如果试剂检测准确度有问题，最终误诊的概率能有多大？_风闻

最近，身处疫情一线的武汉大学中南医院影像科副主任张笑春的一条朋友圈截图受到关注。张笑春在这条朋友圈中强烈建议，推荐用CT影像作为目前新型冠状病毒肺炎的确诊的主要依据。

张笑春在这条朋友圈中指出，目前武汉市家庭聚集性发病越来越多，而且大多起病隐匿，一次甚至多次核酸阴性，并且没有临床症状。

张笑春建议，应该立刻启动只要有与疑似病例有过接触者的均瑶进行CT排查，只要CT排查呈阳性就要进行隔离。

张笑春医生的这条朋友圈一经发出，便有人开始担心核酸检测的准确性。

对于这条朋友圈，张笑春医生向丁香园证实了截图内容的真实性，并解释道：发文并非是否定核酸检测结果，而是认为其作为检测的最终手段，目前仍受到产量、采样方式等限制，武汉作为疫区无法在现阶段完全依赖核酸检测去筛查病人，达到切断传染源的防控效果。

张笑春强调：“我提的这个建议只适合咱们灾区，不适合普通、散发病例筛查。普通的散病筛查要做到鉴别诊断，而 CT 不能做到鉴别诊断。”

“生产流程复杂、满足不了大量的人群需求，加上核酸检测需要采样，也是非常讲究的，受到方方面面的限制，会造成（假）阴性结果。”张笑春表示，试剂盒由于研究时间紧迫很难尽善尽美。

张笑春还提到，不同厂家的试剂盒选用的原料不同，也会对结果有影响。

1月26日，宾西法尼亚大学病理检验系副教授王萍撰文讲解新型冠状病毒的检测时也曾提到，试剂盒检测可能导致最终结果不准确。

在文章中解释试剂盒短缺来不及检测怎么办时，王萍教授表示：试剂盒短缺影响确诊人数的统计，但对临床治疗影响不大， 因为迄今还没有针对新型冠状病毒的特效药， 临床上根据病人表现，CT（计算机断层成像）看到肺部典型病变，就可以隔离并开始治疗，治疗也以提供病人生命支持为主，没有必要等待检测结果确诊。

王萍解释道：在疾病高度疑似人群中用一个性能不错的检测试剂去测，由于患病率 （disease prevalence）高，测出的阳性结果有很大可能是真阳性 （positive  predictive value阳性预测值高）， 而反之测出的如果是阴性结果，是真阴性的可能性不大 （negative predictive value阴性预测值低），所以试剂盒检测结果基本是起确认临床诊断的作用。

从王萍教授的介绍中可以看出，试剂盒的检测并不能保证检测结果100%的准确。

对于试剂盒不能保证检测结果100%准确这一问题，清华大学医学院教授颜宁在微博表示：“我们做简单分子生物学实验都知道试剂盒质量并不一定稳定，QC（Quality Control，品控）最重要。这现在，我们其实非常担心的事这些赶工出来的试剂盒质量。”

对于有网友提出的“准确率不高也比没有强”这一观点，颜宁驳斥道：“错！又不是单一诊断手段；因为质量问题误诊更害人。”

王萍教授则进一步补充说：“如果试剂盒质量不过关，假阴性害死人！”

试剂盒检测结果并不能保证100%的情况下，造成的检测结果与真实值就会产生较大的偏离。

这里先引入一个概念，叫做贝叶斯推断。简单说，贝叶斯理论就是把先验概率密度函数和似然密度函数（通过经验数据得到）相乘从而形成用于推断的后验分布。

如果看不懂上述表述，可以直接看贝叶斯推断的应用。下面是首都经贸大学陆明涛副教授提供的一张幻灯片截图。利用贝叶斯推理，我们可以计算出一次检验结果为正的情况下，最终真实患病率的情况有多低。

首先我们先假设存在两个病人，一个病人患有癌症（cancer），另一病人不患癌症（normal）。将检测结果准确记为+，错误则记为-。

根据已有经验知识，在所有人口中，该癌症的患病率为0.8%。利用某检测方法对确实患病的患者化验准确率为98；对确实没有患病的“患者”化验准确率为97%。

将上述数据记为：

所有人口中该癌症患病率P（cancer）=0.008;

所有人口中不患该癌症的概率为：P（normal）=0.992；

确实患有该癌症的患者一次检测结果准确（即：患病）的概率为P（+ | cancer）=0.98；

确实患有该癌症的患者一次检测结果错误（即：不患病）的概率为P（- | cancer）=0.02；

不患该癌症的“患者”一次检测结果准确（即：不患病）的概率为P（+ | normal）=0.03；

不患该癌症的“患者”一次检测结果错误（即：患病）的概率为P（- | normal）=0.97；

根据上述数据，我们可以根据贝叶斯推论来计算真实患病率，即确实患有该癌症的患者确实患病的概率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，一次检验结果为正的条件下，真实患病的概率仅为21%，所以复诊交叉验证十分重要。