筛查与早期发现

先分清三件事：筛查、早期诊断与确认诊断#

• 筛查：主动邀请无症状或未被识别的人群，例如特定年龄与风险范围内的宫颈癌筛查。
• 早期诊断：提高公众和基层系统对早期症状的识别并缩短就诊、转诊和确诊延误。
• 确认诊断：对筛查阳性者进行影像、内镜、病理或其他评估，判断疾病是否真的存在及其类型和范围。

筛查测试通常优先保证敏感性，但阳性不等于患病。若系统没有确认诊断能力、治疗排队过长或失去随访，再先进的筛查技术也只会制造一批无法闭环的异常结果。

这也是为什么 WHO 把筛查看作项目而不只是一项测试：目标人群识别、邀请、知情选择、采样、实验室质量、结果通知、转诊、治疗、登记与持续评价缺一不可。

1968 年，威尔逊（J. M. G. Wilson）与荣纳（Gunnar Jungner）受世界卫生组织委托写出《疾病筛查的原则与实践》，列出十条经典标准。疾病须是重要的健康问题；须有公认治疗；诊断和治疗设施须可及；须有可识别的潜伏期或早期阶段；须有合适且人群可接受的测试；自然史须足够清楚；须有明确的"把谁当病人"的政策；病例发现的成本须能放进整个医疗开支里权衡；筛查须是持续过程，而不是一次性普查。

这十条不是"测得出来就可以上马"的许可证。它们把筛查从技术问题改写成制度问题：没有治疗、没有随访、没有停止规则，阳性结果就只是一张无法兑现的通知。后面关于提前期、病程长度和过度诊断的讨论，都是在追问这十条里最容易被跳过的几条——自然史是否真的清楚，以及跨过阈值之后干预是否真有净获益。

一个绝对数例子：准确率很高，阳性仍可能多数为假#

假设在 10,000 名无症状者中，真正患病率为 1%。某测试敏感性 90%、特异性 95%：

阳性预测值为：

PPV = 90 / 585 ≈ 15.4%

也就是说，测试本身看起来性能不错，但每 585 个阳性中约 495 个是假阳性。这不是测试“坏掉了”，而是低基础风险人群中的贝叶斯结果。

若把同一测试用于更高风险人群，阳性预测值会提高；若把阈值调低以减少漏诊，假阳性通常会增加。筛查政策因此必须明确年龄、风险因素、间隔与停止条件，不能把测试当作人人通用的健康扫描。

发现得早，为什么仍可能没有活得更久#

提前期偏倚#

某人本会在 67 岁因症状确诊，并在 70 岁死亡。筛查使其在 60 岁确诊，但死亡仍发生在 70 岁。诊断后生存从 3 年变成 10 年，生命却没有延长。

乳腺 X 线摄影把这一陷阱写得很清楚。筛查发现的乳腺癌，诊断后五年生存率几乎总会高于因肿块就诊的病例，因为时钟被提前按下了。

2012 年英国独立评估小组（Marmot 小组）因此拒绝用生存率当主终点：他们汇总 11 项随机试验，受邀筛查者的乳腺癌死亡相对风险为 0.80，也就是相对下降约 20%。更有力的问题始终是：随机分配邀请之后，癌症特异死亡或全因死亡有没有下降。

因此，筛查后的“五年生存率提高”不能证明筛查挽救生命。分期前移可以同时来自真获益、提前期和把惰性病灶算进“早期癌”。

病程长度偏倚#

生长缓慢的病灶在无症状可检出阶段停留更久，更容易被定期筛查捕获；侵袭性很强的病灶可能在两次筛查之间快速出现。筛查组因此天然富集预后较好的病灶。

前列腺特异抗原（PSA）把这条偏倚变成公共争论。进展极慢的前列腺癌可以在可检出状态停留十年以上，因而反复出现在筛查名单里；真正具有侵袭性的肿瘤，却可能在两次检查之间已经转移。

欧洲随机筛查试验（ERSPC）在 13 年随访时，受邀组前列腺癌发病率仍比对照组高约 57%。多出来的病例里，有相当一部分是因为筛查更容易抓住“待得久”的肿瘤，而不是因为筛查改变了疾病的自然分布。

长度偏倚与提前期常结伴出现，但机制不同。前者是抽样：横断面检查按可检出期的长短加权。后者是计时：同一场死亡被更早起算。两者都会让筛查组的生存曲线看起来更好看，却不必延长寿命。

过度诊断#

过度诊断是真实检出了符合诊断标准的异常，但它若未被发现，也不会在此人的一生中引起症状或死亡。它不是假阳性。伤害来自诊断标签、重复监测、活检、手术或药物治疗，而个体层面往往无法知道“我的病灶是不是那一个不会进展的病灶”。

仍用乳腺 X 线摄影做绝对数。Marmot 小组按英国项目口径估算：每 10,000 名 50 岁受邀女性在此后 20 年里，约可避免 43 例乳腺癌死亡，同时约有 129 例（含浸润性和非浸润性）属于过度诊断。大约每避免 1 例死亡，就有约 3 例被诊断并通常接受治疗、却本不会在有生之年构成威胁。相对死亡下降 20% 与“三人治疗、一人获益”可以同时为真。

PSA 的过度诊断往往更高。ERSPC 作者估计，筛查检出的前列腺癌中约 40% 可能属于过度诊断；美国 PLCO 试验则几乎看不到前列腺癌死亡下降，部分原因是对照组里 PSA 已被广泛使用，污染了对照。

同一项血液检查，在不同试验设计、污染程度和治疗背景里，净获益可以翻转。这不是让读者去做或跳过某一次检查的处方，而是说明：筛查是决策科学，答案绑定人群、间隔和后续治疗，不能从“能测出来”直接推出“应该人人去测”。

健康参与者偏倚#

愿意参与筛查的人可能有更好的健康行为、收入、保险与医疗可及性。观察到参与者结局更好，不一定全部来自筛查本身。按邀请随机化的试验和意向治疗分析可减少这种自选择偏倚。

应该测什么：检出率只是过程指标#

筛查证据可以按从近到远的终点排列：

1. 分析性能：样本与仪器能否稳定测到目标信号。
2. 诊断性能：敏感性、特异性、预测值和无效样本率。
3. 流程表现：参与率、阳性召回率、确认诊断完成率和等待时间。
4. 疾病分布：晚期病比例、间期病例和病理亚型是否改变。
5. 健康结局：疾病发病、疾病特异死亡、全因死亡、生活质量与严重伤害。
6. 系统结局：成本、资源挤占、公平覆盖及每避免一个严重结局所需筛查人数。

一个新测试若多检出 30% 病例，只证明检出变化。若增加的主要是惰性病灶，晚期病和死亡可能不变，过度治疗反而增加。反过来，某些筛查可以通过发现并去除癌前病变来降低发病率，此时只盯“早期癌检出率”也会漏掉收益。

净获益：把好处与伤害放到相同分母#

比较筛查项目应尽量使用绝对数，并指定时间范围。例如每 1,000 名受邀者在 10 年内：

• 避免多少例晚期病或疾病死亡？
• 有多少人经历至少一次假阳性？
• 有多少人接受侵入性确认检查及其并发症？
• 估计有多少例过度诊断和过度治疗？
• 有多少目标人群从未收到邀请、无法完成确认或负担不起治疗？

“相对死亡风险下降 20%”如果基础风险从 5/1,000 变为 4/1,000，绝对减少是 1/1,000；这并不否定收益，却让人能与数十或数百次假阳性、检查伤害和个人价值放在一起讨论。

美国国家肺癌筛查试验（NLST）把同一套算术写成可核对的现场。该试验在 2002 至 2004 年纳入 53,454 名 55–74 岁、吸烟史至少 30 包年的高危者，随机分配为每年一次低剂量螺旋 CT 或胸片，共三轮。

低剂量 CT 组肺癌死亡相对下降 20.0%（95% 置信区间 6.8–26.7），每筛查约 320 人可避免 1 例肺癌死亡；全因死亡也相对下降 6.7%。与此同时，CT 阳性结果中 96.4% 为假阳性，CT 组肺癌发病率高于胸片组（每 10 万人年 645 例对 572 例）。死亡下降与多余诊断同时存在：高危人群里这项检查可以改变结局，但代价是大量后续影像、有创评估，以及一部分可能本不会进展的病灶。

这些数字不能外推成“所有吸烟者都应立即去做 CT”，更不能外推到从不吸烟、更年轻或没有随访能力的人群。NLST 的对照是胸片而非“完全不检查”，阳性之后美国中心有病理和胸外科接得住。换一个卫生系统，假阳性的下游负担会改写净获益。癌症 筛查的决策单位是项目，不是单张影像。

绝对风险降低 ARR = 对照风险 - 筛查风险
筛查邀请获益人数 NNS ≈ 1 / ARR

这里的 NNS 只是帮助理解的近似，还受依从性、竞争死亡与随访时间影响。不能把不同试验、年龄和终点的 NNS 直接横比。

从效力到项目效果：失访会改变谁真正获益#

筛查试验可能显示邀请策略有效，但真实项目还会在每个环节漏失：

符合条件
-> 收到邀请
-> 理解并愿意参加
-> 完成合格测试
-> 收到结果
-> 完成确认诊断
-> 获得及时治疗
-> 完成长期随访

若高风险、低收入或偏远人群更容易在链条中掉队，平均参与率可能看起来不错，健康差距却扩大。项目评价应按地区、收入、语言、族群、性别和残障等相关维度检查覆盖与结局，而不是只报告总人数。

机会成本也必须计入。一个卫生系统若没有病理、内镜或治疗容量，大规模引入高召回率筛查可能挤占有症状患者的诊疗。IARC 对中低收入环境的框架因此强调疾病负担、有效治疗、资源和服务能力必须同时满足。

组织化项目与机会性检查#

组织化筛查有明确目标人群、邀请登记、质量标准、随访闭环和人群结局监测。机会性筛查则在就诊或商业体检时零散发生，常难以知道谁被漏掉、谁重复检查、阳性是否完成后续。

组织化不保证自动有效，但它提供了审计条件。至少应持续监测：

• 覆盖率、重复筛查与超出年龄范围的使用。
• 样本质量、实验室批间差异和读片一致性。
• 召回率、阳性预测值、间期病与确认时间。
• 分期分布、疾病死亡和严重并发症。
• 退出项目、拒绝筛查和知情选择是否被尊重。

项目也要有停止或调整机制。疾病流行病学、疫苗覆盖、治疗效果和新技术会改变净获益，旧的年龄范围与间隔不应永久固定。

基因、多癌种与 AI 筛查：更多信号不等于更多健康#

液体活检、多癌种早检、全身影像、可穿戴设备和 AI 风险模型能从无症状人群中找出更多信号，但每增加一种信号，都要回答同样的问题：

1. 无症状阶段的自然史是否已知？
2. 阳性后用什么测试确认，找不到原发部位怎么办？
3. 提前干预是否比出现症状后治疗更好？
4. 假阳性、偶然发现与不确定结果会引发什么下游检查？
5. 训练数据之外的人群是否校准，阈值是否公平？
6. 随机试验是否显示严重结局下降，而不只是分期前移？

AI 可以提高阅片效率或调整阈值，但不能消除提前期、长度和过度诊断偏倚。模型性能还会随设备、医院和患病率变化；部署后必须重新校准并监测真实流程。

证据怎么读：筛查研究的六问#

筛查问题通常没有脱离人群和卫生系统的答案。对某年龄、风险与资源环境净获益为正，不代表更年轻、更低风险或无法治疗的人群也应使用同一方案。

威尔逊–荣纳标准在多癌种检测时代并未过时：自然史不清、找不到原发部位、或没有随机证据的“提前干预”，都直接撞上自然史与可治疗性两条。流行病学 要人群结局，循证医学 要与伤害同口径的对照，两者都不接受“测到了就算成功”。

跨域连接#

• 疾病负担与 DALY/QALY：筛查的评价必须把伤害放进同一个分母。假阳性带来的焦虑与后续活检、过度诊断带来的手术与终身随访，都要以质量调整生命年计入，否则"多发现了多少例"这个指标永远只朝一个方向增长。这也解释了同一项筛查在不同年龄段的净获益为何可以由正转负——收益随基础风险变化，伤害却几乎是固定的。
• 随机过程：长度时间偏倚的数学本体，是按持续时间加权的抽样。在某一时刻做横断面筛查，被抓到的概率正比于疾病可检出期的长度，因此进展慢的病变被系统性过度采样——这与"随机时刻到站，等到的公交间隔长于平均间隔"是同一个悖论。推论很硬：筛查发现的病例天然比临床发现的预后好，这份优势里有一部分完全来自抽样，与治疗无关。
• 风险感知与宏观决策：筛查被普遍感知为"零成本的信息"，因为它的伤害延迟、分散且难以归因——没有人能知道自己是不是那个被过度诊断的人，而被治愈的叙事却是具体的、有名有姓的。这一不对称使公众支持度长期高于证据支持度。可操作的对策是把绝对数写进决策辅助材料：每一千人筛查，多少人获益，多少人被过度诊断。
• 问责：筛查项目的常用考核指标是覆盖率与检出数，二者都是过程指标。当指标本身成为目标，最容易的改进方式就是降低阈值或扩大人群，这会同时抬高检出数与过度诊断，而人群死亡率不动。因此问责设计必须把随访完整率、假阳性率与分期分布一起纳入，否则项目会朝着好看的方向而不是有效的方向漂移。
• 连锁悖论：把连续变量切成"有病／没病"必然带有任意性。降低一次阈值就能一夜之间制造出大批患者，而每个人的生理状态没有任何改变——糖尿病前期、1 期高血压、低风险甲状腺乳头状癌都是这条边界移动的产物。这不是说阈值无意义，而是说阈值的正当性只能来自"跨过它之后干预能带来净获益"，不能来自分类本身。

参考文献#

• World Health Organization Regional Office for Europe. Screening Programmes: A Short Guide. Increase Effectiveness, Maximize Benefits and Minimize Harm. 2020.
• Wilson, J. M. G. & Jungner, G. Principles and Practice of Screening for Disease. WHO Public Health Papers No. 34, 1968.
• Independent UK Panel on Breast Cancer Screening. "The benefits and harms of breast cancer screening: an independent review." The Lancet, 380, 2012. DOI: 10.1016/S0140-6736(12)61611-0.
• The National Lung Screening Trial Research Team. "Reduced Lung-Cancer Mortality with Low-Dose Computed Tomographic Screening." New England Journal of Medicine, 365, 2011. DOI: 10.1056/NEJMoa1102873.
• Schröder, F. H. et al. "Screening and prostate cancer mortality: results of the European Randomised Study of Screening for Prostate Cancer (ERSPC) at 13 years of follow-up." The Lancet, 384, 2014. DOI: 10.1016/S0140-6736(14)60525-0.
• National Cancer Institute. Cancer Screening Overview (PDQ). Updated 2023.
• National Cancer Institute. "What Cancer Screening Statistics Really Tell Us." 2017.
• Grimes, D. A. & Schulz, K. F. "Uses and abuses of screening tests." The Lancet, 359, 2002. DOI: 10.1016/S0140-6736(02)08060-0.
• International Agency for Research on Cancer. Cancer Screening in Low- and Middle-Income Countries. IARC Handbooks of Cancer Prevention.

延伸阅读#

• Welch, H. G., Schwartz, L. M. & Woloshin, S. Overdiagnosed: Making People Sick in the Pursuit of Health. Beacon Press, 2011.