北京大学教授黄岩谊：新冠病毒实验室如何进行检测研究?(7)

另外，要考虑一个检测方法的特异性是否真的很好。核酸检测中特异性取决于引物选择的位置、引物序列与目标核酸的匹配，还要考察是否真的能检测出来。来自香港科学家的这篇发表在《临床化学》的研究论文表明，两个核酸检测位点总，有一个位点明显比另一个更加容易检测出来，具体说就是N蛋白基因比ORF1b更容易检测出来，虽然一开始设计上看好像这两个位点的表现都差不多，但是真正使用的时候是有区别的。

虽然方法都不是完美的，但是它也有一定的可取之处，只要用的妥当，找到号的适用场景。举个例子，比如在人群中35个健康人、35个感染者，我现在做一个检测，检测的阳性结果35个，大家认为这是很不错的结果，是吧？但事实却不是这样。检测到的35个病人并不是真正的感染者。结果可以分成四块：真实感染者检测出来了，是真阳性；健康人被算成感染者，是假阳性；健康的人检测出来健康，是真阴性；感染者未被检测出来，是假阴性。所以真阳性、假阳性、真阴性、假阴性加在一起构成了整个检测样本的总数。

怎么评价？第一个评价指标：敏感性。所有的阳性样本中到底检测出几个阳性？分子是真阳性，分母是真阳性和假阴性的和。结果25个真阳性，10个假阴性，所以是71%的敏感度。

另一个指标：特异性，也就是阴性的样本中有多少个真阴性。真阴性和假阳性一起当分母，而分子是真阴性。结果是25个真阴性，10个假阳性，一除还是71.4%。准确度，就是真阳性和真阴性的个数加起来除以总数，这样算也是71.4%。很多场合我们都关心阳性结果是否真的是阳性？这就是所谓的阳性预测值（PPV），就是说当你看到检测结果，真阳性和假阳性都是阳性，但是其中多少个是真阳性呢？这个例子中，25个真阳性，10个假阳性，PPV也是71.4%。也就是说测10个人大概有7个真阳性的，另外3个是假阳性。

刚才我举了一个非常奇怪的例子，可以看到很多数值算出来都是相同的，一个原因是由于例子中假阳性和假阴性测出来是一样的。真实的检测方法中间，不会特异性和敏感度都一定是一样的。比如有这样一个方法，也是同样人群检测，我们发现所有的阴性样本测出来都是阴性，但是阳性样本中有5个测出来阴性。这时候发现它的特异性是100%，也就是说没有假阳性。它的敏感性是86%，准确度是93%，PPV阳性预测值是100%。虽然这个检测有假阴性存在，但是它没有假阳性存在，所以测到的阳性一定是阳性，阳性预测值是100%。有没有什么样的方法和它比较接近呢？是有的。比如我们用的PCR方法，如果做好了，它可以把阳性预测值做的很高。这是日内瓦的一个非盈利组织FIND，对市面上的部分试剂盒做了一个客观评价，可以看到不同地方产的试剂盒，检测不同的基因位点，虽然检出限有高有低，但总的来说做的都非常好，特异性这个指标都非常高，很多都是100%。有这样的方法存在，你就知道拿到检测结果时，至少阳性预测值还是比较接近100%的。

刚才举的例子都是阳性和阴性样本各占一半的例子。这个例子在现阶段新冠病毒疾病的情况下有点极端，不太适用。为什么？因为阳性预测值跟传染性疾病的感染率有关。举个例子，500人的群体里做检测，如果检测方法的敏感性是95%，特异性是95%，而这个群体感染率5%，结果是什么样呢？真实的感染者应该有25个，未感染者475人。但是检测出来的结果是阴性452个，其中有1个假阴性，这个结果还好，说明如果你测出来的结果是阴性的，你是真的阴性的概率是99.8%，这还是相当不错的。但是，测阳性的结果不容乐观。本来只有25个阳性样品，愣是测出来了48个阳性结果，其中24个真的，24个假的。所以真阳性的概率50%，也就是说，你的结果是阳性的话，也有一半的可能你体内并没有抗体，你可不能出去瞎逛，还是老老实实待在家里比较好。

刚才说的是感染率5%的情况，如果感染率达到25%，又会是什么结果？大概500个人里面应该有125个感染者，测的结果里有6个假阴性、19个假阳性。如果结果是阴性结果，大概98.3%的概率是真阴性，也还不错。如果是阳性结果，真阳性概率86%，说明你还是有不小的可能，体内没有抗体，你还要出去瞎逛吗？

刚才举的例子是基于抗体检测的试剂表现挺好的一个假设，即假设试剂的检测敏感性95%、特异性95%，而这并不是那么好做的。

我们想象一下如果这俩指标没有那么高的情况吧。假设有一个大城市，感染率为1%，我们坐一个1000人的抗体检测。所用的检测试剂敏感性90%、特异性80%，这个值符合现在不少试剂的真实指标。那会有什么样的结果呢？1000人里面，因为感染率是1%，所以真正有抗体的人应该有10个，没有抗体的人有990个。这10个人里面，由于检测试剂的敏感性是90%，所以有9个检测出来是真阳性，1个是假阴性。在没有抗体的人里面，因为检测的特异性是80%，所以其中990个人里面有792个被测成真阴性，但是198个人出现了假阳性。所以，检测结果出来后是这样的，测了1000人，结果207个呈现阳性，793个阴性。这说明一个人如果测到阳性结果，实际上只有4%的几率是真阳性，有96%的可能性并不是阳性。怎么改变这个状态呢？根本的解决方法就是把试剂做的越来越好，比如说再增加一些特异性。假设特异性增加到90%，这个结果就变了，假阳性减少到99个人。但是这个结果，阳性预测率只从4%提高到8%，阳性结果中还是有90%以上的假阳性。假设特异性增加到99%，阳性预测率可以增长到47%左右。99%的特异性对抗体检测来说是很大的难题，因为这已经是非常高的指标了。这也是为什么检测能力不够理想的抗体检测在感染率低的情况下做大规模筛查是有很大问题和风险的，我们一定要把统计学的基本概念牢牢记在心里。

前几天美国加州的一帮科学家联合在一起组织了互助合作社，他们横向比较了不同的抗体检测方法，共进行了12种方法，10种是试纸条，2种是酶吸附。试纸条里面很多是中国厂商的产品，也有美国厂家的产品，结果看上去都差不多，并没有哪个特别一枝独秀。所以并不是说大家生产能力差别很大，而是这个方法的挑战本身是普遍性的。

（编辑：ASP站长网）