آیا داشتن اطلاعات کمتر میتواند در تصمیمگیریهای پزشکی مفیدتر باشد؟ برخلاف تصور رایج که «هرچه اطلاعات بیشتر، بهتر»، استفاده از میانبرهای ذهنی (Heuristics) میتواند به پزشکان و بیماران کمک کند تصمیمهای درستی بگیرند. میانبرهای ذهنی، راهبردهای سادهای هستند که بخشی از اطلاعات موجود را نادیده میگیرند و تصمیم را بر اساس چند نشانهی مرتبط میسازند. ما در این مقاله به دو موضوع میپردازیم:
۱) پزشکان و بیماران چگونه از میانبرهای ذهنی استفاده میکنند؛
۲) چه زمانی این میانبرها عملکردی بهتر از روشهای پیچیده و «اطلاعاتمحور» مثل رگرسیونها در تشخیص پزشکی دارند.
همچنین ویژگیهایی از میانبرهای ذهنی را توضیح میدهیم که آنها را در حوزه سلامت مفید میسازد: دقت غیرمنتظره، شفافیت، در دسترس بودن، و نیاز کم به زمان و هزینه. در پایان، یکی از دلایل آماری دقت بالای این میانبرها را توضیح میدهیم و به روانپزشکی بهعنوان یکی از حوزههای مناسب برای تحقیقات آینده اشاره میکنیم.
مقدمه
مردی میانسال با همراهی همسر نگرانش وارد بیمارستانی روستایی در میشیگان میشود. او از درد شدید قفسه سینه رنج میبرد. پزشک مسئول مشکوک به بیماری ایسکمیک قلبی حاد است، اما کاملاً مطمئن نیست. آیا باید بیمار را در بخش عادی برای مراقبت قرار دهد؟ اگر واقعاً ایسکمی حاد باشد، باید فوراً به بخش مراقبتهای ویژه قلب منتقل شود. از طرف دیگر، انتقال بیمورد به آن بخش هم هزینهبر است، هم کیفیت مراقبت از بیماران واقعاً نیازمند را کم میکند، و هم بیمار غیرضروری را در معرض عفونتهای بیمارستانی قرار میدهد.
اینکه انسان چگونه چنین معماهای پیچیده تصمیمگیری در پزشکی را حل میکند، موضوع اصلی این مقاله است. برای وضعیت اورژانسی بالا، سه رویکرد مختلف وجود دارد که هرکدام از سنتی متفاوت در علوم تصمیمگیری میآیند.
رویکرد اول این است که تمام مسئولیت را به پزشک بسپاریم. اما در مطالعهای در یک بیمارستان نشان داد که پزشکان ۹۰٪ بیماران دارای درد شدید قفسه سینه را به بخش مراقبتهای ویژه قلب فرستادند؛ اما نتیجه آن شلوغی شدید، کاهش کیفیت مراقبت، و افزایش در هزینهها بود.
رویکرد دوم استفاده از یک الگوریتم پیچیده است. همین کار را گروهی از پژوهشگران دانشگاه میشیگان انجام دادند. آنها «ابزار پیشبینی بیماری قلبی» را معرفی کردند: جدولی با حدود ۵۰ احتمال و یک رگرسیون لجستیک که پزشک با یک ماشین حساب جیبی میتواند احتمال نیاز بیمار به مراقبت ویژه قلب را محاسبه کند. اما تعداد کمی از پزشکان رگرسیون لجستیک را درک میکنند، و جداول و ماشین حسابها معمولاً وقتی پژوهشگران بیمارستان را ترک میکنند کنار گذاشته میشوند.
رویکرد سوم آموزش میانبرهای ذهنی مؤثر به پزشکان است. میانبر ذهنی، یک راهبرد ساده است که بخشی از اطلاعات را نادیده میگیرد و فقط روی چند نشانه مهم تمرکز میکند. یک نمونه از این راهبرها، یک «درخت سریعوساده» است که همه احتمالها را کنار میگذارد و تنها چند سؤال بله/خیر میپرسد. (شکل 1)
برای مثال:
- اگر در نوار قلب بیمار یک نوع ناهنجاری خاص (تغییر ST) دیده شود، بیمار فوراً به بخش مراقبت ویژه قلب منتقل میشود. هیچ اطلاعات دیگری بررسی نمیشود.
- اگر چنین ناهنجاری وجود نداشته باشد، سؤال دوم از نوع شکایت اصلی بیمار از درد قفسه سینه است. اگر پاسخ «نه» باشد، بیمار کمخطر محسوب شده و به بخش عادی منتقل میشود. باز هم اطلاعات اضافی در نظر گرفته نمیشود.
- اگر پاسخ «بله» باشد، سؤال سوم و نهایی مطرح میشود،: آیا هیچ یک از پنج شاخص پیشبینی کنندهٔ دیگر وجود دارد؟ اگر جواب بله باشد بیمار به بخش مراقبت ویژه منتقل می شود و در غیر این صورت به بخش عادی منتقل میشود؟
حال سوال این است که آیا پیروی از چنین میانبر سادهای میتواند منجر به تصمیمگیری درست شود؟
شکل 2 عملکرد هر سه رویکرد را در پیشبینی حملات قلبی در همان بیمارستان نشان میدهد. نتیجه شگفتانگیز بود:
این میانبر، حساسیت بالاتر (تشخیص درست بیماران نیازمند مراقبت ویژه) و نرخ مثبت کاذب کمتر (بیمارانی که اشتباه به مراقبت ویژه فرستاده شدند) نسبت به ابزار پیشبینی دانشگاه میشیگان و نسبت به پزشکان داشت درحالی که مقدار بسیار کمتری اطلاعات هم نیاز داشت.
شکل 2: عملکرد یک درخت تصمیم برای تخصیص بیماران به بخش مراقبتهای ویژه قلبی (CCU)، در مقایسه با ابزار پیشبینی کننده بیماری قلبی و قضاوت پزشکان. محور افقی نشاندهنده نسبت بیمارانی است که به اشتباه به بخش مراقبتهای ویژه قلبی ارجاع داده شدهاند (نرخ مثبت کاذب)، و محور عمودی نسبت بیمارانی را نشان میدهد که به درستی به این بخش ارجاع داده شدهاند (حساسیت). خط مورچین نشاندهنده سطح عملکرد تصادفی است و ناحیه سمت چپ این خط، عملکرد بهتر از تصادف را نشان میدهد. توجه داشته باشید که تصمیمهای تخصیص ابزار پیشبینی کننده بیماری قلبی، به چگونگی تعادل بین حساسیت و نرخ مثبت کاذب بستگی دارد. به همین دلیل چندین نقطه داده برای این ابزار نشان داده شده است.
دیدگاهها دربارهٔ عقلانیت: از عقلانیت نامحدود و غیرعقلانیت تا عقلانیت بومشناختی
هر روز ما پر از تصمیم های کوچک و بزرگ است: اینکه چه چیز را تشخیص دهیم، چه کسی را درمان کنیم، چه بخوریم یا روی کدام سهام سرمایهگذاری کنیم. اما چطور تصمیم میگیریم، و «چطور باید» تصمیم بگیریم؟ پاسخ به این دو سؤال در علوم تصمیمگیری و حوزههای دیگر، به این بستگی دارد که دربارهٔ عقلانیت انسان چه دیدگاهی داشته باشیم. دستکم سه دیدگاه وجود دارد.
۱. عقلانیت نامحدود: بهینهسازی
مطالعهٔ عقلانیت نامحدود این سؤال را مطرح میکند: اگر انسانها همهچیزدان بودند،یعنی اگر میتوانستند آینده را با دانستههایشان محاسبه کنند، چطور رفتار میکردند و چطور باید رفتار کنند؟
مدلهای بهینهسازی مانند بیشینهسازی سود مورد انتظار، بر این دیدگاه بنا شدهاند.
برای مثال، در تشخیص اینکه کدام بیمار باید درمان شود، این مدلها فرض میکنند تصمیمگیرنده تمام اطلاعات موجود را جمعآوری و بررسی میکند، هر بخش از آن را با معیار مشخصی وزن میدهد، و سپس همه را ترکیب میکند تا بیشترین شانس دستیابی به هدفها حاصل شود (مثلاً درمان افراد نیازمند و کاهش هزینه).
بهینهسازی تحت محدودیت، شاخهای از همین دیدگاه است که فرض نمیکند فرد دانش کامل دارد، اما محدودیتهایی مانند هزینهٔ اطلاعات را در نظر میگیرد.
این مدلها در اقتصاد و علوم کامپیوتر متداولاند.
۲. غیرعقلانی بودن: خطاها و سوگیریهای شناختی
بر اساس دیدگاه دوم، انسان بهینهسازی نمیکند، بلکه از آن منحرف میشود؛ این انحرافها «توهمهای شناختی»، «خطاها» یا بهسادگی «غیرعقلانی بودن» نامیده میشوند.
چارچوب «میانبرها و سوگیریها» پیشنهاد میکند که انسان در داوری احتمالها و تصمیمگیریها خطاهای سیستماتیک مرتکب میشود.
با اینکه این رویکرد با دیدگاه بهینهسازی متفاوت است، همچنان بهینهسازی، مثل بیشینهسازی سود مورد انتظار، را معیار سنجش عقلانیت انسان قرار میدهد.
هر تصمیمی که از این معیار منحرف شود، با این فرض توضیح داده میشود که انسان محدودیتهای شناختی دارد: ظرفیت پردازش ناکافی، یا دانش ناکامل.
از این زاویه، ممکن است گفته شود نرخ بالای مثبت کاذب پزشکان و عملکرد کمتر از شانس در تخصیص بیماران، بازتاب همین محدودیتهای شناختی است.
۳. عقلانیت بومشناختی: میانبرهای سریع و ساده
اما راه سومی هم وجود دارد که جایگزینی برای «بهینهسازی» و «غیرعقلانی بودن» است.
«هربرت سایمون»، بنیانگذار دیدگاه «عقلانیت محدود»، تأکید داشت که بهینهسازی در جهان واقعی بهندرت ممکن است. بنابراین نظریهٔ عقلانیت باید بررسی کند انسانها وقتی امکان بهینهسازی وجود ندارد چطور تصمیم میگیرند. او میگفت بهجای تکیه بر مدلهای غیرواقعیِ بهینهسازی و تلاش برای محاسبهٔ پاسخ کامل و ایدهآل، انسان از راهبردهای ساده استفاده میکند و دنبال پاسخهایی میگردد که «به اندازهٔ کافی خوب» باشند.
او همچنین تأکید داشت که رفتار و عملکرد انسان حاصل تعامل «شناخت» و «محیط» است:
رفتار عقلانی انسان با قیچیای شکل میگیرد که دو تیغهٔ آن یکی ساختار محیط و دیگری تواناییهای محاسباتی فرد است.
این همان پایهٔ «عقلانیت بومشناختی» است، دیدگاهی که میگوید میانبرهای ساده در محیطهای مناسب میتوانند نهتنها کارآمد، بلکه بهطرز شگفتانگیزی دقیق باشند.
با پذیرش این تأکید بر راهبردهای سادهٔ تصمیمگیری و سازگاری آنها با محیط، چارچوب «میانبرهای سریع و ساده»، دیدگاهی بومشناختی از عقلانیت توسعه داده است که سعی میکند بفهمد چطور و چه زمانی تکیهٔ مردم بر میانبرهای ساده میتواند منجر به رفتار هوشمندانه شود. در این دیدگاه، میانبرها میتوانند از نظر محیط و اهداف فرد، «عقلانی بومشناختی» باشند. در اینجا، عقلانی بودن به این معناست که یک میانبر نسبت به یک معیار بیرونی موفق است، مانند تصمیمگیری سریع و دقیق وقتی بیمار به اورژانس منتقل میشود.
مزایای استفاده از میانبرهای ساده در تصمیم گیری پزشکی
میانبرها ویژگیهای عمومی متعددی دارند که آنها را به ابزارهایی مناسب برای بهبود تصمیمگیری پزشکی تبدیل میکند. برخی از این ویژگیها عبارتاند از:
- دقت
مطالعات متعدد نشان دادهاند که میانبرهای ساده در محیط مناسب میتوانند از ابزارهای پیچیدهتر و اطلاعاتمحور مانند مدلهای رگرسیون یا شبکههای عصبی دقیقتر عمل کنند. برای مثال، برایایتون، عملکرد ماشینهای محاسباتی سنگین را با میانبری به نام "انتخاب بهترین" مقایسه کرد. این میانبر، مشابه درخت سریع و سادهٔ شکل ۱، تصمیم را بر اساس تنها یک دلیل خوب میگیرد و با بررسی ترتیبی متغیرهای پیشبینیکنندهٔ دودویی (۱ یا ۰) و توقف پس از یافتن اولین متغیر متمایزکننده، تصمیمگیری را ساده میکند.
- قاعدهٔ جستجو: پیشبینیکنندهها را به ترتیب اعتبار بررسی کن.
- قاعدهٔ توقف: به محض یافتن اولین پیشبینیکنندهٔ متمایزکننده، جستجو را متوقف کن.
- قاعدهٔ تصمیم: نتیجه را بر اساس آن متغیر بگیر.
برایایتون نشان داد که در بسیاری از مجموعه دادهها، این میانبر بهتر از ماشینهای محاسباتی پیچیده در پیشبینی دادههای جدید عمل میکند. در سالهای اخیر، پژوهشهای متعددی به مقایسه میانبرها و ابزارهای اطلاعاتمحور در تصمیمگیری پزشکی پرداختهاند، مانند درختان سریع و ساده برای تشخیص اختلالات روانی مثل افسردگی.
- شفافیت
چون میانبرها سادهاند، شفاف و آموزش و استفاده از آنها آسان است. برای مثال، همان درخت شکل ۱ را در نظر بگیرید: پزشک برای تصمیمگیری سریع، حداکثر سه سؤال سادهٔ بله/خیر میپرسد. این فرآیند تصمیمگیری کاملاً شفاف است و در صورت نیاز میتوان آن را به بیمار توضیح داد.
- سرعت
قابلیت اعمال سریع میانبرها ویژگی مهمی است، خصوصاً در شرایط اورژانسی. پس از حملات ۱۱ سپتامبر ۲۰۰۱، Simple Triage and Rapid Treatment (START)، میانبری از شاخهٔ درختان سریع و ساده، به کارکنان اورژانس اجازه داد قربانیان را سریع به گروههای اصلی تقسیم کنند، از جمله افرادی که نیاز فوری به درمان دارند.
- دسترسپذیری و هزینهها
میانبرهای کارآمد میتوانند بهراحتی در دسترس باشند و در شرایط محدودیت فناوری نیز کمککننده باشند. برای مثال، برای تجویز ماکرولید در کودکان مبتلا به سینهپهلو، درختی با دو متغیر پیشبینیکننده (سن و مدت تب )توسعه یافت. این ابزار کمهزینه کمی کمتر دقیق از سیستم امتیازدهی مبتنی بر رگرسیون بود (۷۲٪ در برابر ۷۵٪ حساسیت)، اما استفاده از آن نیاز به فناوری گرانقیمت ندارد و میتواند برای میلیونها کودک در سراسر جهان، حتی در کشورهای فقیر، قابل دسترس باشد.
منبع: Marewski, J. N., & Gigerenzer, G. (2012). Heuristic decision making in medicine. Dialogues in clinical neuroscience, 14(1), 77–89. https://doi.org/10.31887/DCNS.2012.14.1/jmarewski
دیدگاه خود را بنویسید