4.3 🩺 內科專科考前版
對象：R2-R3 / Fellow，準備台灣內科專科考。本章核心是「思考框架」，所有專科考整合題、口試 case 都用得上。
4.3.0.1 📌 一頁重點整理 (Specialist Quick Reference)
- 核心公式：Sn、Sp、PPV、NPV、LR+/LR-、Bayes（記得用 odds 算）
- Decision tree：Hypothesis generation → Refinement → Verification（adequacy + coherency）
- Cognitive biases：4 種 heuristics（representativeness、availability、anchoring、Occam）每個專科考都會考
- Diagnostic imperatives：罕見但致命的 dx 必須主動排除（aortic dissection、SAH、meningitis）
- AI：22E 明確「not abdicate decision-making entirely」；clinicians over-trust AI 是真實 risk
- 📍 台灣：DRG / 健保 / TMA 倫理規範對 decision-making 的影響
4.3.0.2 📜 22E vs 21E 主要差異
| 項目 | 21E | 22E |
|---|---|---|
| Generative AI / LLM | 簡略 | 大幅擴充（GPT-4 名點、confabulation 警告） |
| AI over-trust 風險 | 無 | 新增明確警告 |
| Clinical reasoning models | Dual-process | + 引入 illness scripts、prototypes、exemplars |
| EHR-embedded prediction models | 提及 | 強化（sepsis、anticoagulation 等） |
| Diagnostic errors as system issue | 提及 | 強化（vs 個人錯誤） |
4.3.0.3 🧠 深度概念
4.3.0.3.1 Illness Scripts、Prototypes、Exemplars
近代 cognitive science 發現專家不只用 pattern matching，而是用結構化知識網路：
- Exemplar：記得具體 case 的所有 features（「我去年看過一個類似的」）
- Prototype：抽象化 mental model（「典型的 PE 長這樣」）
- Illness script：完整框架（risk factors → pathophysiology → presentation → workup → tx）
專家有大量 exemplar + prototype + illness scripts，這就是 expertise 的本質。新手用 differential diagnosis list（System 2），但專家用 illness scripts（半 System 1 + 半 System 2）。
4.3.0.3.2 Hypothetico-Deductive Model 詳細流程
1. Hypothesis Generation
- 基於 chief complaint + initial impressions
- 通常 3-5 個 working hypotheses（受短期記憶 7±2 限制）
2. Hypothesis Refinement
- History 補充 → adjust probabilities
- PE focused on hypotheses
- Bayesian updating（formal or intuitive）
3. Diagnostic Verification
- Adequacy: 假設能解釋所有 finding 嗎？
- Coherency: 與 pathophysiology 一致嗎？
- 若 NO → 重新生成
4. Treatment Decision
- 基於 final diagnosis + patient preferences + EBM4.3.0.3.3 4 個 Heuristics 深入
4.3.0.3.3.1 Representativeness Heuristic
- 本質：判斷 case 是否「fit pattern」
- 典型偏誤：忽略 base rate（prevalence）
- 例：年輕女性 chest pain → 想到 pulmonary embolism（pattern fit OCP / pregnant），但 pre-test prob 低，不該優先檢查
4.3.0.3.3.2 Availability Heuristic
- 本質：判斷依「容易想到」
- 典型偏誤：受 recent case、media、malpractice case 影響
- 例：上週剛 miss 一個 PE → 接下來幾週 over-order CT angiography
4.3.0.3.4 Cognitive Bias 防範策略
22E 提到的：超過 100 個 cognitive bias 已被識別，但「教育醫師認識 bias」並未顯著降低 diagnostic error rate。
更有效的 system-level 解法： - Cognitive forcing strategies：「主動考慮 alternative dx」protocol - Diagnostic time-out：在 commit 診斷前 pause 重審 - Second opinion / peer review - Diagnostic checklists（部分情境有效） - Decision support systems（reminder、guideline integration）
4.3.0.3.5 Bayes’ Theorem 的限制
22E 指出 Bayes 的常見簡化問題： 1. Test 通常不是 dichotomous（不只 positive/negative） 2. Conditional independence 假設：序列 test 時假設互不相關（常不成立） 3. Sn / Sp 不一定是 prevalence-independent：disease severity 影響 test sensitivity - 例：treadmill test Sn = 30% 在 single-vessel CAD vs 80% 在 three-vessel CAD 4. Multidimensional outcomes 需更複雜模型
→ Multivariable statistical models（如 logistic regression）優於單純 Bayes
4.3.0.3.6 Risk Prediction Models 應用
22E 強調 model validation 重要性： - Wells criteria for PE：validated extensively - CHA₂DS₂-VASc for AF - ASCVD risk (ACC/AHA) - HAS-BLED for anticoagulation bleeding risk - MELD score for cirrhosis - APACHE II for ICU mortality
未驗證的 model = unvalidated drug，should be viewed with skepticism
4.3.0.4 🩺 臨床決策路徑
4.3.0.4.1 標準診斷流程
Patient presentation
↓
Triage acuity（urgent / non-urgent）
↓
Hypothesis generation（3-5 candidates）
↓
Targeted history（distinguish hypotheses）
↓
Focused PE
↓
Pre-test probability assessment
↓
Choose tests（max info / min cost / min risk）
↓
Bayesian update with results
↓
Diagnostic verification（adequacy + coherency）
↓
Treatment decision（EBM + patient preference）
↓
Monitor + adjust4.3.0.5 🌟 Clinical Pearls (8 條)
- 「Don’t anchor」：每次新資訊進來重新評估，特別是 unexpected finding
- 「Diagnostic time-out」：在 commit 治療前 pause 30 秒 — 「Could it be something else?」
- High pre-test probability + negative test ≠ rule out：sensitivity 不夠 → continue workup
- Low pre-test probability + positive test ≠ rule in：likely false positive → don’t act on it
- 「Diagnostic verification」：每個 dx 都問「這個 dx 能解釋所有 finding 嗎？」not just key ones
- Multivariable models > Bayes for complex situations：用 validated calculator (CHA₂DS₂-VASc, Wells)
- AI alarm fatigue：EHR alerts 太多 → 真重要的 missed；要 selective
- 「Cognitive bias 教育沒用」：22E 引述—> 防範靠 system，不靠個人警覺
4.3.0.6 🔍 特殊 / 困難情境
4.3.0.6.1 1. Diagnostic Error 的 system response
- IOM/NAM 報告：「Improving Diagnosis in Health Care (2015)」
- 估計每個人一生至少 1 次 diagnostic error
- 後果：mortality、morbidity、unnecessary tests、cost、anxiety
- 解法：EHR-embedded decision support、checklists、second opinion culture
4.3.0.6.2 2. Premature Closure 高風險情境
- 年輕病人「looks well」→ 易 dismiss
- 已有 working dx → 後續異常 finding 被合理化
- High volume / time-pressured clinic
- Standardized form 取代 thorough history
4.3.0.6.3 3. AI confabulation
- LLM 生成似是而非的「事實」（hallucination）
- 醫療場景特別危險
- 22E 引：early evidence shows clinicians 即使 AI 明顯錯誤也會依賴
- 對應：AI output 都要 verify
4.3.0.7 🔬 治療 / 介入新進展
4.3.0.7.1 EHR-embedded Risk Prediction
- Sepsis predictive models（Epic Sepsis Model、UCSF model）
- Anticoagulation (HAS-BLED, CHA₂DS₂-VASc)
- Outcome：mostly observational evidence，需更多 RCT
4.3.0.8 📍 台灣 Context 專區
4.3.0.8.1 健保制度對 decision-making 的影響
正面： - 全民覆蓋 → access barrier 低 → patient autonomy 易實踐 - 健保資料庫 → 大數據研究
負面： - DRG / fee schedule → 部分 over-utilization 動機 - P4P metric 可能扭曲行為 - 健保資源有限 → 需 cost-effective decision-making
4.3.0.9 ⚠️ 老闆地雷區
- Anchoring 在初診：後續資訊不調整
- Premature closure 在「looks well」病人
- Over-reliance on imaging：忽略 history / PE
- Ignore base rate：低 prev 族群 over-test
- AI uncritical use：把 alert 當絕對真理
- Defensive medicine 自欺：以為 over-test 保護自己
- EBM 僵化套用：不考慮 individual context
- Practice style 不自省：以 specialty 偏好 over-rule guideline
4.3.0.10 🎓 內科專科考重點預測
4.3.0.10.1 高機率題型
- Sn/Sp/PPV/NPV 計算題
- Bayes’ theorem post-test probability
- Wells / CHA₂DS₂-VASc / 其他 validated score
- EBM 4 步驟
- Heuristic 辨識
4.3.0.11 📖 延伸閱讀
- IOM/NAM. Improving Diagnosis in Health Care, 2015.
- Tversky A, Kahneman D. Judgment under uncertainty: Heuristics and biases. Science 185:1124, 1974.
- Croskerry P. The importance of cognitive errors in diagnosis and strategies to minimize them. Acad Med 78:775, 2003.
- Wells PS et al. Derivation of a simple clinical model. Thromb Haemost 83:416, 2000.
4.3.0.12 📚 三階段教材索引
- 醫學生概念 → Ch 4 medstudent.md
- 國考衝刺 → Ch 4 board-prep.md
- Harrison 22E 原文 → Ch 4
⚠️ 本 md 為 claude-opus-4-7 撰寫（2026-05-07），未經盧醫師驗證。