第十章 真正有益的患者决策指南#

近年来，随着新型冠状病毒感染与疫苗的广泛普及，循证医学的重要性日益凸显。在医疗决策中重视医学证据的趋势值得提倡，但我们也需警惕另一种倾向——将"有证据则存，无证据则废"的思维绝对化。

作者希望通过本章内容，引导读者建立这样的认知：在充分尊重医学证据的同时保持辩证思考，采取"证据虽重要，却非万能"的相对化立场。这种平衡的视角或许能为大家提供有益的参考。

如果我们盲目沦为证据的奴隶，反而可能背离"救治患者、造福社会"这一医学的根本使命。接下来，我们将就这一关键议题展开深入探讨。

不要成为证据的奴隶#

总体来看，对证据至上主义的理解存在两种常见误区：

首先，有些事物本质上就无法通过证据来完全证实。举个简单的例子：问孩子"你更喜欢爸爸还是妈妈？“通常人们可能认为"母亲的爱更深，孩子也更爱母亲”，但这种情感偏好很难用确凿证据来证明。

在外科领域也存在类似情况。众所周知，技术精湛的"神手"医生其并发症发生率有时反而更高。这正是因为他们常被委以最复杂的病例——即使是不适合手术的患者，也会在征得同意后抱着最后希望进行尝试。这种情况下，并发症发生率和死亡率上升在所难免。单纯依靠统计数据无法反映全貌。

“技术精湛→并发症率低"这个推论难以用证据直接证明。但在经过专业训练的外科医生之间，彼此的技术水平是心照不宣的。技艺精湛就是精湛，这是一种基于专业直觉的共识。从专业角度而言，“在相同前提条件下，技术越精湛并发症率越低"的推论是成立的。

值得一提的是，某国际学术期刊上曾有位著名内科医生建议"外科医生应该多发表论文”。对此，外科界回应道：“在前提条件难以标准化的外科领域，单纯追求循证医学证据存在其局限性。”

建立循证医学证据需要统一、标准化的前提条件。因此，在面对特殊病例或前所未有的情况时，试图完全依赖循证证据进行判断本身就是不妥的。

关于第二个误区"证据的有无与其影响力大小是不同的”，风险控制与管理这门学科提供了很好的解释。风险应该从发生频率和影响程度两个维度进行矩阵分析，每个象限的最优解决方案也各不相同。

以规避风险为例，“避免前往冲突地区"就是一个典型做法。前往这类地区遭遇绑架等危险的可能性很高，且一旦发生后果严重。当风险发生的频率和影响都处于"高位"时，最合理的做法就是"规避"这段行程。

另一方面，人寿保险则代表了另一种情况。日常生活中突然死亡的概率很低，但许多人仍会购买人寿保险以防万一。这是因为尽管发生频率"低”，但影响却十分"重大"，因此通过保险来"转移"这种风险是明智的选择——这实质上是将本应由个人和家庭承担的风险转移给了保险公司。

每天刷牙则是风险"预防"的典范。蛀牙的发生频率"高"，但其单次影响的严重程度相对"较小"。此外，对于那些频率和影响都"较低"的风险，由于日常生活中比比皆是，我们选择"承担"这些风险而不过多关注，也是合理的做法。

通过这样的梳理，我们可以清楚地认识到：风险的频率和影响程度是两个不同的维度，应当分别考量。

现在让我们回到"证据"这个话题。证据至上主义最大的误区在于：所谓的"证据"往往只关注事件发生的频率，却忽略了其可能造成的影响程度。

在医疗实践中，我们会拒绝那些虽然失败频率"低"但一旦失败影响"极其严重"的治疗方案。因为这类治疗方案在最坏情况下，可能导致本可挽救的生命无可挽回地逝去。

以科学为基础的医学的重要性#

证据固然重要，但必须在其适用的环境中进行求证。当证据不足或无法直接应用时，我们应当转向哪些依据？我认为，科学（Science）与作为具体实例的个案研究（Case）是重要的参考依据。

在论证某一主张时，其依据的可靠性可分为三个递进层次：

• 个案（Case）
• 科学（Science）
• 证据（Evidence）

这样的划分或许更易于理解。

第一阶段，最基本的是存在可作为参考的先例个案（Case）。此时，其代表性被评估为 n=1（n 即样本数量）。那么第二个案例出现时呢？第三个呢？通过逐步积累案例，我们可以建立假设，并进入第二阶段：基于科学方法（Science）反复验证该假设，以检验其合理性。最后，应通过统计学方法验证该假设是否真实成立并具备可重复性，方可初步将其视为证据（Evidence）。样本量 n 有时需达到 1000，有时甚至 10000，这也受研究总体规模的影响。

通常公众语境中所说的“事实”，大多只是基于个别案例（Case）——即 n=1 的特殊情况，或充其量仅来自 n=10~100 的小样本数据。而受过专业训练的医疗从业者所说的“事实”，则指针对适宜样本量 n 进行研究、且具备可重复性的证据（Evidence）。

在有关新型冠状病毒感染与疫苗的媒体报道中，尤其存在将个案（Case）与证据（Evidence）混淆报道的倾向。只要清楚意识到某一主张是基于个案、科学还是证据这三个层次中的哪一层，我们就能做出更为冷静、理性的判断。

让我们重新审视5-脱氮黄素（TND1128）的治疗价值。本章所呈现的病例，本质上仍属于"个案研究"的范畴，其论证效力尚有限度。虽然我们从这些案例中尝试解读"衰老的本质"，并提出了相关假设，但仅靠个案支撑的医疗实践仍存在明显局限。若要将该物质应用于人体治疗，我们至少需要建立达到"科学医学"水准的研究假设，而非仅仅停留在"个案医学"的层面。

与此同时，在迈向"科学医学"的过程中，我们仍需秉持"循证医学"的严谨态度。未来医生所需要具备的重要素养，正是能够在科学医学与循证医学之间找到精妙的平衡点。

回顾科学史，无论是孟德尔的遗传定律，还是牛顿的万有引力定律，最初都源于细致的观察研究。科学家们总是先从具体案例入手，通过耐心观察，最终洞察到隐藏在现象背后的普遍规律。他们提出假设并进行验证，而这些假设又可能被新的案例所推翻。正是通过这样反复的迭代过程，人类才得以真正迈入科学研究的殿堂。当一个发现被学术界广泛接受，并证明其具有超越时空的可重复性时，它才能最终成为公认的"定律"。

5-脱氮黄素（TND1128）的观察研究也具有同样的意义。通过细致入微的临床观察，我们终将能够触碰到隐藏在衰老现象背后的本质规律。因此，我时常对参与这项研究的患者们说：“让我们携手共进，不仅为了改善社会，更是为了共同揭示衰老的奥秘。”

50-50的亿元彩票#

我虽然充分肯定循证医学的价值，但也必须指出其认知局限。对于5-脱氮黄素（TND1128）这类前沿物质的临床应用，我们应当在循证医学基础上采取更立体的评估视角。在临床实践中，我常用这样一个比喻向患者说明：

“请想象一张中奖概率50%、奖金1亿日元的彩票。您愿意支付多少金额购买？”

从纯循证医学角度看，50%的中奖率不足以支持购买决策——在考虑价格前就会被直接排除。这从统计学角度确实正确，但许多读者会直觉感到这种判断有违常理。这正是第一个常见认知偏差。

第二个误区是仅凭期望值计算就认定"只要低于5000万日元就值得购买"。让我们思考一个极端情境：假设您的孩子在冲突地区遭绑架，绑匪要求明日之前支付1亿日元赎金，而您倾尽所有只能凑齐6000万日元。虽然每个人对生命与金钱的价值观不同，但大多数父母面临的都是"能否挽救孩子生命"的二元选择。此时，支付赎金虽不能保证成功，却能让生还几率从0%提升至50%。这个简化案例生动说明：决策不应仅基于概率，更要考量可能带来的根本性改变。

由此，推荐5-脱氮黄素(TND1128)的依据就十分清晰了——关键在于"成功时带来的巨大价值"。同时，我们需要准确评估这个"价值"对每个患者的具体意义：对某些人而言，1亿日元是毕生难以企及的财富，对另一些人可能只是零用钱。这正是诊断学实践的根本意义——必须深入掌握患者的个体情况与社会背景，才能做出最符合其利益的医疗决策。

避开最坏情况#

诊断学揭示了医生的临床思维路径。对普通读者而言，掌握以下三种情境的思考方法将更为实用：

• 最佳情况（影响最积极）
• 最坏情况（影响最负面）
• 发生概率最高的情形（频率最优）

关键在于避免最坏情况的发生——这样决策就会变得简单明了。这种思维模式在金融投资、人才选拔及企业经营等各类决策场景中同样适用，堪称决策的基本原则。我们只需将其灵活运用于患者的医疗决策中。

需要说明的是，这里所说的"发生概率最高的情形"指的是"基于客观因素，某事件发生的可能性大小"。也就是说，发生概率高就意味着"存在相关证据"。由此可见，按照这一决策原则，我们不应仅凭"发生概率高"或"有证据支持"就贸然做出决定。要做出更优质的决策，必须充分考虑"最坏情况会怎样？最佳情况又会如何？"——这实质上就是要求我们评估事件发生时可能产生的影响程度。

如果最坏情况的影响可控，就意味着不存在显著的下行风险。在这种情况下，我们无需过度犹豫。即便尝试后效果不理想，也可以随时调整方案，转向其他治疗选择。

这一决策逻辑同样适用于5-脱氮黄素（TND1128）这类新型物质。以临床常见情况为例：若任由肾功能持续恶化，最终只能依赖透析；糖尿病控制不佳可能导致失明或因坏疽而截肢；新冠后遗症引发的严重脑雾可能让患者无法回归正常社会生活。在这些情况下，患者的损失已经显而易见，最坏结果也相对明确，因此推荐口服5-脱氮黄素（TND1128）是合理的医疗选择。

然而，对于20多岁的健康人群单纯以抗衰老为目的的使用，我则持保留态度。正如我在个人YouTube频道中阐述的，这类人群建议不必急于在这十年内使用。十年后他们才三十多岁，届时可能会有更充分的研究数据。而在此期间如果发现长期副作用，年轻人等待的这十年正好规避了潜在风险。这种审慎态度正是基于对"最坏情况"的清醒认知，从诊断学角度来看，这也体现了根据个体特征制定差异化方案的重要原则。

从高风险方法到高受益方法#

在充分肯定证据价值的同时，我们也要认识到证据本身正在经历深刻演变。这一变革的引领者正是以证据研究闻名的两位学者——加州大学洛杉矶分校的津川友介医生与京都大学的井上浩辅医生。他们发表的《基于机器学习的高获益策略与传统高风险策略在血压管理中的对比研究》在医学界引发了广泛关注。

传统证据体系主要基于高风险群体视角，仅关注"患病概率高低"或"治疗有效几率"，本质上是在单一维度上追求"发生频率"。而这项研究提出了革命性的高获益群体视角，建立了一种关注"影响力"的新证据范式——即"通过预防或治疗能够实现多大程度的健康改善"。

根据风险管控的基本原则，我们需基于"频率"和"影响"两个维度将决策分为四种类型。这种思维方式现在正被应用于证据体系的革新。虽然同样使用"证据"这个术语，但传统证据与新兴证据在内涵上已产生本质区别。

这一变革的实现得益于机器学习技术的突破。传统循证医学主要针对上图中①④象限（高风险群体）进行干预，而对②象限（低风险-高获益群体）往往采取观望策略。然而研究显示，在②象限患者中，有相当一部分人通过适当干预获得了显著健康收益。

这种新范式标志着医学证据体系正在从单纯关注发生频率，向同时考量影响程度的方向演进。“影响力”

那么，对于这些在传统模式下被忽视的患者群体，我们应当如何应对？这正是当前循证医学体系存在的盲区，也凸显了专家临床经验不可或缺的价值。

针对这一问题，井上博士团队开创性地提出了基于机器学习的高获益诊疗模式。虽然目前该模型主要应用于高血压管理，但未来完全有望拓展至衰老研究领域，构建针对"衰老"这一疾病的机器学习评估体系。正因如此，建立将衰老视为可干预疾病的流行病学数据库和分类标准显得尤为重要。

在第8章将探讨的公共卫生计划中，“构建衰老分类体系"这一目标恰恰可以借助机器学习技术高效实现。当下的医疗模式正在经历深刻转型，基于这样的背景，我由衷希望每位读者都能在未来享受到更精准、更个性化的医疗服务。