От этого зависит ваша жизнь. Как правильно общаться с врачами и принимать верные решения о здоровье - Талия Мирон-Шац

Именно об этом я говорила одним дождливым днем в Сиэтле, когда выступала на Президентском симпозиуме Общества поведенческой медицины[191]. В зале присутствовало множество уважаемых врачей и психологов, все они пришли, чтобы узнать, как лучше вести себя с пациентами. Я должна была дать им понять, каково это — быть на месте их озадаченных пациентов, пытающихся понять и проанализировать незнакомые и пугающие вероятности.

Для начала я их успокоила. Я говорила истины, с которыми они точно были согласны, — например, что необходимы совместные действия, чтобы пациенты были хотя бы отчасти вовлечены в проблемы своего здоровья: врачи должны делать все возможное, чтобы объяснить, а пациенты — чтобы понять. Таким образом я заложила почву. Я хотела, чтобы моя аудитория примерила на себя роль получателя вероятностной информации. Я привела пример про погоду — классический в теории принятия решений: «Вероятность дождя составляет 30 процентов»[192]. На слайде была картинка облака, хотя с тем же успехом можно было просто попросить аудиторию посмотреть в окно: на улице моросил дождь. «30-процентная вероятность дождя». Звучит просто, не так ли? Тогда столь же простым должно быть и объяснение того, что эта формулировка означает.

Я предложила присутствующим три варианта ответа.

1. Дождь будет идти на 30 процентах территории.

2. Дождь будет идти в течение 30 процентов времени.

3. 30 процентов дней с аналогичными погодными условиями будут дождливыми.

Хм-м-м…

Слушатели притихли. Почему так трудно ответить на этот вопрос? Сейчас объясню. Да, мы часто слышим фразу «30-процентная вероятность дождя», но референтный класс, обозначающий, к чему конкретно относятся эти проценты, никогда не прописан и, следовательно, не ясен. Служат ли проценты для обозначения территории, времени, числа дней?

Вероятность предоставляет абстрактную информацию о мире в целом. В данном случае вероятность позволяет обобщить имеющуюся информацию обо всех днях с подобными погодными условиями и сделать вывод, что дождь будет идти в 30 процентах таких дней. Вот о чем нам сообщает вероятность. Так что, если вы выбрали третий вариант, вы были правы.

Но жизнь — это не вопрос на слайде презентации. Когда вы утром собираетесь выйти из дома, абстрактные размышления о днях и о происходящем в мире вас абсолютно не заботят. Вы просто хотите знать, брать ли с собой зонтик — весь зонтик, не 30% от него — и какую обувь надевать — резиновые сапоги или легкие босоножки.

Проценты вероятности дают информацию о целом классе событий, сообщают обо всех днях с аналогичными погодными условиями. Но вам нужно не это: вы хотите знать об одном событии, о конкретном дне, чтобы принять решение по поводу зонтика и обуви. Неудивительно, что чем больше мы углублялись в вероятности, тем сильнее расстраивалась моя аудитория.

Все присутствующие узнали что-то новое о теории вероятностей. Они также узнали о Томасе Байесе, чей портрет смотрел на них со следующего слайда. На момент моего выступления Байеса не было в живых уже почти 250 лет, но его труды сделали его бессмертным. Английский пресвитерианец, священник, философ и статистик был первым, кто использовал сложную вероятность, которая известна как формула (или теорема) Байеса. Эта теорема лежит в основе выводов Байеса.

Приведем пример. Вы кашляете. Пациенты, болеющие COVID-19, тоже кашляют. Есть ли у вас COVID-19? Согласно формуле Байеса, чтобы узнать это, вам нужно вычислить вероятность наличия COVID-19, умножить ее на вероятность кашля при COVID-19 и разделить на общую вероятность кашля.

К счастью, эта общая вероятность значительно выше, чем вероятность наличия COVID-19.

Я записала формулу Байеса на доске, отчасти для того, чтобы помочь моей аудитории ее запомнить, а отчасти для того, чтобы сложные математические обозначения спустили их с небес на землю.

P(A|B) — это не то же самое, что P(B|A).

P = вероятность.

A = то, что мы ищем (болезнь, например туберкулез).

B = то, что мы наблюдаем (симптом, например кашель).

Теорема Байеса выглядит следующим образом:

Я дала аудитории некоторое время просто посидеть под благосклонным взглядом преподобного Байеса. Затем я пошла в наступление, предложив им на рассмотрение следующую ситуацию.

• Вероятность наличия у человека рака толстой кишки составляет 0,3%.

• Если у человека есть рак толстой кишки, вероятность положительного результата анализа на онкомаркер составляет 50%.

• Если у человека нет рака толстой кишки, вероятность положительного результата анализа на онкомаркер составляет 3%.

• Какова вероятность того, что у человека рак толстой кишки, если результат анализа на онкомаркер положительный?

Я заявила: «Ник только что узнал, что у него положительный результат анализа на онкомаркер рака толстой кишки». Я дала аудитории переварить эту информацию, а затем спросила: «Значит ли это, что у Ника рак толстой кишки? Стоит ли Нику позвонить жене и сказать, что им пора потратить все свои сбережения и отправиться в путешествие, о котором они всегда мечтали?» Я сделала драматичную паузу и задала последний вопрос: «Пора ли Нику заказывать надгробие?»

Этот пример я позаимствовала из работы Ульриха Хоффраге и Герда Гигеренцера[193]. Примеры про жену, поездку и надгробие я добавила от себя, чтобы добавить рассказу драматизма. Так аудитория может понять, что ставится на кон в подобных ситуациях.

В зале воцарилась тишина. В тишину я бросила вопрос: «Какова вероятность того, что у Ника рак толстой кишки?»

Это основа медицинских рассуждений. Это то, что каждый врач должен учитывать при интерпретации результатов анализов своих пациентов.

Я добавила: «Ответ можно легко рассчитать с помощью теоремы Байеса». Это та теорема с предыдущего слайда, которую каждый из них изучал хотя бы раз.

Почему же тогда им было так трудно? Почему никто не ответил на мои вопросы?

Потому что, несмотря на все труды преподобного Байеса, использовать его теорему сложно. Сделать это, не имея при себе листа бумаги и ручки или калькулятора, — головная боль даже для самых умных людей. Я показала им