「多做一点没坏处」——这个直觉，几乎每次都错

「跟着 AI 学任何东西」系列第 30 篇，也是方法论系列的第一篇。这个念头在「身体的科学」那 23 篇里被打了四次，而且每次都是同一种打法。它已经不像医学知识，更像一个决策缺陷。

那个念头

它长这样：

「反正也花不了多少钱／反正也没什么副作用／多做一点总没坏处吧。」

听起来无懈可击。它的逻辑是：如果一件事有可能有用，而代价接近于零，那就该做。

问题出在「代价接近于零」这半句上。它几乎从来不成立。

四次

场景	那个念头	实际代价	出处
感冒吃抗生素	「就算对病毒没用，吃了也没坏处」	扫荡肠道菌群、抬高艰难梭菌感染风险；过敏；肝肾负担；以及耐药这个公共代价	s4-08
体检加做筛查项目	「早发现总是好的」	过度诊断带来的不必要手术、可能的终生服药、并发症、长期焦虑与花费	s4-21
体检套餐加做肿瘤标志物	「多测一个指标没坏处」	在健康人群里假阳性远多于真阳性，每个假阳性带来一连串检查和几周的担心	s4-23
加 200 元多查 15 项	「查得全一点更安心」	你同时买下了一份「至少一个箭头」的概率——健康人查 20 项就有约 64%	s4-05

四个场景，四个不同的科室，同一个念头，同一种失败。

它错在哪：两个被忽略的东西

一、「无效」不等于「无害」

这是最直接的一条。

「反正没用」这个前提，往往被偷偷地当成了「反正不会有影响」。但一个干预即使不产生你想要的效果，它照样会产生别的效果。

抗生素不认识病毒，但它认识你肠道里那批正常菌群——它对目标无效，对旁观者非常有效。

二、代价通常是概率性的、延迟的、分散的

这一条更隐蔽，也更重要。

对比一下「做」和「不做」的账：

• 「做」的收益：具体、即时、归于自己（「万一查出点什么呢」）；
• 「做」的代价：概率性的（大概率没事）、延迟的（几周后才发生）、分散的（有的落在自己身上，有的落在整个社会的耐药负担上）。

人脑对这两类东西的权重差得很远。 一个具体的、想象中的收益，压过一堆抽象的、可能不发生的代价——所以这不是知识问题，是感知结构的问题。

这也解释了为什么这个直觉这么难纠正：你每一次「多做一点」而没出事，都在给这个直觉加一次分。 而那些出事的情况，你要么没归因到它头上，要么根本没看见。

它还有一个隐藏前提：假设信息是免费的

「多查一项」的支持者其实还默认了一件事：多一条信息总是好的，最差也是中性的。

但这个假设在医疗决策里是错的，因为——

一条你不知道该拿它怎么办的信息，不是中性的，是有害的。

它会占用你的注意力、制造焦虑、触发一连串后续检查，而这些检查各自又有它们的假阳性率。信息不是免费的，它有下游成本。

那正确的做法是什么

不是「什么都别做」。 这一篇最容易被误读成犬儒主义，而那同样是错的——有明确证据的筛查该做，该用的药必须用。

正确的做法是换一组问题。在决定「要不要加这一项」时，问三句：

① 这个结果会改变我的决策吗？

如果无论结果是什么，你接下来的行动都一样，那这一项就没有决策价值。

② 它的假阳性 / 副作用是什么？

不是问「有没有」——任何检查和干预都有。要问的是在我这个人群里，量级是多少。（这正是 s4-23 讲的：同一个检查，在不同患病率的人群里，阳性预测值可以差三十倍。）

③ 如果结果异常，我下一步会做什么？我愿意做那件事吗？

这一问是三个里最好用的，因为它把抽象的「多查一点」变成了具体的场景。

如果你的答案是「再查一次，然后担心三个月」，那这一项很可能不该查。

但我没有全信——三处必须校准

一、这不是「反正都有代价，那就别管了」

有明确证据的干预，获益是压过代价的。 结直肠癌筛查有多项随机试验支持，而且它连发病率都降低了；该用抗生素的时候不用，一样要命（s4-22 / s4-08）。

这一篇反对的是「不需要理由的加项」，不是「加项」本身。

二、有些「多做一点」确实成本极低

固定起床时间、多走几步路、把最后一杯咖啡往前挪几小时——这些干预的代价确实接近于零，而且不产生新的信息负担。

判断标准是：它会不会产生一个「你必须处理」的结果？ 会的（一项检查、一次用药），就要走上面那三问；不会的（一个生活习惯），确实可以直接做。

三、这个直觉在别的领域也一样

我在写这几篇时越来越确定：这不是医学独有的。

多加一个监控指标、多开一次会、多做一版方案、多存一份备份——每一个「反正没坏处」的背后，都有一份没被计入的注意力成本和维护成本。

判断标准是同一个：它会不会产生一个你必须处理的结果？

我从这四次里带走的东西

一句话版本：

「没坏处」这三个字出现的时候，通常意味着代价还没被算，而不是代价不存在。

以及那个最好用的追问：「如果结果是异常的，我下一步会做什么？」

---

方法论系列还有一篇。这一篇讲的是一个错误的直觉，下一篇讲的是一整类会过期的知识——那些所有人都在讲、但已经被改写过的常识。

在这个系列里，我撞上了六次。

---

附：这次我是怎么问 AI 的

• 数一数同一个错误出现了几次。 一次是偶然，四次就该给它单独命名了。给一个反复出现的错误起个名字，是让自己下次能认出它的最低成本做法。
• 问「代价为什么会被忽略」，而不只是「代价是什么」。 列出代价只解决知识问题；而「收益具体即时、代价概率延迟分散」这个结构，解释的是为什么知道了也还是会犯。
• 把结论转成一组可以当场执行的问题。 「多做没坏处是错的」记不住也用不上；「如果结果异常我下一步会做什么」是一个能在诊室里当场问出口的句子。
• 给自己的反对意见找边界。 这一篇最容易滑向犬儒，所以必须写清哪些「多做一点」确实成本极低（生活习惯类），以及有明确证据的干预不在此列。

出处索引

• s4-08 抗生素与感冒（「无效 ≠ 无害」的原始提法）
• s4-21 结节（过度诊断的真实代价）
• s4-22 癌症筛查的数学（假阳性会累积；以及有硬证据的正面例子）
• s4-23 肿瘤标志物（健康人群中假阳性远多于真阳性）
• s4-05 体检报告上的箭头（查 20 项约 64% 出现至少一个「异常」）