連「偽陽性」都不能接受了，「偽陰性」也要告到底嗎？

「偽陽性」用白話文講，是毋往毋縱做法下，免得漏掉癌症等嚴重疾病的代價。

前文附圖標題 Diagnostic REASONING，強調人的思考，完整的醫學決策過程，則需要病患參與，就更複雜了。

醫學診斷一直是醫學資訊界 (medical informatics) 的難題。大家以為資訊發展一日千里，診斷問題還是被認為有科學無法取代的藝術成分，難以自動化。這個四乘四表，看起來很科學，又有 CAT Maker 那樣的計算工具，請還是不要簡化第一線醫療人員的實戰困難。

這個講解「偽陽性」、「偽陰性」的圖取自 Oxford CEBM 兩場特別把【診斷類問題】拿出講的講義。

• Diagnostic studies (pdf - 2.3MB) D Annette Pluddemann
• Appraising diagnostic studies (ppt - 3.1MB) Matthew Thompson

主題是 2001 年的流行性感冒快篩檢驗，我們可以看到為了求高專一性 (Specificity, 篩出來的盡量是流感確診病例）至 97%，便犧牲敏感度 (Sensitivity) 至 44%。不幸地，這些數據都不是法界人士想像裡的「確定診斷」。

診斷正確率又跟該疾病實際的發生率有關， Dr. Thompson 以兩種發生率，發生率高達 30%的常見疾病 （例如感冒流行期間）相對於 4% 的較罕見疾病來實際計算。

「偽陽性」率是 7/22。

請注意，前文的胃癌例子的發生率更低。

同樣是 敏感度 50% 與專一性 50% 檢驗效力的檢查，如果用在 4% 發生率的疾病診斷：

「偽陽性」率 會高達 9.6/11.6 ！

在外科執業中，乳癌、大腸癌、及口腔癌這些國民健康局的重點篩檢項目，因為診斷技術敏感度提高，「偽陽性」的病例當然會跟著增加。