诺奖得主新书《噪声》读书笔记｜所谓正确的判断，可能是随机产生的｜Book Club

大家好，我是Janus，也可以叫我JanusBanana～

今天想和朋友们聊一本书：丹尼尔·卡尼曼的《噪声》。自己读完后的一些体会，整理出来分享给各位。

卡尼曼是诺贝尔经济学奖得主，上一本《思考，快与慢》讲的是偏差，这本新作讲的是噪声。对于天天做临床决策的医生来说，这个话题可能比想象中更重要。

当然，道德是用来自律，而不是他律。这本书适合自己私下看，反思成长，而不是读完了这本书，用这些去要求别人、去要求别的医生，这样会显得非常的可笑。自己写这本读书笔记的分享，也是希望能够警醒自己，但是至于怎么应用到每天的生活中，大家还是要自行取舍。

认识判断的误差，是在于更好地改进未来的判断，而不是去指责别人，苛责别人过去的判断，这样只会使整个环境变得更糟而非更好。

个人水平有限，请前辈多多批评指正，也可以转发给可能有需要的同学，谢谢！

#1 为什么一个放射科报告可以差这么多？

先讲一个真实场景。自己刚进临床的时候，经常遇到这种情况：同一个病人的影像片子，找两位主任看，给出的报告结论不完全一样。一个说“考虑炎性改变”，一个写“不排除占位”。

自己当时觉得是经验问题，看多了就好了。但读到这本书才发现，这背后有一个更根本的原因——噪声。

书中有一个让人印象深刻的案例：几位资深放射科医生在相隔几个月后重新阅读同一组血管造影图，结果他们与自己原来的意见不一致的概率高达63%到92%。换句话说，同一个医生，面对同样的影像，在不同时间点会给出不同的判断。这跟经验多少有关系，但也是人类判断本身固有的特性。

#2 偏差和噪声，两个都要命

##2.1 偏差是什么

偏差可以理解为系统性偏倚。如果用射击来类比，偏差相当于瞄准器没校准，所有子弹都往同一个方向偏。比如某个医生总是倾向于过度诊断，或者某个科室的抗生素使用率一直偏高，这就属于偏差。偏差相对容易被发现，因为它有方向性。

比如你的朋友组成了A、B、C、D共4支队伍，来到一个射击场。每队中有5个人，他们共用一支来复枪，且每人只开了一枪。图0-1显示了他们的射击结果。

A队和B队对比，B队就是有偏差的，显然B队是瞄错了地方，这种误差叫做偏差。就像统计学的系统误差。

##2.2 噪声是什么

噪声则不同，它像统计学的随机误差，没有固定方向。同样一份心电图，A医生觉得是心肌缺血，B医生觉得是早期复极，C医生觉得没什么问题。三个人水平都不差，但结论不一致，这种变异就是噪声。

比如上图中，C队的噪声就比A队的大。

#3 书中用了两个概念来拆解噪声。

水平噪声指的是个体之间的固定差异。

好比阅卷时有的老师一贯严格，有的老师一贯宽松。在医学场景里，有的医生对某个诊断阈值偏保守，有的偏激进，这种差异长期存在。

情境噪声则是个体内部的不稳定。

同一个医生，在上午精力充沛时和下午连续看了几十个病人后，对同一份病例的判断可能不同。书中提到一项研究，医生在一天中晚些时候推荐患者做癌症筛查的概率明显低于早晨。不是因为患者情况变了，而是医生自身的状态变了。

自己以前总觉得，只要自己足够认真、知识足够扎实，判断就不会出大问题。但噪声的存在说明，即使自己很认真，判断依然可能因为一些无关因素而产生变异。比如刚处理完一个重症患者，心情还没平复，马上就评估下一个相对轻症的患者，判断尺度可能已经受到了影响。

#3 几个让人意外的具体数字

书里有一些具体数据，自己读的时候挺震撼的。

在精神病学诊断中，两位精神科医生对同一患者做出相同诊断的概率只有50%左右。不是因为水平差，而是诊断标准本身存在较大的解释空间。

对于冠心病患者是否需要放置支架，不同心内科医生看同一份冠脉造影图，对血管狭窄程度是否超过70%这个关键阈值存在分歧的概率约为31%。也就是说，三个人看同一张片子，可能就有一个人跟另外两个人意见不同。

书中还提到一个自己在临床中深有体会的现象：顺序效应。如果一位医生连续接诊了几位病情复杂的患者，他对下一位患者的判断会受到影响。这种影响是无意识的，当事人自己也不会承认。

但数据确实显示，决策者在连续做出同向判断后，更倾向于做出相反的判断。这在临床中意味着，如果前面几个患者都比较重，自己可能会不自觉地低估下一个患者的严重程度，或者反过来。

比如有的人说，如果你去申请签证，某个审核人员给通过的概率是2/3。那他给前面两个人都判了通过，可能到你身上的时候，他就会给不通过，哪怕你的条件是符合的。

#4 群体讨论有时帮倒忙

自己以前觉得，疑难病例多找几个人讨论，集思广益，结论肯定更靠谱。但是书里指出，群体讨论并不必然减少噪声，有时反而会放大噪声。

有一个音乐下载的实验很有意思。研究人员创建了多个独立的小组，让参与者试听并下载歌曲。在有的组里，参与者能看到别人下载了哪些歌；在别的组里看不到。结果那些能看到别人选择的组，歌曲排名的随机性非常大。某首歌在一个组里爆红，在另一个组里完全无人问津。最先下载的那几首歌，很大程度上决定了整个组的走向。

临床病例讨论也有类似的风险。如果第一个发言的医生表达了一个明确的倾向，后续发言的人很容易受到影响，尤其是当这位医生资历较深时。

讨论到最后，大家可能达成了一个看似一致的结论，但这个一致性可能只是对上级资深医生的服从的结果，而不是真正独立的判断汇总。

所以对于一些疑难病人，在把病历资料提供给同事参考时，先不要把自己的判断告诉他们，让他们独立给出判断。自己再参考这个意见，可能会比直接给出自己的判断更客观。因为如果你直接给出自己的结果，就相当于引导了别人。

#5 几个自己打算试一下的降噪方法

书中给了不少建议，选几个自己觉得对临床工作比较实用的整理出来。

##5.1 独立判断再汇总

如果条件允许，疑难病例可以先让几位医生独立写下自己的判断，再集中讨论，这样可以避免先发言者的意见污染后续判断。书里反复强调，独立判断的平均值往往比群体讨论后的共识更接近真实。

自己理解，关键是“独立”这两个字。如果大家坐在一起边听边说，就已经不独立了。

##5.2 结构化评估

书中提到结构化面试比非结构化面试更能预测工作表现。同理，面对一个复杂病例，如果有一套相对固定的评估框架，比如按症状、体征、辅助检查、风险因素等维度逐一梳理，每个维度独立给一个判断，最后再综合，比直接凭感觉给一个整体结论更可靠。

这个就像新生儿科或者是妇产科非常常用的APGAR评分，一个新生儿出生的时候状态好不好，每个医生都有自己的判断。但是，如果把它转换成一套客观的评分，这样医务人员判断的误差就少很多。尤其对于新手更容易学习理解。

这其实就是书里说的分解原则——把复杂判断拆成几个相对简单的子判断。

##5.3 间隔一段时间再审视

对于非急症患者，如果条件允许，可以在过一段时间后重新评估一次。书里提到一个“内部群体”的概念，意思是同一个体在不同时间点的独立判断取平均，也能减少噪声。

比如今天看完一个病例，写下初步判断，过两天再重新看一遍，把两次结论平均一下。自己试过一次，确实发现第二次看的时候会对某些细节有不一样的权重分配。

所以以前有的人说，这个问题你拿不准，那你就好好睡一觉，第二天再看。其实，好好睡一觉就是让自己和以前的自己分割开来的一个过程，说不定时过境迁，你的想法和心态就不一样了。

##5.4 尽量用相对判断

书里有一个很有意思的发现：人们在比较两个对象时，比单独评价一个对象更准确。给一个病人的病情严重程度打分，不同医生可能给分差异很大。

比如一个视神经炎的患者，你直接问别人他这辈子失明的概率可能是多少，有的人会说30%，有的人会说70%，这个差异非常大。因为实际上这个概率是多少，并没有指南明确给出来。

但如果问这个病人比昨天那个病人重还是轻，大家的判断一致性会高很多。所以书中建议，能用相对判断就别用绝对评分。在临床中，如果想评估一个患者的状况，可以找一个近期的对照病例做比较参考。

#6 一点反思

卡尼曼在书里提到一个概念叫客观无知，意思是有些事情天然就不可预测，或者以当前可获得的信息根本不可能做出准确判断。这在临床中再常见不过了。有些患者来了，就是很难确定诊断，或者即使确定了，预后也难以预料。

但问题在于，自己作为医生，往往不愿意承认这种客观无知。面对患者和家属，总希望给出一个确定的结论。面对上级或同行，也不愿意说“我不确定”。这种心理驱动下，自己很容易编造一个看似合理的判断，然后对它充满信心。书中说这叫“内部信号”，一种判断完成后产生的满足感。但这种满足感跟判断的准确性没有必然关系。

承认自己存在噪声，承认很多事情真的无法准确判断，并不丢人。相反，这可能才是理性决策的起点。

一句话小结：

临床判断中的噪声普遍存在且影响巨大，独立判断、结构化评估和相对比较是减少噪声的实用路径，承认判断的有限性本身也是一种专业素养。