诺奖得主著作：《思考，快与慢》读后感｜医学决策的反思｜理性和直觉｜偏差和不确定｜读书笔记

大家好，我是Janus，也可以叫我JanusBanana～

最近读到了一本书《思考，快与慢》，一开始下载的时候，只是因为它的名字好像有点高深，再加上他们说这本书的作者是诺贝尔经济学奖的获得者，所以我就抱着好奇的心态阅读，但是读完之后发现确实是让自己有很大的收获，尤其把书放到他刚出版的那个年代会觉得是很有震撼力的。

今天Janus就来和大家分享一下我在这本书中学到的一些启发，大部分是和医学相关的。

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 仅仅改变表述，就可以改变手术率。

自己读这本书时，最受触动的是卡尼曼对医疗场景的分析。一位资深医生看到患者的症状组合，几秒钟内就做出了诊断。这种快速判断来自多年的训练和经验，在绝大多数情况下准确有效。

但书中记录的实验表明，当医生面对肺癌治疗方案的选择时，仅仅改变统计数据的表述方式，就导致了截然不同的决策。如果说：手术后一个月存活率90%，则84%的医生选择了手术；而如果说手术死亡率10%，则只有50%的医生选择了手术。两组数据描述的是相同的事实。这些医生并非缺乏专业能力，而是直觉被统计数据的框架效应欺骗了。

这足以说明，即使是受过训练的专业人士，在面对各种选择的时候，得出来的结论其实也未必是完全可靠的，甚至未必是可重复的。我们需要更加认真地思考自己是如何决策的，以及决策究竟会受到什么原本不该有的影响因素的影响。

#2 诊断中的认知偏差是系统2的缺失和误判

卡尼曼将大脑运作分为系统1和系统2：

系统1自动、快速、几乎不消耗能量，它处理日常大部分判断，省心省力。

系统2缓慢、费力、需要主动调用，负责复杂计算和逻辑推理。

问题在于，系统2是懒惰的，常常不工作。而且即使工作了，它也倾向于接受系统1提供的答案，除非遇到明显的矛盾或冲突。

在临床场景中，这种问题会以多种方式制造偏差。

##2.1 可得性启发式：近期见过的病例会高估其发生概率。

一个刚接诊过主动脉夹层的医生，在接下来一周内会对类似的胸背痛患者保持高度警惕，可能会安排更多的CTA检查。

媒体对罕见疾病的大规模报道也有类似效果。每次媒体大肆报道某种儿童罕见病后，门诊就会涌来大量焦虑的家长，但实际的发病率并没有变化。这正是可得性层叠的典型表现——媒体放大了某些风险的显著性，公众的担忧又反过来驱动更多报道。

可能你最近接诊过的一个发烧的患者查出来是淋巴瘤，那么后面一系列接诊的病人，你都会下意识地考虑是不是淋巴瘤。而在你遇到那个患者之前，你可能都没有这么想过，实际淋巴瘤的发病率也没有改变，只是你想到的可能性更大。

##2.2 代表性启发式：根据刻板印象而非基础概率做判断。

书中那个经典的史蒂夫案例：一个被描述为“性情温和、干净利落、关注细节”的人更可能是农民还是图书管理员？绝大多数受试者判断他是图书管理员而非农民，尽管美国男性农民的数量是图书管理员人数的20倍以上，也就是说在路上随便找100男的，其中有20位农民，只有1位可能是图书管理员。

只不过大家觉得这样的描述更符合图书管理员的刻板形象，大家就用这个印象替代了概率的选择。

在医疗中，Janus见到过类似的模式：一位年轻女性患者被描述为“焦虑、过度关注身体感受”，接诊医生倾向于将其症状归因于焦虑障碍，而忽略了自身免疫性疾病的可能。病人的某些特征触发了一个诊断类别，统计学上的基础比率就被抛在脑后了。

##2.3 锚定效应：初始信息会限制后续估计的范围。

一位患者告诉医生，她在网上查到自己可能得了某种罕见病，这个信息成为锚点。后续的问诊、查体和辅助检查都围绕着验证或排除这个可能性展开，其他更常见的诊断被不自觉地边缘化了。

书中引用的一项研究显示，即使法官和房地产经纪人这样经验丰富的专业人士也会被随机锚定值显著影响判断，锚定指数高达40%到50%。在医疗场景中，上级医生的一句“这个病人像是A病”就可能锚定整个团队的临床思路。

在一些法律纠纷中，关于赔偿金的多少也会受到影响先报价的那个人总是可能会更有优势。比如，在一些赔偿金额不太确定的事故中，假设大部分的赔偿金额是30万。而本次起诉方要求赔偿100万，虽然这个100万听起来让人觉得有点没有来由，但是由于先听到了这个数字，后续商议的时候很可能真的会围绕着这个100万进行适当的加减，导致赔偿的金额远远高于平均的水准。

#3 后见之明和过度自信如何让错误循环发生

卡尼曼指出，人类对自己判断的过度自信是一种系统性偏差。

在医学领域，这种过度自信与有效性错觉交织在一起。一位医生可能多年来一直用某种方式处理某类病例，没有遇到严重问题，就会逐渐形成“我的判断是可靠的”这种信念。但这里的反馈是高度选择性的——那些被错误判断但后来自愈的病例、那些被遗漏但没被发现的诊断，都不会进入经验库。

后见之明偏差让情况更加复杂。当一个病例最终确诊后，医生会回忆说“自己早就知道是这个诊断”，但这往往是事后重构的记忆。在临床中，这种事后马后炮的偏差会削弱医生从错误中学习的能力，因为每次最终的正确结果都会被当作“自己早就判断对了”的证据。实际上，在做出判断的当时，自己的脑海只是想过某个诊断，然后又快速排除了，而不是认真考虑过。

一个具体例子：自己曾经参与过一个发热待查病例的讨论。患者反复发热，多项检查阴性，几位主治医师各自提出了不同的可能诊断，最终确诊为淋巴瘤。事后复盘时，几位医生都表示“自己当时就考虑过淋巴瘤”，但在病例讨论记录中，这个诊断只被排在第三或第四位。这不是刻意的掩饰，而是记忆自我自动完成的重构。

#4 面对不确定性，有哪些可执行的行动来改善判断？

卡尼曼并不主张完全抛弃直觉。恰恰相反，他认为专家的快速判断在大多数情况下是准确的。想要减少改善判断，组织层面的干预比个体努力更有效，但个体仍然可以通过一些具体方法降低偏差。

##4.1 在重大决策前引入外部视角。

当面对一个复杂病例或重大治疗决策时，主动问自己：类似情况下的基线结果是什么？如果这个患者属于一个更大的参考类别，这类患者通常的预后和治疗响应如何？书中提到的规划谬误和参考类预测同样适用于医疗决策。

一位肿瘤科医生告诉Janus，他在推荐实验性治疗方案时，会刻意检索并列出同一类患者的平均生存数据，而不是仅仅依赖自己对上一个患者的记忆。

##4.2 使用结构化清单和预定义的评分系统。

Apgar评分是书中提到的经典例子。一个简单的五点评分系统将新生儿的风险评估标准化，显著降低了死亡率。类比到成人医学，临床决策规则、风险分层工具也是类似的逻辑。

这些工具的作用不是取代医生的判断，而是作为系统2的强制激活器，在直觉做出结论之前提供一个结构化的思考过程。把模糊的，抽象的总体印象分解成具体的，明确的成分，再做判断，会显著改善结果。

##4.3 采取事前分析。

在做重要决策前，先假设结果已经证明是失败的，然后向前追溯可能的原因，这种方法迫使系统2主动搜索被忽略的潜在威胁。在临床中，可以转化为“如果这个患者后续病情恶化，最可能的遗漏诊断是什么？”这个问题激活了反事实思维，抑制了确认偏差。

##4.4 明确区分证据评估和预测。

书中描述的直觉预测偏差来自将两个任务混淆：评估现有证据的质量和预测未来结果。在临床中，这体现在将一个不完美的检查结果等同于确诊。

一位急诊同事的做法值得借鉴：在看到阳性结果时，他会在记录中写下自己对结果真实性的置信度评分，以此提醒自己后续随访的必要性，而不是看到就完全相信结果，或者老是怀疑检验的准确性。

#5 对医学教育者和临床工作者的一点思考

卡尼曼反复强调，相比发现自己的错误，发现别人的错误更容易。

在临床团队中，鼓励交叉检查和质疑的制度设计比单纯要求个体保持警惕更有效。书中提到的很多的案例都说明，个体很难从错误反馈中学习，但当一个团队建立了标准化的复盘流程，错误模式就能被系统性地识别。

在医学教育中，Janus认为应该更早地将认知偏差的教学纳入课程。不是作为一次性的讲座，而是作为日常病例讨论的一部分。当然，在现在的医学环境中，这只是我们改善自己，提升自己，关起门来说话的时候才考虑的事情。

最终，这本书最深刻的教学是谦逊。系统1的自动判断帮助自己处理了无数日常决策，让工作得以高效运转。但面对高赌注、高不确定性的临床场景，承认直觉的局限、主动调用外部视角和结构化工具，强制调用系统2，是对患者负责任的方式。

一句话小结：

系统1的直觉判断是大多数日常决策的基础，系统2的理性思考经常没有发挥作用或者被误导，我们要刻意多训练自己的系统2，在重大的决策中做出更好的选择。