳腺癌的筛查方法，那为什么又不建议年轻女性去做了呢？

这里要回答的问题是：40岁以下，没有什么高危因素的女性，做乳腺癌筛查，是弊大于利，还是利大于弊？

2014年，在国际权威的《JAMA》杂志上发表的一篇文献显示：对于40岁的普通女性，如果每年进行乳腺钼靶检查来筛查乳腺癌，持续10年的话，那么每1000人里，可以最多让1.6个人避免死于乳腺癌。

或许你会说，1.6/1千也不错，毕竟人口基数足够大的话，也有不少人能因为乳腺癌筛查获益。但是，如果考虑同样方法所带来的假阳性结果，结论就不那么绝对了。

那乳腺癌检查里，假阳性的比例有多大呢？

对于40岁的女性，乳腺癌筛查出假阳性的概率超过了85%，实际真得了乳腺癌的人不到15%。也就是说，虽然检查结果是阳性，但是仍然有大部分人，实际上并没有得乳腺癌。

而对于所有40岁的女性，也就是不管有没有做过筛查，乳腺癌的发病率在0.03%左右。而40岁以下的女性，发病概率就更低，还不到0.5/1万。

回到各国医学组织提出的建议：40岁以下的女性不建议做乳腺癌筛查。就很好理解了。

发病率本来就那么低，再考虑到假阳性的结果，问题就来了：会有1.1%的人因为过度诊断，而错误地切除乳房，甚至还要接受放疗和化疗。

如果只凭筛查结果，就做手术的话，那么八成以上的可能，是要错切乳房了。而对于40岁以下的人群，接受错误手术的可能性就更大了。

所以，虽然乳腺癌的筛查在一定程度上确实可以降低乳腺癌的死亡率，但是从概率上来讲，太早接受筛查的话，你得到的可能不是降低死亡率的获益，而更有可能是被过度处理的风险。

但是有一种情况要区别对待，就是已经表现出症状的人群，比如，已经有了包块，那么接受钼靶检查是很有必要的；但是，如果没有任何问题，只是做筛查的话，40岁前就不应该做了。

你看，这就是问题确定，相关知识确定，但是需要综合判断的情况。不只是医学，你面临什么问题，想要作出理性的决策，都要遵循这三个步骤。

大到行业指南，小到员工手册，使用的时候，其实都是把群体的知识用在自己身上，怎么才能让这些知识更好地帮到你呢？能不能结合这篇文章讲的内容，说说你的想法？欢迎大家在评论区留言，和大家一起交流。