《医学的真相（TED 思想的力量系列）》读后感_2800字_读后感大全

《医学的真相（TED 思想的力量系列）》读后感2800字

2017 Eighty seven 试着回答以下三个问题1.为什么有时候，敏锐的直觉比单一的检查更有效？2.为什么不同的人对相同的药物反应不同？3.为什么看似有益的医疗方案却是有害的？
法则一 为什么有时候，敏锐的直觉比单一的检查更有效？（Personal answer :所有现代医学的基础都离不开统计学，而每一项检查都不可避免地出现假阳性和假阴性的问题）
生物学是三大基础科学中最无规律可循的一门，一开始就没有什么规则可循，普遍适用的规则更少。生物学当然必须遵守物理学和化学的基本规律，但生命总是存在于这些规律的边缘和夹缝之中，这就迫使生物学要屈从于规律濒临崩溃的边缘。
在医学中，每一个诊断上的挑战都可以被想象成一次概率游戏。而一项检测只有在预设概率时的情境中才能被合理地解读，医学中的每一个检测，甚至可以说任何领域中的任何检测，都存在假阳性率和假阴性率。重点是，如果对病人进行筛查却没有任何关于其风险的先验知识，那么假阳性率或假阴性率就会使诊断受挫。所以需要拥有强大的先验知识储备——姑且将其称为直觉——去克服检测的不足之处。
关于贝叶斯定理:贝叶斯定理的影响力并没有随着医学信息的发展而减弱，相反，它的影响力更大了。
举例:如果我们发明一种精密度极高的血液检测方法去检测埃博拉病毒，结果又会如何呢？我们是否需要在机场使用这种检测方法去筛查所有游客，并以此来控制这一致命性病毒在美国的传播？假如我再进一步地告诉你：每一个接受这个检测的被测试者都呈阳性，而且该检测唯一的缺点是假阳性率只有5％。乍一看，这好像是一个根本不用动脑筋去想的问题。但我们可以看一下，如果用贝叶斯算法来分析会是什么情况：假定有1％的游客真的感染了埃博拉病毒（占比很大），如果一位男士在机场接受检测的结果为阳性，那么他真的被感染的概率是多少？很多人会猜测大概是50％～90％。但真正的答案是16％。
个人读书提问:核心的关键在于，假定1%的游客感染了埃博拉病毒，这个假定1%的准确性是哪里来的？……自问自答，欢迎拍砖:用统计学的知识来理解的话，就把这个理解为假设检验吧
法则二 为什么不同的人对相同的药物反应不同？(Personal answer:哲学说，世界上没有两片想同的树叶，以每一个人为基础建立的疾病模型都是混合模型，现代医学的科学研究方法是在定量的前提加变量。如何测量甚至是标准化不同人体变成相同的定量？说起来简单，其实究极复杂的一句话，深感，医学是最最年轻的科学)
大多数疾病的模型都是混合模型，过去的知识和现在的知识也混杂到一起。这些混合模型对于系统地了解疾病做出了错误的引导，使我们无法全面地去了解。
对于最常见、研究最广泛的那些疾病（癌症、心脏病及糖尿病）而言，道理也是同样的。如果癌症中控制细胞分裂的基因变异了，导致细胞无节制地生长，那么为何大多数针对性很强的细胞分裂抑制剂却无法治愈癌症呢？如果2型糖尿病是由胰岛素信号组织变得麻痹所引发的，那么为何还要注入额外的胰岛素来扭转疾病的多数特征呢？为什么某些人患有多种自身免疫类疾病，而其他人只罹患一种？为什么患有神经系统疾病的病人患上癌症的风险就会降低，如帕金森氏病患者？这些“不按常理出牌”的问题就是医学中的“火星问题”：它们系统地指出我们理解上的缺陷，从而为我们指明构建“宇宙”的潜在的新方法。
在癌症药物学界长期存在这样一个事实：临床开发的药物中有90％难逃失败噩运。这种现象在制药行业被称为“死亡之谷”——在临床开发的初级阶段，一种新药物的研究开发进展很顺利，似乎又将成为科学史上的里程碑，但在真正的临床试验中却不可避免地失败了，再也难见其身影。有些是因为药物可能有未预料到的毒性，而临床试验必须被叫停；还有一些是因为药物没有引起反应，或者反应并不持久。有时候，临床试验显示药物有很强的反应，但那些反应既难以预料又很罕见。在临床试验中，1 000位女性里可能只有1位能体验到乳腺癌瘤转移造成的损伤几乎完全消失，而剩下的999位女性对药物没有反应。一位患有大面积黑色素瘤的病人可能会存活15年，而其他患有相同疾病的人可能在临床试验的第7个月就死亡了。
这些被索立特称为“例外的反应者”们遇到的问题是，他们一直以来都被忽视了——要么被当作随机的变体而被摒弃，要么就是被归因成诊断错误，或是被好运眷顾。用来形容这些病例的行业用语都打着科学谴责的烙印：单例病人逸事，医学期刊长久以来都拒绝出版这类报告。如果有人在科学会议上讲述这类病例，研究者们通常都不以为然，闭口不谈这个话题。临床试验一结束，这些反应者就被正式地标记为“例外”，药物也被悄悄扔掉了。
一个科学系统的基本特点并不是指它的观点是可被证实的，而是指它的观点是可被检验的。
法则三 为什么看似有益的医疗方案却是有害的？（personal answer:限于认知的原因，在当时的环境下，我们很多时候认为有效的手段，正确的选择，有益的行为，可能恰恰是有害的。很多所谓的客观科学，只是我们当时自以为客观）
每门科学都会遭受人们的偏见。即使我们制造了大量的机器来为我们收集、存储和处理数据，但人类才是这些数据最终的观察者、解读者和决定者。在医学上，偏见尤其严重，罪魁祸首就是“希望”。
我们希望药物有用。在医学中，希望是一个美好的事物，是医学最温柔的中心，但它同样也是最危险的。医学中有一些故事既充满希望又夹带很多错误观念，这些故事比彻底切除乳房更悲惨、更漫长。
难道预期的、可控的、随机的、双盲的研究无法消除这些偏见吗？对于这类研究，控制组和实验组都是随机安排的，病人按预期接受治疗，医生和病人都不了解治疗方法，这不仅证明医学对自身具有的偏见保持极其严肃认真的态度，而且说明我们要如何费尽心力才能克服这些偏见（在其他几个科学领域，要消除系统的偏见都是采用极端的措施）。我们也不能过分强调这类研究的重要性。一些被认为是对病人极其有益的医疗方法，或是具备有力的事实依据，或是基于几十年的非随机性研究，但经过随机研究，这些医疗方法最终被证明是有害的。在其他例子中，这类情况还包括：为新生儿进行大剂量氧气治疗，心脏病发作后使用抗心律不齐的药，对女性进行荷尔蒙替代治疗。
随机试验、对照试验在医学中至高无上的地位是其自身偏见的来源。针对结核病的卡介苗在随机试验中显示出强力的免疫效果，但是疫苗的有效性几乎是呈线性下降的，尤其是当我们的试验区域从北到南沿地球纬度移动的时候。在南部地区，肺结核是最流行的。（尽管基因变异是最明显的罪魁祸首，但我们仍然无法理解这种效果的基础。）这些被称为启发式偏见的歪曲在医学实践中不容忽视。
总结:先验知识、例外、偏见，医学的这3条法则是受到人类知识的限制和约束的。尽管医学技术已经有了较高的水平，还是难以摆脱不确定性，这是因为医学进行的研究项目远要复杂得多、费力得多。
在现实中，事实证明以前的医生和现在的医生是完全不相同的：尽管测试手段、研究方法和设备精度提高了，但比起过去的医生，今天的医生们在不得不应对先验知识、例外及偏见的时候，需要对此有更深度、更缜密的理解，这不是一个悖论。测试和治疗逐步发展，医学也是如此。