Diagnostic Thinking

核心概念

鉴别诊断（Differential Diagnosis）：面对一组症状体征，不急于锁定单一解释，而是系统列出所有合理可能，再通过进一步信息逐一排除，直至留下最可能者。

贝叶斯诊断：医生并非「白板」判断，而是带着先验概率出发。新证据通过似然比（Likelihood Ratio, LR）修正先验，得到后验概率：

后验赔率 = 先验赔率 × 似然比

敏感性与特异性：敏感性 = 真阳性率（不漏诊的能力）；特异性 = 真阴性率（不误诊的能力）。二者常此消彼长——阈值放低则敏感性高、假阳性多；阈值收紧则特异性高、假阴性多。

医学直觉

老练的医生诊病像侦探破案：先广撒网（「胸痛可能是什么？心梗、肺栓、主动脉夹层、肺炎、胃食管反流……」），再以心电图、肌钙蛋白、D-dimer 等检验作为「似然比调节器」逐一逼近真相。关键纪律是不锚定单一假设——锚定会使后续证据被选择性解读，把支持性信号放大、矛盾信号忽略。

流行病学中「先验概率」受年龄、性别、基础病、地域影响极大：30 岁女性胸痛先验心梗极低，60 岁糖尿病男性吸烟者胸痛先验心梗极高——同样的症状，同样的检验，后验可能差出几个数量级。

跨学科迁移

投资分析即鉴别诊断：股价异动是「症状」，可能解释有业绩超预期、行业政策、流动性事件、估值修复、误定价……列出全部可能后用证据排除，而非一见涨就找利好、一见跌就找利空（确认偏误）。

商业问题排查的排除法：转化率下降，候选原因有产品改动、流量结构变化、季节性、外部事件、埋点 bug。系统列举→逐一证伪→锁定主因，与鉴别诊断同构。

先验偏见影响判断：投资者对「知名公司」先验过好、对「陌生赛道」先验过差，导致同样的财报信息被解读出截然不同的后验。识别自己的先验，是避免「先射箭后画靶」的第一步。

练习题

单选：某检验敏感性 90%、特异性 90%，人群患病率 1%。一人检验阳性，其真实患病概率约为？ A. 90%　B. 50%　C. 8%　D. 1% （提示：用贝叶斯公式算——答案约 8.3%，即基本比率谬误的典型示范）

案例题：某 SaaS 公司月流失率突增，团队第一时间归因「产品 bug」。请用鉴别诊断框架，列出至少 5 个候选原因，并设计排除路径。

反事实题：若该患者在患病率 10% 的人群中检验阳性，后验约为多少？对比患病率 1% 情境，说明「同样检验、不同先验」对决策的影响。