法則一：為什麼敏銳的直覺比單一的檢查更有效？
法則二：為什麼不同的人對相同的藥物反應不同？
法則三：為什麼看似有益的醫療方案卻是有害的？
“醫學的真相——如何在不確定信息下做出正確決策”，[美] 悉多達·穆克吉著，潘斕兮譯：
「···自實習期開始，到成為住院醫師，再到成為一名癌症研究員，這 3 條法則一直伴着我前行。它們在我做出判斷時指引我，避免了一些很糟糕的錯誤；它們幫助我診斷病人，醫治在實踐中遇到的最困難的病例。每一年，當我在醫院開始教學查房的時候，我都會向新來的住院醫師講解我自己總結的這 3 條法則。每當我在病房或是門診看到一位新的病人，我都提醒自己要思考這些法則。」
「很多前輩花費了大量的時間和精力，試圖探究引發瘟熱病的真正原因，他們對大自然的奧秘充滿好奇與想象···這些奇思妙想集合起來，自成一套體系與假說，這使得前輩們所探究的領域不再局限於事物現有的知識。」
「擁有學識不代表擁有臨床智慧。」
“醫學中的每一個檢測，甚至可以說任何領域中的任何檢測，都存在假陽性率和假陰性率。”
“重點是，如果對病人進行篩查卻沒有任何關於其風險的先驗知識，那麼假陽性率或假陰性率就會使診斷受挫。”
“貝葉斯思考的統計學問題需要經過復雜的數學推理。大多數研究數學的人面臨的是純統計學的問題：如果你有一個盒子，里面有 25 個白球和 75 個黑球，試問，連續取出的兩個球都是黑球的概率是多少？然而，貝葉斯面臨的卻是一個逆向的謎題——從觀察的事實中獲取知識的原理。貝葉斯會問，將黑白兩色的球混合裝進一個箱子中，如果從這個箱子中連續取出的兩個球都是黑色的，你能說出箱子中白球和黑球各有多少個嗎？要是你連續取出的是兩個白球和一個黑球又會怎樣呢？你對箱子里不同顏色的球個數的估算又是怎樣改變的呢？”
“貝葉斯描述的等式教會我們，在已有的關於風險和發病率的先驗知識的基礎上，我們應該如何解讀一個檢測：如果一位男士有吸毒史，而且吸毒者 HIV 感染的發病率較高，那麼陽性檢測為真的概率是多少？貝葉斯提醒我們，一項檢測并不是德爾斐神諭，它無法預言完美的真理。更准確地說，它是一台調整概率的機器，既吸收信息又產出信息：我們給它“輸入概率”，它就給我們“輸出概率”；如果我們給它投進垃圾，它吐出來的也必然是垃圾。”
“假定有 1％ 的游客真的感染了埃博拉病毒（占比很大），如果一位男士在機場接受檢測的結果為陽性，那麼他真的被感染的概率是多少？很多人會猜測大概是 50％～90％。但真正的答案是 16％。如果游客中病毒感染的真正患病率降至 0.1％（一個更實際一些的比例），陽性檢測結果為真的概率就降至 2％，這真的令人難以置信。換句話說，98％ 的檢測結果是假的，我們不得不將大部分的精力都花在找出 100 例中為真的那兩例上。”
“哲學家卡爾·波普爾（Karl Popper）在他 1934 年的著作《科學發現的邏輯》（The Logic of Scientific Discorery ）中提出區分科學系統和非科學系統的重要標准。波普爾認為，一個科學系統的基本特點并不是指它的觀點是可被證實的，而是指它的觀點是可被檢驗的，通過預測或觀察來證偽，才能被斷定是“科學的”理論或觀點。如果一種理論不能證偽，那麼它就是不科學的。
如果要使醫學成為真正的科學，那麼，我們必須抓住每一個機會對它原有的模型去證偽。
参考文献：