✖

ปฏิทรรศน์ผลบวกลวงในการตรวจทางการแพทย์

ผู้ป่วยคนหนึ่งเข้ารับการตรวจโรคชนิดหนึ่ง และผลตรวจเป็นบวก นั่นคือผลตรวจบอกว่าผู้ป่วยเป็นโรคนั้น แต่ในความเป็นจริง ความน่าจะเป็นที่เขาเป็นโรคนั้นจริงอาจน้อยกว่าความน่าจะเป็นที่เขาไม่ได้เป็นโรคมาก

เรื่องเล่า

ครั้งหนึ่งไข้หวัดหมูระบาดในกรุงเทพฯ นักศึกษาคณิตศาสตร์คนหนึ่งไปพบแพทย์ และแพทย์ให้เขาตรวจว่าติดไข้หวัดชนิดนี้หรือไม่ การตรวจนี้มีอัตราความสำเร็จ 99.95% หนึ่งสัปดาห์ต่อมาเขาได้รู้ว่าผลตรวจเป็นบวก เขาเศร้าอยู่ครู่หนึ่ง เพราะการตรวจมีอัตราความสำเร็จถึง 99.95% โอกาสที่ผลตรวจจะผิดจึงมีเพียง 0.05% แต่เมื่อเขาเริ่มคำนวณก็ดีใจขึ้นมา เพราะพบว่าความน่าจะเป็นที่เขาติดไข้หวัดหมูจริงมีเพียงประมาณ 17% เป็นไปได้อย่างไร

ลองพิจารณาทีละขั้น เพื่อความง่าย ให้การตรวจในจินตนาการนี้ทำงานดังต่อไปนี้ (ในทางปฏิบัติ การตรวจใดก็แทบไม่มีทางมีอัตราความสำเร็จ 100% แต่เพื่อความง่ายให้สมมติเช่นนั้น)

  • ถ้าเป็นโรค ผลตรวจจะบอกว่าป่วยใน 100% ของกรณีทั้งหมด
  • ถ้าไม่ได้เป็นโรค ผลตรวจจะถูกต้องใน 99.95% ของกรณีทั้งหมด นั่นคือแม้ไม่ได้เป็นโรค ผลตรวจก็บอกว่าเป็นโรคใน 0.05% ของกรณีทั้งหมด
  • ถ้าผลตรวจบอกว่าไม่ได้เป็นโรค ก็ไม่ได้ป่วยแน่นอน
  • ถ้าผลตรวจบอกว่าเป็นโรค อาจเป็นจริงหรือผิดพลาดก็ได้

แต่เท่านี้ยังไม่ใช่ทุกอย่างที่ต้องรู้ ยังต้องรู้ด้วยว่าในประชากรนั้นมีผู้ป่วยกี่คน

ผู้ป่วยจำนวนมาก

ต่อไปพิจารณาว่าผลตรวจจะเป็นอย่างไรในสภาพแวดล้อมที่ต่างกัน กรณีนี้ผลเป็นไปตามที่คาดไว้ ให้มีประชากร A ซึ่งมีคน 200 คนจาก 10,000 คนที่ติดไข้หวัดหมูจริง หรือ 2% ของประชากรติดเชื้อ ทำการตรวจกับคนหนึ่งล้านคน ซึ่งหมายความว่ามี 20,000 คนที่ติดไข้หวัด ส่วนคนที่เหลือไม่ได้ติด

เนื่องจากการตรวจถูกต้องเสมอเมื่อคนนั้นเป็นโรค จึงระบุว่า 20,000 คนป่วย เหลือ 980,000 คนที่ไม่ได้เป็นโรค สำหรับกลุ่มนี้การตรวจมีอัตราความสำเร็จ 99.95% หรือมีอัตราความผิดพลาด 0.05% จึงระบุว่า 980,000 × 0.0005 = 490 คนป่วย ทั้งที่ไม่ได้ป่วย

รวมแล้วการตรวจระบุว่า 20,490 คนป่วย แต่ในจำนวนนี้มีผู้ป่วยจริงเพียง 20,000 คน ความน่าจะเป็นที่เป็นโรคจริงจึงเท่ากับ 20,000 / 20,490 = 0.9760858956 ซึ่งประมาณ 97.6%

ผู้ป่วยจำนวนน้อย

พิจารณาประชากร B ซึ่งมีผู้ป่วยเพียง 1 คนจาก 10,000 คน หรือ 0.01% ของประชากรเป็นโรค ทำการตรวจแบบเดียวกันกับคนหนึ่งล้านคน

ในคนหนึ่งล้านคนมีผู้ป่วยเพียง 100 คน ซึ่งการตรวจระบุได้ถูกต้องว่าป่วย เหลือ 999,900 คนที่สุขภาพดี ในกลุ่มนี้การตรวจระบุ 0.05% ว่าป่วยเพราะความผิดพลาดของการตรวจ จึงระบุว่าคนที่สุขภาพดี 999,900 × 0.0005 ≈ 500 คนป่วย ส่วนคนที่เหลือถูกระบุอย่างถูกต้องว่าสุขภาพดี

รวมแล้วระบุว่า 100 + 500 = 600 คนป่วย แต่ในจำนวนนี้มีผู้ป่วยจริงเพียงหนึ่งร้อยคน ความน่าจะเป็นที่เป็นโรคจริงจึงมีเพียง 100/600 = 1/6 ประมาณ 17% แม้ผลตรวจระบุว่าป่วย โอกาสที่ไม่ได้เป็นโรคก็ยังสูงกว่ามาก

ผู้ป่วยเพียงคนเดียว

ผลข้างต้นที่ว่า ถ้าผลตรวจระบุว่าป่วย โอกาสที่ป่วยจริงมีเพียงประมาณ 17% อาจทำให้บางคนประหลาดใจ แต่จะเห็นได้ชัดยิ่งขึ้นถ้านำตัวอย่างไปถึงกรณีสุดขั้ว

สมมติว่ามีประชากรหนึ่งล้านคน ซึ่งมีผู้ป่วยเพียงคนเดียว การตรวจที่ใช้มีอัตราความสำเร็จกับคนที่สุขภาพดี 90% หมายความว่าอย่างไร หมายความว่าในคนที่สุขภาพดี 999,999 คน การตรวจจะระบุ 10% ว่าป่วย นั่นคือระบุประมาณหนึ่งแสนคนว่าป่วย ทั้งที่มีผู้ป่วยจริงเพียงคนเดียว แม้ผลตรวจระบุว่าป่วย ก็มีโอกาสเพียง 1/100000 ที่เป็นโรคจริง ซึ่งประมาณ 0.001%

สารบัญ: ปัญหามอนตี ฮอลล์, ปฏิทรรศน์วันเกิด, กฎของเบนฟอร์ด, ปฏิทรรศน์คนโกหกเชิงความน่าจะเป็น, ปฏิทรรศน์เนกไท, ปฏิทรรศน์ของซิมป์สัน, ปฏิทรรศน์ผลบวกลวงในการตรวจทางการแพทย์, ปฏิทรรศน์เซนต์ปีเตอร์สเบิร์ก, ลูกเต๋าไม่ถ่ายทอด