5.2
Чувствительность и специфичность Модуль · Глава 5 Риск
К Главе 5
5.2
Модуль 5.2 · Чувствительность и специфичность

Ни один тест не идеален

«Тест положительный» — не приговор, а вероятность. Любой медицинский тест ошибается двумя способами: пропускает больных (ложноотрицательный) и пугает здоровых (ложноположительный). Две характеристики описывают это: чувствительность — какую долю больных тест ловит, специфичность — какую долю здоровых правильно отпускает. Понять их — значит перестать паниковать от одного результата и начать думать в терминах матрицы $2\times2$: четыре исхода, а не «да/нет». Это фундамент под теорему Байеса (Модуль $5.3$).

Тест не отвечает на вопрос «болен ли я». Он отвечает на вопрос «как часто прибор такого типа ошибается» — а это совсем другое. Расстояние между этими вопросами и есть источник большинства медицинских страхов. Принцип диагностической грамотности
Раздел 1 · Четыре исхода

Матрица $2\times2$

У любого теста есть истина (болен человек или нет) и результат (тест положителен или нет). Их пересечение даёт четыре исхода. Мышление в этих четырёх клетках, а не в «положительно/отрицательно», — основа диагностической грамотности.

Четыре клетки

  • $TP$ (истинно-положительный): болен и тест положителен. Тест прав.
  • $FP$ (ложноположительный): здоров, но тест положителен. Ложная тревога.
  • $FN$ (ложноотрицательный): болен, но тест отрицателен. Пропуск — самый опасный исход.
  • $TN$ (истинно-отрицательный): здоров и тест отрицателен. Тест прав.

Почему это важнее, чем «да/нет»

  • Результат — не истина: «положительно» означает лишь, что тест сработал, а не что человек болен.
  • Два типа ошибок имеют разную цену: пропуск рака ($FN$) хуже ложной тревоги ($FP$), но ложная тревога ведёт к лишним обследованиям и стрессу.
  • Всё считается в клетках: чувствительность, специфичность и (Модуль $5.3$) вероятность болезни при позитиве — всё это доли из этих четырёх чисел.

Чувствительность и специфичность — два взгляда на эту матрицу: первый смотрит на столбец больных, второй — на столбец здоровых.

Раздел 2 · Чувствительность

Чувствительность ловит больных

Чувствительность ($sensitivity$) — доля реально больных, которых тест правильно определил как положительных. Высокая чувствительность означает: тест редко пропускает болезнь. Это важно для скрининга опасных, но излечимых состояний.

Чувствительность
$Sens = \dfrac{TP}{TP + FN}$

Доля больных, пойманных тестом. $90\%$ чувствительности = из $100$ больных тест находит $90$, пропускает $10$ ($FN$). Считается только по столбцу больных.

Что означает высокая чувствительность

  • Мало пропусков: редко даёт ложноотрицательный результат.
  • Отрицательный результат надёжен: если очень чувствительный тест отрицателен — болезнь маловероятна (правило «$SnNout$»).
  • Для скрининга: когда нельзя пропустить болезнь (опасную, но лечимую), выбирают чувствительный тест.
  • Цена: высокая чувствительность обычно идёт ценой ложных тревог (ниже специфичность).

Но чувствительность ничего не говорит о здоровых: тест, который всем подряд ставит «положительно», имеет $100\%$ чувствительности — и абсолютно бесполезен. Нужен второй взгляд — специфичность.

Раздел 3 · Матрица

Соберите матрицу $2\times2$

Главный интерактив модуля. Задайте чувствительность, специфичность и распространённость болезни — увидите, как $1\,000$ человек распределяются по четырём клеткам. Обратите внимание: при редкой болезни ложных тревог ($FP$) оказывается больше, чем настоящих находок ($TP$).

Матрица · 2×2 на 1000 человек

Четыре исхода теста

Распространённость — доля больных в группе. Зелёные клетки — тест прав, красные — ошибки. Подсказка: уменьшите распространённость до $1\%$ и сравните $TP$ и $FP$.

Болен
Здоров
Тест +
9истинно +
89ложно + (тревога)
Тест −
1ложно − (пропуск)
901истинно −
Чувствительность
90%
TP/(TP+FN)
Специфичность
91%
TN/(TN+FP)
Что видно в матрице
При распространённости $1\%$ из $1\,000$ человек больны лишь $10$. Тест находит $9$ из них ($TP$), но даёт $89$ ложных тревог ($FP$) среди здоровых. Положительных всего $98$, а больны из них только $9$ — меньше десятой части. Это и есть мостик к теореме Байеса (Модуль $5.3$).
Раздел 4 · Специфичность

Специфичность отпускает здоровых

Специфичность ($specificity$) — доля реально здоровых, которых тест правильно определил как отрицательных. Высокая специфичность означает: тест редко поднимает ложную тревогу. Считается по столбцу здоровых.

Специфичность
$Spec = \dfrac{TN}{TN + FP}$

Доля здоровых, правильно отпущенных. $91\%$ специфичности = из $100$ здоровых тест верно успокаивает $91$, пугает $9$ ($FP$). Только по столбцу здоровых.

Что означает высокая специфичность

  • Мало ложных тревог: редко даёт ложноположительный результат.
  • Положительный результат весомее: если очень специфичный тест положителен — диагноз вероятен (правило «$SpPin$»).
  • Для подтверждения: после положительного скрининга подтверждают специфичным тестом.
  • Цена: высокая специфичность обычно идёт ценой пропусков (ниже чувствительность).

Почему важны обе вместе

  • Только чувствительность: тест «всем положительно» ловит всех больных, но бесполезен (нет специфичности).
  • Только специфичность: тест «всем отрицательно» не пугает здоровых, но пропускает всех больных.
  • Баланс: хороший тест держит обе достаточно высокими — но идеала нет.
Раздел 5 · Компромисс и порог

Компромисс sens ↔ spec

Чувствительность и специфичность связаны обратной зависимостью через порог. Сдвигая порог «положительности», мы повышаем одно за счёт другого. Идеального теста, где обе $= 100\%$, почти не бывает.

Как работает порог

  • Низкий порог (ставим «положительно» легко): растёт чувствительность (ловим всех больных), падает специфичность (много ложных тревог).
  • Высокий порог (ставим «положительно» только при явных признаках): растёт специфичность, падает чувствительность (больше пропусков).
  • Выбор порога зависит от цены ошибок: что хуже — пропустить болезнь или зря напугать?
  • $ROC$-кривая: график зависимости чувствительности от $(1 - специфичность)$ по всем порогам — мера качества теста.

Как выбирают порог в жизни

  • Опасная излечимая болезнь → низкий порог, высокая чувствительность (лучше перепроверить здоровых, чем пропустить больного).
  • Безобидное состояние или рискованное подтверждение → высокий порог, высокая специфичность (не создавать лишних тревог и вмешательств).
  • Двухэтапно: чувствительный скрининг → специфичное подтверждение положительных.

У каждого теста есть ручка громкости — порог. Покрутите её к чувствительности — поймаете всех больных и завалите клинику ложными тревогами. К специфичности — успокоите здоровых и пропустите часть больных. Идеальной точки нет, есть только выбор цены ошибки.

Принцип диагностической грамотности · порог и компромисс
Раздел 6 · Мост к Байесу

Чего тест не говорит

Ключевое прозрение: чувствительность и специфичность — это свойства теста, а не ответ на ваш вопрос. Вы хотите знать «вероятность, что я болен, если тест положителен» — а это зависит ещё и от распространённости. Этот разрыв закрывает теорема Байеса.

Два разных вопроса

  • Что даёт тест: «если человек болен, какова вероятность положительного результата» (чувствительность).
  • Что хочет пациент: «если результат положителен, какова вероятность, что я болен» ($PPV$, Модуль $5.3$).
  • Это не одно и то же: путаница этих вопросов — главная ошибка интерпретации тестов.
  • Решает распространённость: при редкой болезни даже отличный тест даёт много ложных тревог (видели в матрице).

Что вы уже умеете

  • Мыслить матрицей $2\times2$, а не «да/нет».
  • Различать чувствительность ($TP/(TP+FN)$) и специфичность ($TN/(TN+FP)$).
  • Видеть компромисс через порог и понимать выбор под цену ошибки.
  • Замечать, что при редкой болезни ложные тревоги численно побеждают.

Главное: тест характеризуется чувствительностью и специфичностью, но вероятность вашей болезни при положительном результате зависит ещё и от того, насколько болезнь распространена. Превратить характеристики теста в личную вероятность — задача теоремы Байеса, самого мощного инструмента главы (Модуль $5.3$).

Что забрать из модуля 5.2

$I$ Четыре исхода, не два: $TP$, $FP$, $FN$, $TN$. Мыслить матрицей $2\times2$, а не «положительно/отрицательно». Результат теста $\neq$ истина.
$II$ Чувствительность $= TP/(TP+FN)$ — доля пойманных больных. Высокая → мало пропусков, надёжен отрицательный результат ($SnNout$).
$III$ Специфичность $= TN/(TN+FP)$ — доля верно отпущенных здоровых. Высокая → мало ложных тревог, весомее положительный ($SpPin$).
$IV$ Компромисс через порог: рост чувствительности обычно снижает специфичность. Выбор порога — по цене ошибки (пропуск vs ложная тревога).
$V$ Тест не отвечает «болен ли я». При редкой болезни ложных тревог больше, чем находок. Личную вероятность даёт Байес (Модуль $5.3$).
Источники
  1. Altman D.G., Bland J.M. (1994). Diagnostic tests 1: sensitivity and specificity. BMJ. поиск источника
  2. Gordis L. Epidemiology (главы о диагностических тестах). Elsevier. поиск источника
  3. Lalkhen A.G., McCluskey A. (2008). Clinical tests: sensitivity and specificity. Contin Educ Anaesth Crit Care Pain. поиск источника

Образовательный материал — не заменяет консультацию врача. Ссылки ведут на поиск источника; точные реквизиты сверяйте с оригиналом.