本帖最后由 克 飞 于 2013-9-4 19:44 编辑
1. 中医的诊疗一定要西医来证实吗?
中医和西医分属二个不同的学科,应该有他们独立的评判体系,用西医上不可解释来批评中医是过分的。 举个例子。 对于我们所认识的物质,我们习惯上有二个方式去描述他们,一个是化学方式,一个是物理方式。 物理方式考虑一个物体通常是一个整体,去描述他们的运动方式,化学方式则是描绘他们的结构组成。有时我们用物理的方式,有明则用化学的方式。 这二门科学有他们各自的解释机制,但我们不能说虽对虽错。从数学的角度来说,物理是比较科学的,它的公理体系比较完备,化学则是比较散乱的。他的一些基本理论和一些化学性质则显得不那么容易理解,有很多归纳和观察的结论。 物体的物理现象通常不能用化学来解释,物体的化学现象也通常不能用物理来解释。如果他们能相互解释,这二门学科就合而为一了。中医和西医在解释人时的关系就象物理和化学在解释物质时的关系,二者的理论可以并存,不需要用另外一个学科来论证,只能以实践来检验其正确性。实际上,物理和化学源于不同的公理体系,从而产生不同的见解和不同的应用。如果他们能互相验证,这二门学科就可以合而为一了。 就是物理和化学,亦有他们的局限性。物理广泛用于工程,但当描述到天体物理或研究高速物理时,牛顿力学就产生了局限性,当研究到量子力学时,牛顿力学也不成为普遍规律。同样当研究到量力化学或大分子化学时,普通的化学又力不能力,往往依靠及它的解释甚至归纳的方法。 中医和西医的关系在我看来就是这种物理和化学的关系。当研究到人体的局部或外来的生物或细菌或检测仪器时,西医这种以实验为基础的优点就显现出来。反之,当把人体当成一个整体的系统工程时,由于影响他的因素太多,西医来解释时就会在数学上力所不及,往往会出现矛盾的答案,或放大了局部的影响,这时中医反而有他的优势。 如同医学,在经济管理上,我们亦不是绝对采用定量化的方法的。一个平衡系统即使用数学描述亦是个非线性问题。而非线性问题在几十年前就是个难道,在现在仍然是一个难题。定量化的方法常常会产生极为幼稚的错误,在经济决策中,正确的结论往往不是定量化的产物。当然,我们不能否认定量化的贡献。
2. 西药先进吗?
西医不能从纯理论上证明一种药物为什么有效,为什么无毒?如果是这样,Clinic Trial的意义就不大了。西药是在摸着石子过河啊。而且是在用化学品摸着石子过河。 中医的理论虽然可能也有问题,但用阴阳学说,对这些个中草药的药性基本上是有认识的。在此基础上,针对不同的人配制不同的比例,我觉得很科学啊。 西药是采用统计的方法认证出的从一类化学衍生物中筛选的对大部分人短期有一定疗效且无明显剧毒副作用的药物,他采用对抗性的方法去对付对人体有害的异类微生物或直接改善人体的一些生理指标。中药是运用自然生物的药性并对不同的人进行个性化定量配制以调节人体平衡,增强防病抗病能力的一种药物。 西药形成过程,从过程来讲是很原始的。去除这些所谓科学的外衣,只不过是中国古代炼丹术一样的思路,只不过药效的判定方式用了定量化的统计更规范一些而已。而这种炼丹术在近千年已被证实弊大利少,在中医中除了部分之外,已经被淘汰。 西药的功效是从统计中得出的,并不能给出安全有效的合理解释。既然药物的药效和毒理的真正作用机理在西药中这么难以阐述,不得不退而求其次,用临床试验来验证的话,为什么西医就不能学一下中医。人是一个复杂的动物,他存在在这个世界与万物共处。大部分的中草药只要了解他们的药性,应该是比较安全的,为什么不去使用他们。 但于不同的病人,中医能分析并制定出不同的中草药配方或其它治疗方案,这种新的方案不需要经过临床试验而基本上认为至少是相对安全的。但西医,使用赌博认证出药效的药效,冒着不可知的副作用的风险,千篇一律地对所有的病人采取同样的治疗方式,从方式上看,我看不出它有多先进的。(当然西医的某些药效是很好的) 我是学数学的,在南京医科大学合作研究亦全部是和西药,虽然不是搞医的,但对西医的接触也是很多的,为什么我还这么推崇中医呢?只不过是我在南京大学上学时的一个经验。在一次短跑中,我摔倒了,左手腕扭伤,大半年手都不能弯过来看手表,用了很多外傅药,有中医有西医,也进行过理疗,都没有。最后在南大诊所,一个医生给我实施针灸治疗,一共插了6根针,3分种后拨出,手就活动自如了。这应该就是中医的疗效,我不认为我有这个运气能在3分种内突然全部痊愈。既然有这么好的疗效,这种医效方法就是很好的,我不管他们是否有科学的解释。如果没有科学的解释,只能说现在的科学还不够发达。 我推崇中医,不是出于一种狭隘的民族主义思想,而是一种对一个尊重人类、尊重自然、尊重个体区别的科学的敬仰。我知道在科学界,中医话语权很小,但是作为一个严肃的科学家,我认为中医应该与他的疗效和思想相乘的学术地位。
3. 现代西医大部分成因分析都是错误的
随着信息技术和检测技术的发展,统计被越来越多应用到现代医学中。但统计的误用也越来越多,甚至大有盖过了正确的使用,并成为商业化技巧的工具的趋势。 由于使用了数学工具,很容易蒙骗很多人,从而让一个错误的似是而非的结论成为一个科学论断,成就一个新的发现而引发一起新的治疗方式或挣钱工具。 这实际上是一个在统计中很容易犯的一个错误,现在被无数的科学家在重复着犯。估计在美国有一半的科研经费都被用在错误证明这些不成立的结论上,但不可否认,建立在这些荒唐的结论上带来的商业利润是巨大的,但消费者却为之付出了代价。 这个命题就是在一个特定群体中,二个指标可能存在某种联系,但这种联系不一定是困果关系。这在中国的教科书中不太能看到,就是在西方的统计教材中也不容易看到,数学的悲哀啊。 指标之 间的关系可以对抽样调查进行统计分析得到,但因果关系却必须要有实验设计才能来证实。所以西方一个药物的有效性必须要在一个严格的GCP规则的指导下进行,就是因为只有这样才能证实只有这个药物才是生理指标改善的原因。药物生产中是规范了,其它呢?可以说是乱来。 什么叫联系呢?就是这类事物的二个侧面存在某种关联。比如说,头发长和乳腺癌之间存在着显著的相关性。利用这种相关性,我们可以进行诊断,比如说,你是头发长,你得乳腺癌的可能就比较大,这是正确的。 但因果关系就不一定,对因的改变可以改变结果的。如我们说,抽烟导致肺癌,我们就可以通过戒烟来减少肺癌的可能性。或者说,吃南瓜可以降低血糖,我们就可以多吃了南瓜来改善糖尿病,或者产剪发可以治疗乳腺癌。 因果关系包容了普通的关联,所以我可以说,如果吃南瓜可以改善糖尿病,那么你是吃南瓜的,那么我判断糖尿病的可能比较小。 普通的关联与因果关系的最大区别是,普通的关联只能用来诊断,但困果关系不仅能用来诊断,还能用来治疗。 上面我已经说了,从头发长可以推断出你得乳腺癌的可能大,所以头发的长度可以作为患乳腺癌的很好的诊断指标。头发长度能不能成为一个治疗指标呢?比如,把你头发剪短了,是不是能导致乳腺癌发病率的下降呢?答案是不。因为头发长和乳腺癌不存在因果关系,他只不过是事物的有关系的两个侧面而已,真正的原因是因为女人的头发大体较长,而女人患乳腺癌的可能性较大。 大家肯定会说,这么一个显然的结果,还要你老来告诉我吗?下面的例子,就不那么显然了。 最近,科学家们发现在日本松山县的人得糖尿病的人很少。调查发现当然人普遍食用南瓜。于是科学家们得出结论,南瓜有助于改善糖尿病。这个困果结论是错误的,在这块地方糖尿病发病率少,可能不是因为吃南瓜的问题,而是因为水质或其它生活习惯问题,吃南瓜多只不过当地南瓜较多而已。 另外一个问题更有普遍性,好象一开始说抽烟导致肺癌就是这样来的。抽烟可能真的是肺癌的成因之一,但这样的论证方式从数学上来说是彻底错误的。这个结论好象还是这一个结论的最早的理论支持呢。 英国科学家对10万个人进行了抽样调查,调查了吸烟和肺癌之间的关系。结果发现吸烟的人得肺癌的可能性远远大于不吸烟的人。所以他们得出了一个结论,吸烟导致肺癌。 无论这个结论事实上是否正确,但数学上是错误的。这种关系只能用来诊断,比如一个医生,听到说你吸烟,于是认为你得肺癌的可能性比其实人大,这是正确的。 但如果说,吸烟导致了肺癌,这就不是用这样的调查能证明的了。就象前面我们所说的,头发长和乳腺癌之间没有困果关系一样,吸烟和肺癌也不能据此得出因果关系。也许吸烟和肺癌仅仅是一个原因的二种表象,所以存在关系。例如压力大的人喜欢吸烟,压力大的也易得肺癌。容易困惑的是,吸烟和肺癌之间有个时间顺序,但仍不构成因果关系。 因为吸烟是吸到肺部的,这个结论很容易很自然地就为大家接受。但是这种抽样调查是证明不了因果关系的,如果是这样那药物的临床试验就没存在的必要了。要得出这个结论,必须要进行实验设计,在一大批没吸过烟的人群中间,给出两组人,一组人吸真实的烟,一种人吸一种味道和烟的味道完全一样,但没有烟的毒理成分的东西(双盲试验中的一盲),然后跟踪调查几十年,观察其肺癌的不同得病率。但事实上没人做过这样的试验,所以吸烟导致肺癌从来没有在统计上得到过这种证实。 看看这个问题已经够迷惑人了吧,在医学指标上那就更加了。我们可以从实验中得出一个医学指标和一个疾病之间的关联,但永远无法证明这个指标是不是这个疾病的成因。 这个指标指证与这个疾病的关联,当然可以用来进行临床诊断。但不幸的是,这个指标和疾病的困果关系是无法证明的。如果不是原因,改善这个指标对疾病是毫无帮助的。正象剪断头发不能降低乳腺癌的发病率一样。 不能因为弄上了复杂的医学,一大堆的指标和术语,博学的教授,昂贵的医疗费用和精密的仪器就可以将这样的逻辑和以上二种情况区别对待,在数学和逻辑上,他们是完全一样的。 既然改善这个指标都对疾病不一定有帮助,建立在其上的改善指标的的药物不是从一开始就不是在治疗病人,而是在欺骗诊断仪器吗?这个举动和剪头发,从而让医生认为其患乳腺癌的可能性小又有多大的区别呢? |