Pravá faleš, nebo falešná pravda

Žádná společnost na světě nemá tolik prostředků či energie, aby dokázala efektivně bojovat proti všem podezřením z ohrožení. Používáme proto nástroje, které nám pomáhají rozhodovat se, kam energii vrhnout, aby přinesla co největší užitek – v medicíně například určují koho léčit a jak. Tyto systémy ale mají určitý podíl falešných výsledků, jejichž znalost je zásadní pro rozhodování o osudu jednotlivých pacientů.

Postupný odklon od intuitivního expertního posuzování a příklon k úsudku založenému na datech vedly prakticky ve všech oblastech lidského konání k masivnímu zavádění nejrůznějších forem zkoušek a testů. Měříme, vážíme, analyzujeme, monitorujeme… a bezpochyby jsme tak schopni dosáhnout mnohem hlubšího a přesnějšího pochopení světa kolem sebe a podstatně zlepšit kvalitu svého rozhodování, ať už se jedná o diagnostiku kašlajícího kocoura, řízení tovární linky na výrobu propisek, nebo vedení prezidentské kampaně známého zpěváka. Zřetelný a nezpochybnitelný pokrok, který nám datově řízený přístup přináší, však současně vyvolává v řadě lidí mylný dojem, že „moderní vědecký test“ s velmi dobrými parametry přesnosti (tzv. senzitivitou a specificitou, o nichž bude řeč dále) je něco jako křišťálová koule, zjevující za každé situace spolehlivě téměř ryzí pravdu. A že pokud tomu tak není, je test nějak vadný. Závada je ale přitom daleko spíš v našem systému uvažování, a je-li zde něco k nápravě, pak je to především náš vlastní úsudek. Věnujme dva pohledy dvěma stranám téže žhavé mince.

Falešně pozitivní

V roce 2015 se Japonec Takaaki Hirotsu ze zpráv dozvěděl o vědecké studii zajímavého jevu: hlístice, mikroskopičtí červi s velmi rozvinutým čichem, jsou přitahovány některými typy rakovinných buněk. Děje se tak nejspíš díky chemickým látkám, které produkují rakovinné buňky – na rozdíl od nerakovinných. Hirotsu logicky usoudil: nešlo by na tomto principu založit byznys s jednoduchým screeningovým testem? Netrvalo dlouho a roku 2020 startup Hirotsu Bio Science uvedl na trh svůj N-NOSE, založený na pozorování míry, s níž jsou hlístice háďátka obecná (Caenorhabditis elegans) přitahovány močí testované osoby. Studie z roku 2021 ukázala [1], že test má velkou senzitivitu neboli schopnost být pozitivní u osob, které skutečně rakovinou trpí, a to více než 86 %. Druhý podstatný parametr, takzvaná specificita neboli schopnost testu zůstat negativní u osob, které rakovinou netrpí, dosáhl 90 %, což by se na první pohled mohlo zdát jako výborná hodnota, ovšem na ten druhý…

Skrytě bující nádor je noční můrou mnoha lidí, a nová možnost snadného domácího testování za pouhých 100 dolarů proto oslovila řadu zákazníků. Brzy poté lékaři zaznamenali v ambulancích příliv vyděšených pacientů, třímajících v ruce pozitivní výsledek testu N-NOSE, indikující vysoké riziko onemocnění některým z 15 typů rakoviny, na něž je test zacílen. Důkladná vyšetření však u naprosté většiny z nich žádné známky takového onemocnění nenašla (například na klinice pozitronové emisní tomografie ve Fukuoka Wajiro se karcinom potvrdil u osmi z 333 osob s vysoce pozitivním testem N-NOSE). Lékaři proto začali pochybovat o přesnosti testu, tedy jeho deklarovaných parametrech (senzitivitě a specificitě). Celá aféra těsně před Vánoci loňského roku prosákla až do zpráv internetových stránek časopisu Nature. [2]

Pokud jste i vy na základě výše uvedeného v tuto chvíli zapochybovali především o výkonnosti hlístic, posečkejte. Kauza N-NOSE totiž téměř do detailu kopíruje jiná podobná testovací překvapení, jako jsou „chybující“ testy na přítomnost drog ve slinách řidičů, „chybující“ screeningové antigenní testy na onemocnění covid-19 ap. Srdce bayesiána při čtení takových zpráv krvácí a kudla Bayesovy věty¹⁾ se mu otevírá v kapse: stokrát už totiž tam a onde vysvětloval, že přesně toto se bude dít, nebudeme-li věnovat pozornost nejen tomu, čím testujeme, ale také koho testujeme.

Kde se vzaly parametry testu? Inu, byly experimentálně stanoveny v laboratoři na základě jen o něco sofistikovanější verze následujícího receptu: vezmi vzorky moči od sta osob s diagnostikovaným onemocněním a od sta osob bez jakéhokoli prokázaného rakovinného onemocnění a proveď s nimi navrhovaný test, tedy změř, jak moc jsou háďátka vzorkem přitahována. Podíl vzorků nemocných osob, v nichž háďátka jeví o moč eminentní zájem, ti prozradí senzitivitu testu – zde bylo takových vzorků více než 86 %. Zbylých cca 14 % vzorků nemocných osob bylo do určité míry či zcela falešně negativních, tj. háďátka lezla k moči méně ochotně, než měla, nebo dokonce nelezla vůbec. Naopak podíl vzorků zdravých osob, v nichž háďátka správně nejeví o moč zájem, ti prozradí specificitu testu – zde bylo takových vzorků 90 %. Zbylých 10 % vzorků zdravých osob bylo do určité míry falešně pozitivních, tj. háďátka se o moč zajímala, ačkoliv neměla. Zkrátka a dobře: parametry testu nám říkají, s jakou pravděpodobností můžeme pozitivní či negativní výsledek testů očekávat u vzorků osob, o nichž víme, zda onemocněním trpí či nikoliv.

Co se ale bude dít a co nám testy budou říkat, pokud je uvedeme na volný trh mezi osoby, o nichž to nevíme? To nejpodstatnější, co k zdárnému dokončení této úvahy potřebujeme, je alespoň rámcová představa o tom, jaký podíl testujících se lidí ve skutečnosti opravdu rakovinou trpí. Této hodnotě se říká prevalence onemocnění a v kauze testů N-NOSE se budeme muset spokojit s jejím hrubým odhadem, protože zjistit ji u volně prodejného zboží přesně by nezvládly ani ty nejlepší společnosti pro průzkum trhu. Pro naši úvahu ale postačí uvědomění, že lidé se budou testovat spíše ze strachu než kvůli nějakým pozorovaným příznakům a že většina osob v populaci je v daný okamžik z hlediska výskytu karcinomu zdravá, takže prevalence bude nepochybně malá. Střelme od boku a stanovme ji dost vysoko, na 1 : 100 (čili na jednoho nemocného ku stovce zdravých). A nyní už nechme kauzalitu konat dílo zkázy.

Dejme tomu, že test si koupí celkem 10 100 osob, z nich 100 je nemocných, 10 000 zdravých (prevalence 1 ku 100). Ze 100 nemocných vyjde test pozitivní 86 osobám (senzitivita 86 %). Z 10 000 zdravých vyjde test pozitivní 1000 osobám (specificita 90 %, tj. falešná pozitivita 10 %). Na ambulanci se tak dostaví 1086 vyděšených, z nichž rakovinou ve skutečnosti trpí pouhých 86 osob, což je necelých 8 % pozitivně otestovaných. Pokud by prevalence byla ještě nižší, kupříkladu 1 : 200, bude skutečně nemocných dokonce jen cca 4 % pozitivně otestovaných. Teprve toto číslo, zvané pozitivní prediktivní hodnota testu, nám říká, jak moc je test použitelný jako plošně nasazovaný screeningový nástroj. Rozhodně totiž nechceme, aby nám generoval převážně falešně pozitivní vystresované „pacienty“, které je třeba dále nákladně vyšetřit a kteří se často ani po těchto následných vyšetřeních neuklidní (ba naopak se u části z nich rozvinou úzkosti, psychosomatické obtíže ap.)