如果試劑檢測準確度有問題，最終誤診的概率能有多大？_風聞

最近，身處疫情一線的武漢大學中南醫院影像科副主任張笑春的一條朋友圈截圖受到關注。張笑春在這條朋友圈中強烈建議，推薦用CT影像作為目前新型冠狀病毒肺炎的確診的主要依據。

張笑春在這條朋友圈中指出，目前武漢市家庭聚集性發病越來越多，而且大多起病隱匿，一次甚至多次核酸陰性，並且沒有臨牀症狀。

張笑春建議，應該立刻啓動只要有與疑似病例有過接觸者的均瑤進行CT排查，只要CT排查呈陽性就要進行隔離。

張笑春醫生的這條朋友圈一經發出，便有人開始擔心核酸檢測的準確性。

對於這條朋友圈，張笑春醫生向丁香園證實了截圖內容的真實性，並解釋道：發文並非是否定核酸檢測結果，而是認為其作為檢測的最終手段，目前仍受到產量、採樣方式等限制，武漢作為疫區無法在現階段完全依賴核酸檢測去篩查病人，達到切斷傳染源的防控效果。

張笑春強調：“我提的這個建議只適合咱們災區，不適合普通、散發病例篩查。普通的散病篩查要做到鑑別診斷，而 CT 不能做到鑑別診斷。”

“生產流程複雜、滿足不了大量的人羣需求，加上核酸檢測需要採樣，也是非常講究的，受到方方面面的限制，會造成（假）陰性結果。”張笑春表示，試劑盒由於研究時間緊迫很難盡善盡美。

張笑春還提到，不同廠家的試劑盒選用的原料不同，也會對結果有影響。

1月26日，賓西法尼亞大學病理檢驗系副教授王萍撰文講解新型冠狀病毒的檢測時也曾提到，試劑盒檢測可能導致最終結果不準確。

在文章中解釋試劑盒短缺來不及檢測怎麼辦時，王萍教授表示：試劑盒短缺影響確診人數的統計，但對臨牀治療影響不大， 因為迄今還沒有針對新型冠狀病毒的特效藥， 臨牀上根據病人表現，CT（計算機斷層成像）看到肺部典型病變，就可以隔離並開始治療，治療也以提供病人生命支持為主，沒有必要等待檢測結果確診。

王萍解釋道：在疾病高度疑似人羣中用一個性能不錯的檢測試劑去測，由於患病率 （disease prevalence）高，測出的陽性結果有很大可能是真陽性 （positive  predictive value陽性預測值高）， 而反之測出的如果是陰性結果，是真陰性的可能性不大 （negative predictive value陰性預測值低），所以試劑盒檢測結果基本是起確認臨牀診斷的作用。

從王萍教授的介紹中可以看出，試劑盒的檢測並不能保證檢測結果100%的準確。

對於試劑盒不能保證檢測結果100%準確這一問題，清華大學醫學院教授顏寧在微博表示：“我們做簡單分子生物學實驗都知道試劑盒質量並不一定穩定，QC（Quality Control，品控）最重要。這現在，我們其實非常擔心的事這些趕工出來的試劑盒質量。”

對於有網友提出的“準確率不高也比沒有強”這一觀點，顏寧駁斥道：“錯！又不是單一診斷手段；因為質量問題誤診更害人。”

王萍教授則進一步補充説：“如果試劑盒質量不過關，假陰性害死人！”

試劑盒檢測結果並不能保證100%的情況下，造成的檢測結果與真實值就會產生較大的偏離。

這裏先引入一個概念，叫做貝葉斯推斷。簡單説，貝葉斯理論就是把先驗概率密度函數和似然密度函數（通過經驗數據得到）相乘從而形成用於推斷的後驗分佈。

如果看不懂上述表述，可以直接看貝葉斯推斷的應用。下面是首都經貿大學陸明濤副教授提供的一張幻燈片截圖。利用貝葉斯推理，我們可以計算出一次檢驗結果為正的情況下，最終真實患病率的情況有多低。

首先我們先假設存在兩個病人，一個病人患有癌症（cancer），另一病人不患癌症（normal）。將檢測結果準確記為+，錯誤則記為-。

根據已有經驗知識，在所有人口中，該癌症的患病率為0.8%。利用某檢測方法對確實患病的患者化驗準確率為98；對確實沒有患病的“患者”化驗準確率為97%。

將上述數據記為：

所有人口中該癌症患病率P（cancer）=0.008;

所有人口中不患該癌症的概率為：P（normal）=0.992；

確實患有該癌症的患者一次檢測結果準確（即：患病）的概率為P（+ | cancer）=0.98；

確實患有該癌症的患者一次檢測結果錯誤（即：不患病）的概率為P（- | cancer）=0.02；

不患該癌症的“患者”一次檢測結果準確（即：不患病）的概率為P（+ | normal）=0.03；

不患該癌症的“患者”一次檢測結果錯誤（即：患病）的概率為P（- | normal）=0.97；

根據上述數據，我們可以根據貝葉斯推論來計算真實患病率，即確實患有該癌症的患者確實患病的概率P（cancer | +）：

P（+ | cancer）P（cancer）=0.98 X 0.008 = 0.00784；

P（+ | normal）P（normal）=0.03 X 0.992 = 0.02976；

P（cancer | +）=0.00784/0.00784+0.02976=0.21；

同理可得：

P（normal | -）=0.99834。

由此可以看出，一次檢驗結果為正的條件下，真實患病的概率僅為21%，所以複診交叉驗證十分重要。