🔮 Từ xác suất đến quyết định — Khi nào điều trị, khi nào chờ?

Trong thực hành lâm sàng, bác sĩ thường xuyên phải đưa ra quyết định dưới áp lực không chắc chắn. Hiểu về xác suất và Bayes giúp biến sự không chắc chắn đó từ một cảm giác mơ hồ thành một con số có thể quản lý được. Một bác sĩ nội khoa giỏi không phải là người luôn chẩn đoán đúng — vì không ai làm được điều đó — mà là người biết: (1) xác suất tiền nghiệm (prior probability) của bệnh là bao nhiêu, (2) xét nghiệm nào sẽ làm thay đổi xác suất đó nhiều nhất (likelihood ratio), và (3) ở ngưỡng xác suất nào thì nên bắt đầu điều trị (treatment threshold).

Ví dụ, với bệnh nhân 70 tuổi có nguy cơ gãy xương nền 25% và kết quả đo BMD cho thấy T-score = -2.8, bác sĩ có thể cập nhật xác suất lên 40-50% — đủ cao để khuyến cáo điều trị (theo hướng dẫn của Hiệp hội Loãng xương Quốc tế, ngưỡng điều trị là T-score ≤ -2.5 kèm yếu tố nguy cơ). Nhưng nếu bệnh nhân từ chối điều trị vì sợ tác dụng phụ, bác sĩ có thể nói: "Nếu không điều trị, nguy cơ gãy xương của cô trong 5 năm tới là khoảng 40-50% — tức là một canh bạc 50-50. Nếu điều trị, nguy cơ giảm xuống còn khoảng 25-30%." Đây là cách xác suất trở thành ngôn ngữ chung giữa bác sĩ và bệnh nhân trong quyết định điều trị chung (shared decision making).

Tác động lâm sàng: Một bác sĩ hiểu xác suất sẽ không bao giờ nói "Xét nghiệm này chẩn đoán chính xác 95%" và để bệnh nhân tự suy diễn. Thay vào đó, bà sẽ nói: "Xét nghiệm này có độ nhạy 90% và độ đặc hiệu 85%. Với tỷ lệ bệnh trong nhóm tuổi của cô là 25%, nếu xét nghiệm dương tính, khả năng cô thực sự mắc bệnh là 67%. Nghĩa là vẫn còn 33% khả năng cô không mắc bệnh — nhưng đủ cao để chúng ta cân nhắc điều trị dự phòng. Chúng ta có thể làm thêm xét nghiệm BMD để chắc chắn hơn." Cách tiếp cận minh bạch này xây dựng lòng tin và giúp bệnh nhân đưa ra quyết định sáng suốt.