数学家如何改变医学实践

英国医生理查德·里尔(Richard Lower)在1660年代成为英国皇家学会的核心人物,他展示了如何摇晃装有静脉血液的玻璃试管,使它与空气混合时将深紫色变成红色。

当这一切在观众眼前发生时,Lower断然证明了静脉血是如何变成动脉的。 然后,通过有条不紊的解剖,他追踪了血液通过肺部和心脏的血液循环。 他像化学家一样工作,展示了试管中的血液通过肺部时的行为像我们体内的行为。

尽管很明显,我们体内的血液和试管中的血液不会表现出相同的特性,但对人体的理化活性的处理与在受控条件下在实验室研究的一系列化学反应没有区别。 在不依赖神话和推测的情况下探索身体机能的机制时,这种粗略的近似成为必要。

通过受控实验,科学家们开始发现几个孤立的生物过程,这些过程直到那时仍然晦涩难懂,例如血液循环,消化,呼吸等。 在对它们进行独立研究之后,通过附加实验将这些各种重要功能结合在一起的目标就开始了。 但是生理学家很快意识到,这项运动具有独特的挑战性。 虽然分析单个生物现象似乎很简单,但将人体内各种动态变化的生化过程相互联系起来,已成为人类大脑的一项艰巨任务。

与新的生物学机制的发现相对应的是治疗各种疾病的新方法的概念。 随着新观念被引入医学实践,医生迫切需要一种能够评估支持或反对该特定疗法的证据强度的工具。 如果不解决此类歧义,那么这一新兴的科学将有可能陷入螺旋形的形而上学和投机理论的黑暗时代。

数学家向医生求助。 理论将永远改变实验医学研究的那个人就是发现重力定律的那个人。

在他的研究期间,牛顿开发了广泛的方法来计算波动实体的属性。 他将论文命名为“ Fluxion”,后来被称为微积分。 另一位数学家,出生于德国的Gottfried Leibniz,也在大约同一时间独立地开发了微积分。

直到那时,如果我们想研究两个变量如何相互影响,还没有一种快速的方法可以直观地解释动态交互。 微积分为我们打开了一扇门,使我们能够观察到功能变化的速率,例如时间,力,质量,长度或温度。 现在,可以使用这些复杂的数学计算来理解自然界中许多可量化实体之间的关系。 这最终成为实验的语言。

在十七世纪之前,医学界对数据的收集和分析没有兴趣。 因此,他们也认为在治疗中使用计算没有价值。 不是医生,甚至不是数学家,而是以约翰·格兰特(John Graunt)为名的商人,他首先利用了医学领域的统计数据。

即使没有接受正规的教育,Graunt也对道德统计着迷。 他根据对《死亡率法案》的研究,编写了一本书,该法案收集了有关伦敦市民超过70年的重要统计数据。 格拉恩特(Graunt)于1665年在英格兰出版, 在以下索引中提及自然和政治观察》,并以《死亡率法案》(简称《 观察》)为例说明了随着伦敦死于瘟疫的人数上升而保存的账目,仅在1625年一年就杀死了英格兰四分之一的人口。

观察试图建立一个警告瘟疫发作和扩散的系统,这为医学数据的实用性铺平了道路。 在接下来的一百年里,统计研究开始遍及医学的各个领域,从研究到政策。 这些影响主要来自外部医疗保健。 两位数学家托马斯·贝叶斯(Thomas Bayes)和皮埃尔·西蒙·拉普拉斯(Pierre-Simon Laplace)永远改变了医学的面貌。

到1700年代后期,法国数学家和天文学家皮埃尔·西蒙·拉普拉斯(Pierre-Simon Laplace)坚定地认为,统计应该应用于整个人类知识体系,而不仅仅是物理或化学。 关于医学,他认为,随着观察数(数据点)数量的增加,最好的治疗方法将会显现出来。

拉普拉斯(Laplace)鼓励使用统计分析来确定疗法的有效性。 在此之前,通常的做法是仅依靠高级医师的传承经验和轶事证据,这意味着整个领域都没有精确的一致性。 医生认为最好根据专家意见而不是定量分析来选择治疗方法。 医学统计学的引入使这一历史悠久的传统经受了考验。

随后进行了其他研究,以使医疗实践的合法性合法化。 当一项研究质疑放血的实用性达到顶峰时,放血的作法在近19个世纪中一直没有受到挑战。 法国大革命后,巴黎医生弗朗索瓦·约瑟夫·维克托·布鲁萨斯(FrançoisJoseph Victor Broussais,1772-1838年)声称,所有发烧都源于同一发烧:它们是器官发炎的表现。 因此,将水ches施加到与炎症部位相对应的身体表面上,并且所产生的放血被认为是有效的治疗。 这样的理论受到当代法国医生的高度评价。 可以使用经济手段评估这种影响; 1825年,法国出口了1000万只水,到1833年,他们又进口了4000万只水。

由于对常规抽血方法缺乏证据不满意,著名医师皮埃尔·查尔斯·亚历山大·路易(Pierre Charles Alexandre Louis)对伤寒进行了研究。 他在1800年代收集了五年的数据,以研究这种做法的有效性。

在52例致命病例中,他观察到有75%进行了放血。 结果使同伴感到困惑。 Louis的数值分析表明,放血可以提高死亡率,而不是降低死亡率。 他使用相同的方法研究了放血疗法在治疗肺炎和扁桃体炎中的功效,也没有发现证据支持其治疗这些疾病的能力。 他鼓励其他医师利用定量分析,而不是盲目遵循未经证实的理论。 他的分析对医学界几乎是异端,但对路易斯来说,假设毫无意义。 事实是事实,它们是任何真理(包括医学)的唯一关键。

最后,开发使用数学模型辅助治疗方法的方法的前景似乎一片光明。 但是要说服医学界将统计学方法纳入其实践还需要一个多世纪。

许多人固执地认为数学不适合分析治疗方法。 例如,医学界甚至没有意识到,维也纳综合医院第一产科诊所的医生病房中的产后母亲的死亡率高达35%,直到匈牙利医生Ignaz Philipp Semmelweis于1847年对其进行测量为止。令人惊讶的是,他发现医生病房的死亡率是助产士的三倍。 他的发现发现洗手可以将死亡率降低到1%以下,但医学界尚未接受这种做法,塞梅尔维斯的观察被拒绝了。 实际上,一些医生甚至冒犯了这样的想法,即他们需要在照顾病人之前先进行消毒。 但是,坚持这些过时的,有缺陷的做法会带来可怕的后果:许多新生儿没有母亲。

受法国化学家路易斯·牧场(Louis Pasture)及其病原学理论的影响,约瑟夫·李斯特(Joseph Lister)走进格拉斯哥医院的病房,并相信是空气中携带的微生物导致疾病在手术室传播。 结果,他开发了一种在手术过程中将细微的石碳酸雾泵入手术室的机器。 引入李斯特氏菌消毒方法后,从1867年至70年执行的所有外科手术的死亡率均下降到15%。 李斯特(Lister)于1870年发表了他在抗菌外科方面的开创性工作的这些发现。

路易斯·帕斯特(Louis Pasture)和罗伯特·科赫(Robert Koch)发展了疾病的细菌理论时,利斯特(Lister)协助实施了有关卫生外科实践的理论的实际应用,从而显着减少了手术过程中疾病的传播。 将外科手术史分为李斯特氏病之前和之后的时代,充分说明了他对抵抗感染的影响。 但是,如果没有统计学上的死亡率急剧下降的证明,李斯特(Lister)不可能说服他的同事考虑他的防腐理论或他的手术环境卫生方法。

尽管这些改进开始改变医学的面貌,但来自医生的抵制远比愿意采用新做法更为普遍。 但不长久。

二十七岁的卡尔·皮尔逊不是普通的数学家。 作为伦敦大学学院新任命的数学教授,他相信他可以通过统计应用解释几乎所有有关“植物,动物和人”的东西。 他在著名的统计学著作《 科学语法 》中写道:“没有任何调查领域超出科学的合法领域。” 他开发了统计方法,并试图说服世界,这是分析与生物学有关的问题的次佳方法。 不过,他的统计相关性理论鲜为人知。 皇家学会拒绝了他的论文,因为生物学家发现数学家干涉其空间是荒谬的。

医学专业在统计方法的使用上仍然存在分歧。 那些将医学视为“艺术”的人无法消化处理数字以研究人类生物学的想法。 其他人则认为医学是一门“科学”,并将统计学视为更客观观察的一种手段。 皮尔森大学的学生将继续引起人们对医学统计学的极大兴趣。

格林伍德少校,也许是皮尔逊最忠实的追随者,于1905年在伦敦接受过训练有素的医生。尽管在统计学上存在明显的财务缺陷,但他还是选择了在皮尔逊任教。 皮尔森有机会让格林伍德成为第一位医学统计学家,他充分利用了他的优势,将他训练成为一个数字向导,可以将统计学方法学完全应用于医学实践。

格林伍德的毅力得到了回报。 他很快被任命为伦敦利斯特预防医学研究所新成立的统计系主任。 他的声誉遍布整个大西洋,并且他开始与美国同行合作研究数学在人类疾病研究中的应用。 他的方法在最精英的内部圈子中逐渐流行。

医学界开始同意,研究统计数据是成为医师培训的重要组成部分,因为它确保医学以科学为基础。 格林伍德设法影响了当时的一些年轻医生,但这是他的学徒之一,他是奥斯汀·布拉德福德·希尔(Austin Bradford Hill)的非医师,后来成为使用标准化研究评估病情的主要推动者。医疗设备或药物的有效性和安全性。 今天,这些被称为临床试验。

希尔开创了先河,说服医学界接受统计数据在治疗学中的大规模应用。 他也是一个有远见的人。 他坚信,医学领域的人们不应仅限于治愈疾病,还应负责增进对健康和疾病的了解。 这意味着除了临床实践外,医生还应将研究作为一项职业。 通过这样做,他相信医生可以将最新的科学知识整合到药物治疗中。

希尔也很幸运。 时机是完美的,因为战后时代正在工业化生产新的有效药物。 他能够召集支持者使用统计方法来研究新发现的药物对人类的功效,这一概念以前从未被考虑过。

在第二次世界大战之前,研究规模很小,通常由一些以自己的患者,家人和邻居为研究对象的独立工作的医生组成。 这些研究大多数是出于即时,自我服务的目的进行的,例如为特定病例找到治疗方案。 过去,一些科学家(例如约瑟夫·李斯特(Joseph Lister)和他在防腐方面的工作)被证明是有用的,但是研究的小范围通常不会对医学的整体实践产生太大影响。

希尔(Hill)在1940年代的实验为更大的研究奠定了基础,在这些研究中,医生的洞察力与专业统计学家的统计学设计相结合。 拉普拉斯使用微积分和统计学解释生物学现象的愿景最终得以实现。

统计方法的基本模型现已普遍应用于几乎所有医学领域。 选择一个主题进行研究,观察和测量现象,收集数据,将其转换为要求解和解释的方程式,然后得出结论。 它正在工作。 研究人员进行了历史上最昂贵的一些实验,从而对越来越多的人群进行了测试。

统计方法从根本上改变了医生的执业方式。 个人意见和传闻证据被认为是最不可靠的信息形式。 这是最有效的参考文献,与医学的早期历史相比已发生了180度的变化。 随机对照试验已提高至金标准,所有医生均应遵守。 现在已被接受的是,几乎没有任何药物,任何外科手术疗法以及任何诊断测试都无法进入临床实践,而无需在临床试验中证明其功效。

在工作中,医生和研究人员通常会谨慎地在特定情况下构造统计证据的结果。 但是,当与公众交流时,这些相同的结果通常会以黑白相间的方式传递。 头条新闻轰动一时的新闻是,发现一种药物是完全安全或不安全的,并因此引起恐慌。 但是,就像医学界的大多数发现一样,药物安全性的问题(例如用于更年期的激素替代疗法)更加细微。 服用雌激素补充剂的决定有很多利弊,这是权衡利弊的一个潜在因素。 统计学科学允许制定一般准则,然后医学的“艺术”就可以使普遍性具有个性化。

摘自《医生:科学如何转变医学艺术》的摘录 (格林利夫书刊,2018年2月)。