檢查陽性就是生病嗎？看懂敏感度、特異度與預測值：準確度 90% 的檢查，陽性也可能只有 8% 是真的

報告上的「陽性」有多可信，要看兩件事。一是檢查本身準不準，二是受檢的人裡本來有多少人生病。假設檢查的敏感度與特異度都是 90%，受檢的 100 人只有 1 人生病。12 個陽性裡，大約只有 1 個真的有病。陰性就可靠得多，1,000 個陰性大約只漏掉 1 個。

健檢報告上，某一項寫著「陽性」或「異常」。多數人心裡只有一個問題：我是不是真的得病了？上網一查，看到「這項檢查準確度九成」，就更覺得自己中了。

報告是爸媽的時候，問題又多了一層。陽性要不要馬上帶他們去大醫院？陰性是不是就能把這件事放下？要回答這兩個問題，「準確度九成」這幾個字遠遠不夠用。

醫學上用四個數字描述一個檢查：敏感度、特異度、陽性預測值、陰性預測值。前兩個講的是檢查本身的能力。後兩個才回答拿到報告的人最想知道的事：我陽性，那我有病的機會到底多大？

這四個數字之間的落差可以非常大。同一個準確度九成的檢查，在某些族群裡，十個陽性有九個是誤會。換到另一群人身上，陽性就幾乎可以當真。決定這件事的，是受檢的人當中本來有多少人生病。

這篇文章會帶你搞懂三件事：四個數字各問什麼、為什麼換一群人就不一樣、拿到報告後怎麼走。

這幾個數字到底在衡量什麼？

比喻一：撈魚的網子，看漏掉幾條魚

把檢查想成一張撈魚的網子。池子裡的魚，就是真正生病的人。網子撈起來的，就是檢查陽性的人。敏感度（sensitivity）問的是：池裡所有的魚，網子撈到了幾條？

網眼越細，漏掉的魚越少，敏感度就越高。漏掉的那些魚，醫學上叫做「偽陰性」，意思是明明有病，檢查卻說沒事。敏感度的算法是：抓到的病人 ÷（抓到的病人＋漏掉的病人）。

比喻二：煙霧警報器，看亂叫幾次

特異度（specificity）要換個角度看。家裡的煙霧警報器，失火時一定要響。煎牛排時，最好別響。特異度問的是：所有沒失火的時候，警報器乖乖保持安靜的比例有多少？

警報器每誤響一次，就是一次「偽陽性」：明明沒病，檢查卻說有問題。特異度的算法是：判對的健康人 ÷（判對的健康人＋誤判的健康人）。

換成拿報告的人來問：預測值

敏感度和特異度，都是從「已知誰有病、誰沒病」算出來的。可是拿到報告的人並不知道自己屬於哪一邊。他手上只有一張寫著陽性或陰性的紙。

所以醫學上另外有兩個數字，專門回答受檢者的問題。第一個是陽性預測值（PPV）。它問的是：「我陽性，真的有病的機會多大？」算法是真陽性 ÷（真陽性＋偽陽性）。

第二個是陰性預測值（NPV），問題反過來：「我陰性，真的沒病的機會多大？」算法是真陰性 ÷（真陰性＋偽陰性）。拿乳房攝影來說，報告陽性時，陽性預測值就是她真的罹患乳癌的機會。報告陰性時，陰性預測值就是她真的沒有乳癌的機會。

為什麼陽性不一定是生病？用數字算給你看

敏感度高的檢查，陰性時最有用

用喉嚨鏈球菌感染的快篩當例子。假設找 100 位確定感染的人來驗。快篩驗出 90 位陽性，敏感度就是 90%。另外 10 位明明有感染，結果卻是陰性。

敏感度越高，漏網之魚越少。所以高敏感度的檢查結果是陰性時，比較有把握排除這個病。醫學生的口訣是 SnNout：敏感度高、結果陰性、可以排除。

特異度高的檢查，陽性時最有用

再找 100 位確定沒有感染的人。同一個快篩驗出 95 位陰性，特異度就是 95%。剩下 5 位根本沒病，卻被判成陽性。

特異度越高，誤報越少。所以高特異度的檢查結果是陽性時，比較有把握確認真的有這個病。口訣是 SpPin：特異度高、結果陽性、可以確認。

教科書把這兩個數字看成檢查本身的性質。受檢的人當中有多少人生病，不會改變它們。預測值就不一樣了，它會跟著「這群人裡有多少人生病」大幅移動。這個比例醫學上叫做「盛行率」。

一萬人的算術：準確度九成，陽性卻只有 8% 是真的

假設某個病的盛行率是 1%，也就是 100 個人裡有 1 個人生病。現在有 10,000 人來做檢查。其中 100 人真的生病，9,900 人是健康的。檢查的敏感度和特異度都是 90%。

100 位病人裡，它抓到 90 位，漏掉 10 位。9,900 位健康的人裡，它放行 8,910 位。剩下 990 位被誤判成陽性。整理成表格是這樣：

陽性那一列加起來，一共 1,080 人拿到陽性報告。真正有病的只有 90 位。陽性預測值是 90 ÷ 1,080，約 8.3%。白話來說，12 個拿到陽性報告的人，大約只有 1 個真的生病。

陰性那一列就可靠得多。8,920 位陰性者裡，8,910 位真的沒病。陰性預測值約 99.9%。1,000 個陰性的人，大約只有 1 個是漏網之魚。

偽陽性為什麼這麼多？因為健康的人實在太多了。就算只有 10% 被誤判，9,900 人的 10% 也有 990 人。這比真正生病的 90 人多了十倍以上。病越少見，誤報就越容易把真正的病人淹沒。

換一群人、換一個特異度，結果差很多

同一個檢查，用在有症狀、已被懷疑罹癌的門診，陽性預測值比較高。用在一般民眾的大規模篩檢，陽性預測值就往下掉。下表一樣算 10,000 人，敏感度與特異度都是 90%。只改變盛行率：

盛行率從 1% 升到 50%，陽性的可信度跟著翻轉。原本 12 個裡中 1 個，變成 10 個裡中 9 個。陰性預測值則往反方向走。檢查一點都沒變，變的是受檢的人。

這也是大規模篩檢特別在意特異度的原因。回到盛行率 1% 的例子，只把特異度從 90% 提高到 99%。被誤判的健康人，就從 990 人降到 99 人。陽性者變成 90＋99＝189 人，陽性預測值升到約 48%。差不多 2 個陽性裡，就有 1 個是真的。

我需要進一步處理嗎？

報告上的陽性或陰性，要放回「受檢的人是誰」一起看。下表是看報告時的大方向，每個項目該怎麼追，仍以醫師依該項目的建議為準。

各項檢查的實際數字差很多。真實例子可以讀這三篇：CA19-9、CLO test、3D 乳房攝影。

偽陽性與偽陰性，各會帶來哪些影響

偽陽性的代價，是一段本來不必經歷的過程。一個陽性結果，通常會接著安排確認檢查。在確認之前，受檢者和家人要多請假、多跑一趟醫院。等報告的那幾天，心情也懸著。

偽陰性的代價方向相反。檢查說沒事，人就容易把身體的訊號當成多想。敏感度 90% 的檢查，每 10 位病人就有 1 位被判成陰性。這 1 位如果因此忽略症狀，就可能延後就醫。

陽性和確診之間，還隔著確認這一步。篩檢陽性只是告訴醫師「這裡要再看清楚」。經過下一步的確認檢查，才能說是不是真的有病。從上面的算術看，少見疾病的篩檢陽性，多數最後會被確認為沒事。

有三種情況，不論報告寫什麼都要回診。症狀一直沒改善、越來越重，或出現新的變化。報告是某一天的結果，身體的變化才是現在進行式。

拿到報告後，醫師建議這樣做

看到陽性：帶三個問題進診間

第一個問題：沒有症狀的人做這項檢查，陽性大約幾成是真的？第二個問題：下一步的確認檢查是什麼？第三個問題：多久之內要做完？

這三個問題的答案，決定接下來是「排一個確認檢查」還是「這週就要處理」。替爸媽看報告時，把這三題寫在手機備忘錄裡。回診時逐條問完，比上網查一整晚更有用。

看到陰性：照原排程，症狀優先

在一般健康族群裡，陰性結果通常相當可靠。可以照原本建議的間隔再做下一次篩檢，不必因為擔心漏掉而自己加做。

例外是症狀。只要症狀還在，就帶著症狀去看醫師，告訴醫師「我之前驗過某某項，是陰性」。醫師會把那份報告當成參考，症狀才是這次判斷的主角。

幫家人安排檢查：把背景資料一起帶去

同樣一個陽性，出現在有症狀的人身上和出現在沒症狀的人身上，意義不同。所以就診時，把家人的症狀、出現多久、有沒有相關家族病史，一併告訴醫師。這些資料會改變醫師怎麼解讀那個陽性。

家人如果覺得「陽性就完了」而不肯回診，可以把一萬人的算術講給他聽。少見疾病的篩檢陽性，多數最後是沒事的。回診，就是為了確認自己是沒事的那一群。反過來，覺得「陰性就永遠沒事」的家人，也要提醒他照間隔回來複查。

常見誤解澄清

準確度 90% 的檢查，陽性就有 90% 的機會生病嗎？

真相：不一定，要看受檢的人當中本來有多少人生病。兩項都是 90% 的檢查，驗盛行率 1% 的族群，陽性預測值只有約 8.3%。12 個陽性裡，大約 1 個是真的。同一個檢查用在一半的人都有病的族群，陽性預測值才會到 90%。

陰性就代表百分之百沒病嗎？

真相：沒有檢查能做到百分之百。敏感度 90% 代表每 10 位病人就有 1 位被判成陰性。盛行率低的時候，陰性預測值可以高達 99.9%，相當可靠。但只要症狀還在，仍要回診。

敏感度和特異度都很高的檢查，拿到哪裡用都一樣準嗎？

真相：敏感度和特異度一般被看成檢查本身的性質。預測值卻會隨著受檢族群改變。用在有症狀、高度懷疑的病人身上，陽性比較可信。用在沒症狀的一般民眾身上，陽性裡的偽陽性就會變多。

檢查做越多項，就越不會漏掉嗎？

真相：每多做一項，就多一次被誤判的機會。特異度 90% 的檢查，每 10 個健康的人就有 1 個拿到偽陽性。項目一多，拿到至少一個陽性的人也跟著變多。挑選項目時，先想清楚這一項要回答什麼問題，比項目的數量更重要。

重點整理

• 敏感度與特異度看檢查本身：敏感度看病人會不會被漏掉，特異度看健康的人會不會被誤判；敏感度高時陰性可靠（SnNout），特異度高時陽性可靠（SpPin）。
• 預測值才回答「我陽性，有病的機會多大」：它會隨受檢族群的盛行率大幅改變。盛行率 1% 時，準確度九成的檢查陽性只有約 8.3% 是真的，陰性則約 99.9% 可靠。
• 陽性先確認、陰性看症狀：陽性要做確認檢查才算數；陰性照原間隔追蹤，但症狀持續或加重時，不論報告寫什麼都要回診。

黃柏誠醫師

✓ 認證作者衛福部醫事人員

博田國際健康管理中心醫療主任、家庭醫學專科醫師。國立臺灣大學醫學系醫學士、高雄醫學大學藥學碩士、美國哈佛 BIDMC 老年醫學科訪問醫師、體適能健身 C 級指導員認證。專長預防醫學與減重醫學，擅長以資訊工具優化臨床流程。