文章来源:混乱博物馆
: Y4 a' y1 b5 `9 u5 Z; Q9 Q o. f7 W, [5 q& K. H
数万年来,为了对抗疾病加诸于人身的种种痛苦,人们一直在苦苦追寻着各种治病救人的方法,从石器时代祛魔治病的开颅手术,到19世纪出现的全身麻醉手术;从各种历史悠久的草药、动物药,到1805年第一次从植物中分离出吗啡,再到1832年发明第一种合成药物水合氯醛,所有这些努力都见证着人类医学的发展。
8 I* `0 l4 {% m! ]. q$ E: c1 G( L) }" A( o4 e+ {! _
; q% J7 q8 M& L4 s) i( }0 {; m$ ~/ v3 u1 z
然而在这漫长的历史中,有一个看似简单却最为重要的问题,大部分时候都没有得到解决,那就是如何判断一种药物或疗法是真实有效的。
4 A8 C% |) G8 @* r2 e/ a9 {! I
7 `) G0 C2 P: k: C9 x
一直到1747年,英国的詹姆斯·林德通过将病人分为6组,分别给予不同的食物或药物,成功发现了柑橘可以治疗坏血症。对病人分组,给予不同药物,观察治疗结果的差异来判断药效,这一开创性的研究方法,成为医学历史上里程碑式的事件。
! M1 W0 ]) e5 q1 x J& E$ c" Y+ W
5 R- i( {" X/ Z, R7 s
$ |. C7 c* B; Q4 l0 }$ {* ]. l
1 S$ i# |. r, S当然以今天的眼光来看,其试验条件和试验设计都极为原始,比如病人一共只有12个,分组完全靠医生指定,而林德一次试验竟然就能得到完全正确的结论,运气之好实在让人嫉妒。、
1 v7 |# x8 u5 w8 c; f: q, @- w5 [) {/ S* r$ Q% ~
/ v% M: Z8 l L4 \, q I
0 o4 v' R ]! O8 m3 Z- F因为这其中难以捉摸的因素实在太多了。比如一种疗法究竟需要治好几个人才能算有效?如何知道一种“药物”与“治好”之间存在因果关系,而非碰巧?又如何证明吃药后祈祷30分钟并不能增强疗效?
) }. W1 d$ c. D6 g/ ~2 I
% R" l5 b/ f0 t- Z
1 a8 o! ]8 u) i
, ^6 t# C$ k4 y( \1 E现实世界充满了复杂性,人类个体之间的情况千差万别,实验动物和人体之间的巨大差异,甚至还有安慰剂效应这样搅混水的因素等等,如同在物理实验室那样控制各种变量,分析出因果关系进而得到一个简洁优美、包治百病的公式,对于正经的医学来说是几乎不可能的。
R+ e* N) R: e$ i i$ m$ O% {5 `
{ n" M% U* P6 C9 \6 M
, |1 Y% V2 [2 t i
- t+ i+ f2 {3 J8 X ?但是我们可以通过一些间接的办法来解决这个问题。为了理解这种方法的精髓,我们可以先看看一个更简单的问题:为何自然出生的人口性别比并非男女1:1。
2 ?- q0 c( R% K" {0 S0 u- Y% D( ]$ d% k) u$ \( }, b$ e. ~- j
% g* @: x9 l$ {* I" }2 o
1710年,英国的约翰·阿巴思诺特,收集了1629年到1710年伦敦的教堂记录中每一年受洗男孩儿和女孩儿的数目,这也就大致对应着每年婴儿出生的情况。他发现,每一年出生的男孩数量都要大于女孩。借由常识我们也能得到一个直观的结论:那就是正常情况下,男孩出生率要高于女孩,因为你们不能说连续这么多次都是巧合。譬如庄家掷骰子,一次、两次出现三个六,那是巧合,但连续几十次都是,我们就有理由相信他肯定是在作弊。
9 O; w" O r5 N: ]5 E
+ |% \6 w( e7 L7 ^, q# U1 U
6 W0 _: Z5 s) j. x约翰·阿巴思诺特对此进行了更加严谨的论证:他首先假设诞生男孩的概率和女孩一样,都是1/2。那么每一年男孩多还是女孩多,就如同掷硬币一样,都有一半的可能性。通过简单的条件概率计算,也就是第一年男孩多的可能是1/2,那么第一年、第二年同样男孩多的可能就是1/2乘以1/2,以此类推,每一种可能的现实就如同在时间之树上不断分叉的树枝,其可能性不断减半,连续八十二年男孩都比女孩儿多,这一事件发生的概率为1/2连续相乘82次之多,结果约为10的-25次方,这样低的概率自然极度不可能发生。但现实中确实发生了这样的事情,由此可以反证,原假设——也就是男女自然出生比率相同的结论,是几乎不可能成立的。(Q.E.D)
" W `- ~# T" E" f
, {$ L5 o& x2 }. w2 ^' ^4 |* l- B
8 r! v% _ v3 V. |* ~使用这样一种更加曲折的方法,是因为在现实世界中,作为凡人的我们,永远只拥有不完全的信息和有限的试验次数、观察次数,无法通过穷举一切迫近绝对真理,但我们又必须根据这有限的信息去选择,去行动,那么就只能通过有限的样本去计算、去推断。
0 |% I# x m: d5 Y% y" P
" B- k% P9 e& B6 ~+ S; ^
5 ]" r! c& O/ \. R" C2 c) n一旦人们认识到这种统计学思维的重大意义,其与分组对照试验的结合,就不可避免地产生了。
+ X( v# @8 V6 T: m# O' E# d5 W2 `. G
6 V9 _7 ?/ J$ T+ M6 q
在1948年,为了验证链霉素是否真的对肺结核有疗效所作的对比试验,堪称经典范例。经细菌学检查确诊为肺结核的患者,共107例,采用随机数字表产生随机序列号,随机分配为2组,并通过密闭信封保存随机序列号。试验组55例,接受链霉素治疗加卧床休养的方案,对照组52例只接受卧床休养。
1 ~: e. e, g7 D5 r K
, K. ]8 P" h6 m: n9 G
. o* \/ P2 s( w1 | X6 Q在这里,对照组实际上充当了零假设的作用,也就是药物如果无效,治疗的结果应该是什么样的。通过实际用药后显示,试验组和对照组6个月的生存率分别为93%和73%,通过计算,两者数值的不同仅仅来自于随机分布的可能性小于1%,这也就是通常所说的p值<0.01;换句话说就是:试验组和对照组确实有差异的可能性高达99%。由此证明了,链霉素可显著改善肺结核患者的生存率。
- h& u. T% e8 ~1 |8 |7 e5 x. A/ [8 o* I
. s, P8 Z/ B# F. j' t
. `: f/ h) T+ `; H6 K其精髓就在于,我们并不在假定它有效的前提下去证明它有效,而是首先假设它无效,这被称为零假设,就如同法律上的无罪推定,是为了减少冤假错案的发生,零假设则是为了排除药物无效的可能。既然它是无效的,那么和没有药物干预的病人们的病情发展状况应该非常相似。然后我们拿真正用药的病人的数据做对比,就可以计算出这个零假设是正确还是错误的可能性有多高。
0 S/ A8 ^9 G. X4 Z, F2 L0 }! h5 [
& Y+ U, ~1 N3 H8 H G由此开始,现代医学的临床试验才走上了正轨。这也就是我们所熟知的随机双盲对照试验,并发展为一套更加严格的Ⅲ期临床试验审批程序。
- g- P8 K; ?7 E' Q! R8 u0 r) d6 A# p( Y
. l1 l0 {* g& ?4 r+ H i+ s2 ?
' o0 n; O/ D+ @) W1 |2 L
也许人们会疑惑为何不能直接测试一个药的有效性,搞这么多不同的阶段,但是大家都忘了一件事,那就是在确定一个药能否治好人之前,首先要确定这药不会把试验对象(人类)都毒死了,或者副作用过于严重,至少也要搞清楚安全用药的剂量到底是多高。否则盲目进行的试验,就会演变成科幻电影中,邪恶科学家随便拿大众当小白鼠,却声称自己是为了全人类福利着想的场景。
/ y. J. u4 `6 G0 g
' n" q8 B! I4 c R6 q! u
z- K& v) r. U+ v
所以必须有一个Ⅰ期临床试验,观察人体对于新药的耐受程度和药代动力学,为制定给药方案提供依据。比如为了测试人体对不同剂量的耐受程度,先从动物半致死量的1/600或者动物最小有效剂量的1/100开始给药,然后逐渐加大剂量,观察人体的反应,即所谓的剂量爬坡试验。
4 y+ @6 O5 y8 I1 s" m: v' _
- {* t7 c( ^, {$ {0 q& y7 |1 t& i6 n: Y3 N2 o" Z1 i* T5 F: a
临床Ⅱ期与临床Ⅲ期的主要目的似乎都是关于验证药物的有效性(其实也继续包括了安全性的评估),然而它们在统计学意义上的「有效性」差别也很大。最直接的差异就是试验的规模。
' p7 D: u% N! Y+ q' R
7 G7 x4 e3 @8 z7 \! J. ~( |: P
7 ]4 G7 I q, A( w- U7 `* @# aⅡ期每一次试验的规模通常只有100人左右,每一个分组只有几十人;而在Ⅲ期,试验的规模会扩大十倍,接近1000人。
2 L5 \# l4 z1 o+ A1 P
! a' G# _/ X8 }2 z# Y. A% h; l0 p2 N. @$ \6 w
Ⅱ期试验其实就是需要去试错,在更小规模的试验中更加快速、更加低成本地排除掉没有希望的药物,降低赌上一切最终却一无所获的风险。
2 m; A5 w6 D- S6 F4 `3 C* N
+ p0 Q5 p. [& w7 U( P0 g所以Ⅱ期被称为探索性试验,意思就是赌博的成分很大。这类试验大部分采用单臂设计,即不设对照组,只与历史数据进行对比。正所谓十赌九输,Ⅱ期试验成功者继续通关乃至上市的成功率很低,在近十年中,一般只有1/4的新药可以进入Ⅲ期临床研究阶段。
: v. X0 d+ n/ c( J6 r
}) c/ }6 [, J1 p+ o
2 }2 A+ Z4 L( C" h- S9 {' K- U3 J
7 k# x7 _- Z6 c8 P当然也存在一些特例,在II期试验完成后就可以提前获得药品监管部门的上市许可,也就是走了加速审批程序。那些致命却缺少有效疗法的疾病,或者是一些罕见病,只有针对于它们的新药才能享受到这种待遇。其中的伦理和人道考量相信大家都很容易理解。而且如果它们在接下来的临床III期无法证明疗效,依然会被撤销许可。
2 X( a6 Z& y) z' V) \% Y7 f7 I$ X8 @" i$ B! I
2 K" W. Q$ C0 }0 Y9 j9 J当一种新药进入临床III期后,一切都变得更加严格。Ⅲ期试验一般都需要采用随机盲法、平行对照等试验设计,并且必须有足够大的样本,这才能确证在特定目标人群中的有效性和安全性。最直观的就是,我们最终在药品上看到的适应症、禁忌症等重要信息,主要都直接来自于这一阶段的试验结论,当人们说一种药物是否有效,一般指的都是这一阶段的结论。
0 W' }) s$ W9 L" O8 m( |, \( \, i9 F/ o( ]; ~* R( J
6 B0 R* c' |1 _- h
甚至当一种药物通过了目前为止最为严苛、试验规模更大的Ⅲ期临床试验,拿到了卫生监管部门的上市许可,换句话说它的疗效已经得到了权威机构的认可,但是依然需要继续进行试验、收集数据,进一步验证其安全性和疗效。
* U; D8 l# m$ U3 n% A! R7 P' G! K* ]: m
$ L. Q5 p1 G2 Z
% w4 e6 J, V, O3 H* a, q" L因为Ⅲ期临床研究的数百到上千例患者,对于观察疗效算是足够了,但对于安全性,尤其是小概率发生的安全性事件,这样的样本量依然显得有些不够充分。所以需要在药物上市后,进行更大规模的临床试验,也就是所谓的Ⅳ期临床试验,这种研究一般需要纳入2000例以上的患者,观察药物在更广泛人群中的安全性。
) L" G% S/ u* {( d6 _4 C+ e9 Z3 O1 `4 ~8 F1 D2 {
" D3 P3 e' K2 P; b/ E9 n L+ R
归根结底,更多的样本,更多的试验,更多的尝试,才有可以让我们逼近那条可能性最高的道路。或者借用贝叶斯主义的观点:我们因此才增加了对我们的知识是正确的信念。
# o* J" u9 S1 n* s$ _" \" \* }
* P6 w# P7 G; z$ w2 n& E0 M: U$ k% K$ W% X
! I! H9 L4 r7 Y) Y# q2 q. E# [参考文献
4 [3 U' F+ \! f. ?! j* Q8 [
https://commons.wikimedia.org/wiki/Fileuentin_Matsys_-_A_Grotesque_old_woman.jpg- V! N; { a/ b7 R1 z5 Y3 ?
https://commons.wikimedia.org/wi ... -P4140363-black.jpg' D) S2 G' M& E. S: @5 P
https://www.youtube.com/watch?v=Qxx14RCxblg
2 n3 s/ @& L) A. B' j, B+ vhttps://blogs.bl.uk/digitisedman ... english-herbal.html; `* T- ]7 g) `* i
https://wellcomecollection.org/works/ayd5f9
+ @! s# o& h( X- I$ ?3 W