1701556649
“我从未听说过二次方程式，我确定这里不能用这种方法。我不奢望你能明白。这需要统计学训练。”
1701556650
1701556651
“好吧，我曾经接受过统计学训练。我认为我可以明白。”
1701556652
1701556653
“你转行了？”
1701556654
1701556655
“我是一位科研人员——神经科学家。我在大学教授统计课程，也发表过好几篇统计学相关文章。”
1701556656
1701556657
“但你不是像我一样的医学博士。你的问题在于你不懂药物。你要知道，医学统计与其他统计不一样。”
1701556658
1701556659
“有什么不一样？”
1701556660
1701556661
“我从医已经有20年了，你有几年经验？我一直在实际操作，你只有所谓的理论，你其实什么都不知道。我每天都会看病人，我知道我在处理什么。”
1701556662
1701556663
另一位外科医生是世界级达·芬奇“机器人”导引术专家，他告诉我，“这些数据不正确。我曾经做过500次活检，没见过超过24个脓毒症案例”。
1701556664
1701556665
“好吧，24/500约等于5%。”
1701556666
1701556667
“哦，好吧，我确信没有那么多。如果有5%，我一定已经注意到了。”
1701556668
1701556669
不管是因为享受批评，还是我本身就是一位乐观主义者，我再一次拜访了一家技术领先的医院的肿瘤学部门头头。我指出，如果一个人患上了前列腺癌，他们最好不要接受手术治疗，因为在需要接受治疗的人中，只有2%的病人能够从中获益。
1701556670
1701556671
“假设你被诊断出了这种疾病”，他说，“你一定不会放弃手术。如果你就是那2%中的一员呢？”
1701556672
1701556673
“好吧，我也有可能不属于呢？”
1701556674
1701556675
“但你不知道啊。”
1701556676
1701556677
“你是对的，我不知道，但是根据定义，这不可能——只有2%的概率让我属于那2%中的一员。”
1701556678
1701556679
“但你不知道你不属于啊。如果你属于呢？那么你就会想要接受手术。你到底是怎么了？”
1701556680
1701556681
我与另一位医学院泌尿系统肿瘤专家就这个问题进行了探讨。他是一位临床研究专家，曾经在科学杂志中发表过多篇有关前列腺癌的文章。他的文章就曾用到了统计学知识。当他听完我与他的同事的对话后，并没有感到吃惊，而是似乎有点失望。他解释说，前列腺癌的一部分问题在于：其常用测试PSA（前列腺特异抗原）很少被人熟知，期待结果方面的数据也不完整。活检存在很多问题，因为它只是依靠前列腺样本，而某些区域比其他区域更容易获取样本。最后他指出，医学成像是一种很有前途的方式——例如磁共振成像和超声——但预期效果有关方面的研究还太少。某些时候，即使是高分辨率核磁共振成像也会错过活检中2/3的癌细胞。然而，活检用于诊断、手术、放射治疗，依然是控制前列腺癌的黄金标准。医生接受的都是有关采用有效方式治疗病人的知识，但他们没有接受科学或可能性思维的训练——你需要训练自己的理性思维，理想情况下，与你的医生共同进行理性思考。
1701556682
1701556683
医生能提供什么
1701556684
1701556685
如果医学博士都这么不擅长理性思维，那药物怎么会减轻我们如此多的痛苦、挽救那么多人的生命呢？我太过关注那些引人注目的案例——前列腺癌、心脏手术——在这些案例中，药物会不断进行调整；我也太过关注那些特别困难的问题，一些会暴露认知弱点的问题。但实际上也有很多医学成功的案例，例如免疫防护、感染治疗、器官移植、预防保健和神经外科（正如我们在第4章讲到的萨尔瓦托雷·亚科尼斯）。
1701556686
1701556687
事实上，如果出现某些问题，你不会去查阅资料书，而是会去找医生。行医既是一种艺术也是一门科学。一些医生会运用贝叶斯定理，但他们实际上并不知道自己在干什么。他们运用接受的训练与观察能力来进行模式匹配——他们知道病人已经匹配某种症状，然后他们会冒着风险因素进行诊断和预后判断。
1701556688
1701556689
正如加利福尼亚大学圣塔芭芭拉分校的顶级神经学家斯科特·格拉夫顿所说的那样，“经验与隐性知识真的都很重要。最近，我曾与两名急诊室的医生查房。这两位医生都拥有超过50年的临床经验。没有卡尼曼和特韦尔斯基的口舌之争，也没有任何形式逻辑，他们只是指出了一个问题。通过刻苦学习，他们已经掌握了本领，获得了卓越的有关模式识别系统的知识。放射学家通过X射线很容易理解这种模式识别。对于任何临床医生来说都是这样的。他们根据多年的经验分析测试结果、检查身体、了解病人的病史，然后据此生成非常准确的贝叶斯可能性”。一位好的医生已经接触了数千个这种案例，形成了丰富的统计历史（贝叶斯称为先验分布），他们可以给新病人提出建议。好的医生不需要任何努力就可以运用这种原理，然后得出有利于病人的最佳治疗方案。
1701556690
1701556691
格拉夫顿接着说：“贝叶斯与启发式论据的问题在于，他们无法意识到医生需要学习直接从病人身上获取信息，并制定个性化的决策方案。这种方式非常有效。当一位优秀的医生走进病房时，他会闻到死亡的味道。”例如，许多医生走进重症监护室，他们都会看一些重要的指标与图表；当格拉夫顿走进重症监护室时，他会看看病人，用他人类的本能来了解他人的内心与身体状态。
1701556692
1701556693
优秀的医生会与他们的病人交谈，了解他们的病史与症状。他们会巧妙地运用模式配对。科学会告诉他们怎样判断，但他们不会依赖任何检查。在之前所提到的蓝脸、绿脸以及视力模糊的故事中，我掩盖了一个现实医学决策中重要的因素。你的医生不会要求你接受检查，除非他认为根据检查以及病史，你很可能已经患上了这种疾病。在我所编造的模糊症的案例中，尽管基础概率是1/10000，但这并不是模糊症患者走进医生办公室进行检查的人数。如果基础概率为1/9500，你可以重新填充四格表，然后，你会发现患模糊症的概率会从1/201下降到1/20。这就是贝叶斯更新——找到与你相关的数据并利用这些数据。你可以将问题限制在与你在某些维度上相似的一组人，然后得出可能性预测值。例如，问题不在于“我中风的概率是多少”，而是“与我年纪、性别、血压、血糖都相似的人，中风的概率为多少”。这就需要将医学这门科学与艺术相结合。
1701556694
1701556695
尽管针对某些疾病，医药效果并不明显，但我们不能否认过去几百年来医药所取得的巨大成就。位于美国亚特兰大的疾病预防控制中心曾报道了一起几乎被完全消除的疾病的报告——发病率下降了99%——1900—1998年，导致成千上万美国人死亡的9种疾病：天花、白喉、破伤风、麻疹、腮腺炎、风疹、流感嗜血杆菌、百日咳和脊髓灰质炎。白喉从175000例下降到1例，麻疹从500000例下降到大约90例。在人类大多数历史中，从公元前1万年到1820年，我们的寿命延长了25年；在那之后，世界平均寿命已经增加至60多岁；自1979年以后，美国人均寿命从71岁上升到了79岁。
1701556696
1701556697
那些更多医生干预的疾病呢？毕竟，寿命的长短可以得益于其他因素，例如卫生条件的改善。在战场上，即使武器越来越具破坏性，但士兵的治愈率仍然能够大幅提升战争的胜算：在美国内战与世界大战中，士兵因伤死亡的比例为1∶2.5；在伊拉克战争中，这个比例已经下降到1∶8.2。婴儿、新生儿以及不到一周岁的新生儿的死亡率都已经大大降低。1915年，每1000个新生儿就会有100个在满周岁之前死亡；2011年，这一数字降至到了15。尽管前列腺癌、乳腺癌、胰腺癌都很难治疗，但儿童白血病的存活率已经从1950年的0上升到了现在的80%。
1701556698
[
上一页 ]
[ :1.701556649e+09 ]
[
下一页 ]