Med234

我是物理系畢業的，後來卻轉到生物醫學，成為生物資訊研究人員。一開始，我水土不服，因為我不懂大家在做什麼。生物醫學研究（排除流行病學）通常提出一個問題，例如某藥是否對某病有效。他們會假設藥物有用，然後收集樣本，隨機分成兩組，進行實驗，用統計計算 p-value，判斷結果是否顯著。

看似合理，但我卻感到困惑。首先，他們常將樣本結果推論到所有個體，忽略統計學的核心： 樣本須隨機抽自明確定義的母體，才能代表母體並進行推論 。可是生物醫學論文很少定義母體，也沒有評估抽樣誤差，他們常常直接把內在效度當外在效度，而以再把這個結果推論到每個個體。這違背了我對統計的認知， 這些研究假設個體間具同質性 ，但若真如此，研究單一個體就夠，何需統計？

接著，若 p-value 不如預期，他們會更換統計方法，甚至忽略方法假設。 母體未定義，誰知哪種方法正確？ 若仍失敗，他們用 PCA 等數學工具排除異常值，這叫「p-value hacking」。我難以接受這種「統計萬能論」。

最後，若全失敗，他們可能 改假設、加樣本、變流程，甚至直接棄實驗不發表 。生物醫學研究科學嗎？我不確定。但從一開始忽略母體，錯誤就已埋下。 再現性低不是危機，有再現性才有問題 。

從物理到生物醫學：我為什麼覺得研究怪怪的？

我本來學物理，後來跳到生物醫學，研究生物資訊。一開始，我像掉進外星世界，完全搞不懂大家在幹嘛。生物醫學研究（不包括研究傳染病的流行病學）通常是這樣：他們想知道某個藥能不能治某種病，假設藥有用，然後找一堆人，分成兩組做實驗，一組吃藥，一組不吃。最後用統計算出一個數字（叫 p-value），看結果是不是「顯著」，也就是說藥是不是真的有用。

這聽起來很科學，對吧？但我越看越困惑。

問題一：研究的「人」是誰？

做實驗時，研究者會找一些人來試藥，比如100個病人，然後說：「這藥對這病有效！」但他們很少說清楚，這些病人代表哪些人。是全世界的病人？某個城市的？某個年齡的？統計學告訴我們，只有隨機選出的樣本，才能代表某個明確的群體。可很多研究沒說清楚這群體是誰，就把實驗結果推到所有人身上。這就像你問10個朋友喜歡什麼飲料，然後說全台灣人都愛珍奶一樣，靠譜嗎？

問題二：數據被「修」到好看

如果實驗結果不如預期，研究者有時會換個統計方法，換到結果「好看」為止。就像玩遊戲輸了就改規則。這還不算，有些人會用數學工具把「怪怪的數據」丟掉，直到結果符合期待。這叫「操弄數據」，讓我覺得不太對勁。如果方法隨便換，怎麼知道結果可信？

問題三：失敗就不說話

如果實驗完全失敗，研究者可能改問題、加人、換方法，甚至直接把實驗丟進垃圾桶，不告訴別人。這樣我們只看到「成功」的論文，失敗的呢？不公開，別人怎麼知道真相？

這真的是科學嗎？

我開始懷疑，生物醫學研究到底科不科學？從一開始沒說清楚研究的「人」是誰，問題就已經埋下了。這樣子想想，研究結果無法重複就顯的非常合理了。