疾病检测与贝叶斯公式-贝叶斯之道.doc

疾病检测与贝叶斯公式 疾病检测与贝叶斯公式 * 在医院，如果医生怀疑你得了某种疾病，一般会让你做一些检查，而检查结果往往有阴性、阳 性之分。通常我们不希望是阳性，因为阳性可能意味着你体内存在某种病毒（菌） 。在一些重大疾 病的检测中，如果我们看到结果是阳性，就感觉自己被判了死刑，十分恐慌。 假设有一种设备，可以通过对血液样本的检测（结果有阳性和阴性）来判断你是不是一位艾滋 病患者。 1如果你是一名艾滋病患者，那么经过检测后，结果显示为阳性的概率为 99% 。如果你并 没有携带艾滋病毒，经过检测后，结果显示为阳性的概率仅为 1% 。也就是说，这种设备较为可靠， 不论你是否患有艾滋病，它基本能作出正确的判断。假如现在，用艾滋病检测试纸对自己进行一次 检测，检测结果显示是阳性，那请问你觉得自己得艾滋病的概率是多大？你会不会害怕？我曾经与 同门讨论这个问题，大家都认为，既然这种设备这么准确，而且检测结果又是阳性，那么肯定是患有此病！ 果真如此吗？无论是否学过统计，对这个问题，许多人存在判断误区。其实，即使检测结果是 阳性，到底有没有患病还要看这个病本身在人群中是否罕见。接下来我们通过一个简单的图示来解释这个问题。 图 1 即使为阳性，也不必过分恐慌 2 我们直接从总体出发，假设总人口是 1000000, 患艾滋病的概率是 1/10000 3 。因此平均说来， 在该人群中，只有 100 人患病（图 1 左侧右上方红色小人） ，而另外 999900 人不患病（图 1 左侧 黑色小人） 。现在，人群中每个人用检测试纸检测自己的血液。对 100 名患者而言，由于检测成功 本文作者高磊、宋培培。 目前使用艾滋病检测试纸在家里自己检测，已经成为高危人群的首选方法。艾滋病检测试纸的原理是：艾滋病检测试纸 条是使用胶体金免疫层析科技研发的新一代检测试剂，可检测血清或血浆标本中的 HIV-1/2 特有性抗体。 2 该图的绘制受 TED 演讲 “ How juries are fooled by statistics ” 启发。 3 目前，中国感染艾滋病人数估计有 85 万，以总人口 13 亿计，感染率为 6.5/10000 ，但是艾滋病患者主要集中在云南、 新疆、广西、广东、四川、贵州、河南、安徽、湖北和山西，北京天津以及一些北方城市感染率更低一些，所以我们采用 1/10000 的患病率。 1 疾病检测与贝叶斯公式 率为 99% ，大致有 99 人检测结果呈阳性（如图 1 右侧左上方红色小人） 。有病并且能真正检测出 来，我们称之为正确发现（ True Positive ）。虽然该台设备检测成功率很高，但是也必须考虑其失败 的情形，检测失败意味着这个人没病，但检测结果呈阳性。 4 对 999900 名正常人而言，虽然该台设 备检测失败概率仅为 1%，但由于接受检测的人基数很大，所以平均来说 9999 人检测结果呈阳性。 没病却检测为有病，我们称之为错误发现（ False Positive ）。 False Positive True Positive 当所有人检测完毕，形成了一个检测结果为阳性的群体（如图 1 右侧部分） 。在这个群体中， 并非全是真正的患病者，甚至可以说，绝大多数人（图 1 右侧绿色小人）都不是患病者 ! 为什么呢？ 因为虽然接近 10100 人的检验结果呈阳性，而真正患病人数仅有 100 人（图 1 右侧左上角红色小 人），概率为 1%。因此得到一个自然的结论：当随机从总体中抽出一个人，利用检测试纸进行检 测，如果检测结果呈阳性，并不意味着这个人一定患病，他患病的可能性仅有 1%。 图 1 的背后的统计原理是贝叶斯公式。假设 H 代表患病， H ′ 代表不患病， A 代表检测 结果为阳性。根据背景知识，我们有：人群中某人患病概率 P (H ) = 1/10000 ，不患病的概率 ′ P (A |H ) = 99/100 ，不患病条件下检测结果 P ( H ) = 9999/10000 ，患病条件下检测结果呈阳性概率 呈阳性概率为 ′ P (A |H ) = 1/100 。若某人检测结果为阳性，利用贝叶斯公式来计算其患病概率： P (H ) P( A |H ) P ( H )P (A |H ) P( H |A ) = = ′ ′ P (A ) P (H )P (A |H ) + P (H )P (A |H ) 99 10000 100 999999 1 10000 100 + 10000 100 0. 0098 计算结果与图 1 结论相符。我们不禁要问，既然检测结果呈阳性，仍然不能判断这个人是否患病，那么检测价值何在？检测当然是有价值的！我们注意到，从人群中随机抽出