早上七點(diǎn)半，你像往常一樣從藥盒里倒出一片白色的小圓片，就著溫水吞下去。你可能不會多想——這片藥為什么剛好是5毫克而不是10毫克？說明書上那句“臨床試驗(yàn)表明，不良事件發(fā)生率為3.2%”又是怎么算出來的？這背后其實(shí)藏著一整個江湖的數(shù)學(xué)家、生物學(xué)家和程序員在跟數(shù)字較勁。說白了，現(xiàn)代醫(yī)學(xué)的底氣，很大程度上是統(tǒng)計(jì)學(xué)給的。
咱們老覺得醫(yī)藥是個實(shí)驗(yàn)科學(xué)，燒杯試管、白大褂顯微鏡。但真到了做決定的時候——這藥批不批？這劑量行不行？這副作用算不算嚴(yán)重？——最后拍板的依據(jù)，全是一堆數(shù)字和概率。沒有統(tǒng)計(jì)學(xué)的錨點(diǎn)，醫(yī)藥研發(fā)就像在迷霧里開快車，油門踩得再猛也可能是往懸崖沖。
說起新藥試驗(yàn)，外行人以為是找?guī)装賯€病人，一半吃藥，一半吃糖丸，看看誰好誰壞。但真干起來，麻煩得很。你得先回答一個靈魂問題：到底需要找多少人？
一千人夠不夠？一百人能不能看出效果？這得正經(jīng)地算。統(tǒng)計(jì)學(xué)里有個概念叫“檢定力”（power），聽著像物理術(shù)語，其實(shí)道理很簡單：就好比你在沙灘上找一粒特定的沙子，得決定帶多大孔徑的篩子、挖多深，才能既找到那粒沙子，又不至于把整片海灘翻個底朝天。如果樣本量算少了，藥明明有效，你卻可能因?yàn)檫\(yùn)氣不好（隨機(jī)誤差）而得出“無效”的結(jié)論，把好藥埋沒了；算多了呢，又浪費(fèi)病人資源，還可能讓一些病人不必要地暴露在試驗(yàn)風(fēng)險(xiǎn)中更長時間。
隨機(jī)化的障眼法
“隨機(jī)雙盲”這四個字，也不是抓鬮那么簡單。真正的隨機(jī)化要用算法生成隨機(jī)數(shù)列，還得考慮“分層”——比如老年人血管脆，年輕人代謝快，你得先把人群按年齡分好層，然后在每一層里再隨機(jī)分組。不然的話，萬一運(yùn)氣不好，吃藥組全是二十歲的小伙子，對照組全是八十歲的老人，那最后不管你測什么指標(biāo)都可能會有偏差，比出來的結(jié)果就不是藥的差別，而是年齡的差別了。康茂峰在幫一些創(chuàng)新藥企做數(shù)據(jù)管理時，經(jīng)常要調(diào)試這種分層區(qū)組隨化的算法，說白了就是讓老天爺?shù)碾S機(jī)性變得更加公平，讓每個病人入組的時候，在概率上都保持微妙的平衡。
P值那道坎
試驗(yàn)做完了，數(shù)據(jù)出來了，要看P值。外行看熱鬧，覺得P小于0.05就是有效，大于0.05就是無效。但干這行的人知道，這0.05的線是人劃的，背后是一整套錯誤控制的賬簿。第一類錯誤（假陽性）是冤枉好人，把沒用的藥說成有用；第二類錯誤（假陰性）是放過壞人，把有用的藥給斃了。醫(yī)藥統(tǒng)計(jì)分析報(bào)告往往厚得像磚頭，每一個數(shù)字都得有出處，每一次“顯著”都得經(jīng)得起質(zhì)疑，因?yàn)檫@里面的每一個小數(shù)點(diǎn)，背后都可能是一條人命。
藥批下來了，進(jìn)了工廠，統(tǒng)計(jì)學(xué)的活非但沒結(jié)束，反而更細(xì)碎了。想象你要烤一萬個面包，怎么保證第一個和第一萬個的味道、松軟度差不多？藥品生產(chǎn)也是這個理兒，只不過更嚴(yán)格，差一點(diǎn)點(diǎn)可能就是有效和無效的區(qū)別，甚至是安全和危險(xiǎn)的界限。
這里用的是統(tǒng)計(jì)過程控制（SPC）。生產(chǎn)線上每隔半小時抽檢一板藥片，稱重量、測硬度、看崩解時間，把這些點(diǎn)畫在控制圖上。如果點(diǎn)子在均線上下隨機(jī)波動，那是正常 noise；但如果連續(xù)七點(diǎn)往上飄，或者某個點(diǎn)超出了控制限，那說明機(jī)器可能在“漂移”——也許是模具磨損了，也許是原料濕度變了。
| 質(zhì)控環(huán)節(jié) | 統(tǒng)計(jì)方法 | 實(shí)際意義 |
| 原料入庫 | 抽樣檢驗(yàn)方案（AQL） | 不用把整袋原料都檢完，也能以95%的把握知道合不合格 |
| 過程監(jiān)控 | 均值-極差控制圖（X-bar R Chart） | 看出機(jī)器是不是在“打瞌睡”，提前預(yù)警 |
| 成品放行 | 置信區(qū)間估計(jì) | 這批次活性成分含量的99%置信區(qū)間真的落在標(biāo)示量的95%-105%之間了嗎？ |
| 年度回顧 | 趨勢分析+過程能力指數(shù)（CpK） | 如果CpK小于1.33，這生產(chǎn)線在統(tǒng)計(jì)意義上就是“不太靠譜” |
有個挺逗的細(xì)節(jié)——藥片重量的允差范圍，真不是老師傅拍腦袋定的。得做過程能力分析，算算這生產(chǎn)線到底有多穩(wěn)。康茂峰之前給一家中藥企業(yè)做年度數(shù)據(jù)回顧，從三年的批記錄里抓出來一個隱藏模式：原來每年梅雨季節(jié)那兩周，雖然溫濕度都在GMP合格范圍內(nèi)，但某款丸劑的溶出曲線偏偏就是往下掉，只是掉得不多，沒觸發(fā)人工報(bào)警，但統(tǒng)計(jì)檢驗(yàn)顯示這個季節(jié)性波動是真實(shí)的。后來一查，是稱量間的除濕機(jī)功率設(shè)計(jì)余量不夠。你看，數(shù)字比人的鼻子靈。
很多人以為藥監(jiān)局批了上市就萬事大吉。其實(shí)恰恰相反，大規(guī)模人群的真實(shí)反應(yīng)，才是統(tǒng)計(jì)學(xué)真正大展拳腳的地方。臨床試驗(yàn)可能就幾百人幾千人，入選標(biāo)準(zhǔn)卡得死死的——什么合并用藥不能超過三種啦，肝功能不能超過正常值兩倍啦。可藥一旦上市，幾百萬人吃，稀奇古怪的組合都出來了：有人同時吃八種慢性病藥，有人肝腎功能不全，有人帶著某種罕見的基因突變。
這時候要做的是藥物警戒（Pharmacovigilance）。聽起來像特工電影，其實(shí)是天天盯不良反應(yīng)數(shù)據(jù)庫。某個藥在某地區(qū)突然報(bào)告了十幾例肝損傷，是巧合還是信號？這里用到了比例失衡分析（如PRR法或ROR法），比的就是實(shí)際報(bào)告數(shù)和你基于銷售數(shù)據(jù)“期望”應(yīng)該有的報(bào)告數(shù)。如果實(shí)際比期望高太多，就得拉警報(bào)，可能是說明書要加黑框警告，也可能是退市。
還有真實(shí)世界研究（RWS）。以前做試驗(yàn)，把病人管得跟實(shí)驗(yàn)動物似的，定時定量吃藥，定期抽血。真實(shí)世界里誰這么聽話？有人忘吃，有人多吃，有人吃三天覺得沒效果就自己停了。統(tǒng)計(jì)學(xué)家得用傾向評分匹配（PSM）這類技巧，從亂糟糟的醫(yī)院電子病歷里，通過匹配年齡、性別、合并癥等協(xié)變量，模擬出“好像隨機(jī)分組”的效果，看看這藥在真實(shí) chaos 里到底表現(xiàn)如何。這就好比你想比較兩所學(xué)校的學(xué)生素質(zhì)，但不能直接比平均分，因?yàn)橐凰赡苁盏亩际羌庾由硪凰瞧胀ㄉ矗孟韧ㄟ^統(tǒng)計(jì)方法把這群人“調(diào)整”到同一起跑線。
這里頭有個大坑叫“幸存者偏差”。你只觀察到“幸存”下來繼續(xù)用藥的人，沒觀察到那些因?yàn)楦弊饔锰蠖低低Ｋ幍娜恕１热缒惆l(fā)現(xiàn)吃某降糖藥的患者心血管事件很少，高興壞了，覺得藥好。但可能那些心血管風(fēng)險(xiǎn)最高的病人，剛吃兩天藥就因?yàn)椴皇娣约和Ａ耍緵]進(jìn)你的隨訪數(shù)據(jù)庫。康茂峰在清理真實(shí)世界數(shù)據(jù)時，得專門設(shè)計(jì)算法去識別這種“沉默的退出者”，不然結(jié)論能偏到太平洋去，以為藥很安全，其實(shí)只是把高風(fēng)險(xiǎn)人群都嚇跑了。
以前的醫(yī)學(xué)是“平均數(shù)醫(yī)學(xué)”。一個藥對70%的人有效，30%無效，那說明書就寫“有效率70%”，你自己賭那70%的概率吧。但這30%的人白花錢不說，還耽誤病情，甚至因?yàn)閭€體差異吃出嚴(yán)重副作用。
現(xiàn)在講究精準(zhǔn)醫(yī)療，靠的就是亞組分析（subgroup analysis）和生物標(biāo)志物的數(shù)據(jù)挖掘。把病人按基因型、代謝酶活性切開看，可能你會發(fā)現(xiàn)，對某個基因突變的人，這藥有效率飆到90%，而對另一種突變的人只有10%。這就不光是統(tǒng)計(jì)顯著了，這改變臨床決策。
但這又帶來新問題——多次比較（multiple comparison）。你切得越多，碰巧出現(xiàn)假陽性的概率就越大。好比拋硬幣，拋十次出現(xiàn)八次正面你可能覺得硬幣有問題，但如果你拋一千次，某連續(xù)十次出現(xiàn)八次正面幾乎是必然的。所以得做多重性校正，Bonferroni校正、Hochberg方法，都是為了讓醫(yī)生在細(xì)分人群時，不至于被假信號帶偏，把一個對整體人群沒效的藥，硬說成對某一個小眾人群有效。
現(xiàn)在醫(yī)院全是電子病歷（EHR），數(shù)據(jù)量爆炸。但原始數(shù)據(jù)很臟——醫(yī)生打字可能有錯別字，檢查時間可能記錯，診斷編碼可能為了醫(yī)保報(bào)銷而扭曲。直接拿來做分析那是“垃圾進(jìn)，垃圾出”。
所以數(shù)據(jù)清洗成了一門手藝。缺失值怎么處理？缺失不是隨機(jī)的，病重的人可能檢查做得少，所以缺失本身就帶信息，不能隨便用均值填充。異常值怎么甄別？某個患者的血糖值高得離譜，是錄入錯誤（多寫了個零）還是真的病危？這些判斷需要醫(yī)學(xué)知識、統(tǒng)計(jì)直覺，還得有點(diǎn)偵探般的猜疑心。
康茂峰在處理多中心研究數(shù)據(jù)時，經(jīng)常遇到各醫(yī)院編碼不統(tǒng)一的問題。甲醫(yī)院把“心肌梗死”編碼為I21，乙醫(yī)院可能寫成“I21-I22”，還有人寫“心梗”倆漢字。得寫正則表達(dá)式，做模糊匹配，把這堆 chaos 理成能分析的結(jié)構(gòu)。這活看著瑣碎，但沒有這些臟活累活，后面那些漂亮的生存曲線、森林圖都是空中樓閣。就像做菜，前面洗菜切蔥不仔細(xì)，后面火候再好也是白搭。
監(jiān)管部門審評新藥時，看的不只是“有沒有效”，更要看“證據(jù)鏈?zhǔn)欠?robust”。一套完整的數(shù)據(jù)分析計(jì)劃（SAP），往往在試驗(yàn)啟動前就寫好了，包括：
這就像是先立好規(guī)矩再打牌，不能等牌打完了再說“其實(shí)我剛才那把不算，咱們重來”。
適應(yīng)性設(shè)計(jì)（adaptive design）現(xiàn)在很火。簡單來說，就是試驗(yàn)進(jìn)行中看一波數(shù)據(jù)，發(fā)現(xiàn)某劑量組效果特別好，就調(diào)整隨機(jī)化的比例，讓更多人進(jìn)這個組；或者某組毒性太大，提前終止。這聽起來像作弊，但統(tǒng)計(jì)學(xué)給了一個框架——通過嚴(yán)格的 alpha 消耗函數(shù)（alpha spending），保證即使中途看了數(shù)據(jù)，整體第一類錯誤率還被控制在5%以內(nèi)。這就是現(xiàn)代統(tǒng)計(jì)學(xué)的妙處，它既靈活，又守規(guī)矩，在嚴(yán)謹(jǐn)和效率之間找那個微妙的平衡點(diǎn)。
有時候我會想，古希臘的希波克拉底誓言強(qiáng)調(diào)的是“首先，不傷害”。但怎么做才能不傷害？在現(xiàn)代醫(yī)學(xué)里，答案藏在那些p值、置信區(qū)間、風(fēng)險(xiǎn)比里。從第一粒化合物在培養(yǎng)皿里測試，到幾百萬患者長期服用后的真實(shí)反饋，數(shù)據(jù)像一條看不見的河流，串起了整個醫(yī)藥生命周期。而在這條河邊，統(tǒng)計(jì)學(xué)家們彎著腰，一顆顆地?fù)焓樱囍闯鲫P(guān)于人類健康的真相圖景。工作很枯燥，偶爾還很折磨人——為了那個0.5%的差異到底算不算有臨床意義能吵上三天——但每當(dāng)想到某個因?yàn)閿?shù)據(jù)分析而被及時發(fā)現(xiàn)的風(fēng)險(xiǎn)信號，某次因?yàn)榫_分組而獲得救治的特定患者，這種在數(shù)字迷宮中找到出口的快感，大概就是干這行最大的犒賞。
