чтобы осуществить идеальное исследование, навряд ли они сразу бросятся их делать. Как думаете, почему?

А потому, что в реальности для большинства научных открытий процесс далек от линейного движения вперед. И выглядит примерно так.

Рисунок 31. Нелинейный научный прогресс

Каждое научное открытие распахивает дверь новым гипотезам и идеям, но не все окажутся верными. Большинство изначальных гипотез и клинических наблюдений не подтверждаются дальнейшими исследованиями. Бывает и так, что некоторые из них показывают определенный эффект в ранних исследованиях, как было в моей истории со статинами при болях в суставах, но в свете новых данных оказываются бесполезными. Поэтому мы больше не лечим инфекции кровопусканием, не обезболиваем роды маковым настоем и не едим мухоморы в попытках избавиться от рака. Как и народные средства, большинство разработок современных лекарств не доходит до реального применения, поскольку они либо небезопасны, либо неэффективны.

Другой вариант – некоторые исследования после серии успешных результатов заходят в тупик или застревают, и только новый виток научного прогресса способен пролить на них свет и обеспечить продолжение. Причем помощь часто приходит из смежных дисциплин, например химии, инженерии и компьютерных наук. Так, проект «Геном человека» (англ. The Human Genome Project, HGP), целью которого было изучение всего генома человека, начатый в 1990 году, в какой-то момент столкнулся с серьезными проблемами. В то время данные сохраняли на дисках и жестких дисках, однако информации было слишком много – 3 млрд пар нуклеотидов на каждого исследуемого. Анализировать такой объем данных было еще сложнее, чем хранить. Поэтому прорыв произошел лишь тогда, когда достижения в области вычислительной биологии и разработка высокопроизводительных технологий секвенирования позволили исследователям завершить проект в 2003 году. Это проложило путь к многочисленным открытиям в генетике, персонализированной медицине и нашему пониманию различных болезней.

Кун [4], знаменитый философ, охарактеризовал сущность научного прогресса и открытий как процесс, включающий периоды «нормальной науки» – последовательных достижений, основанных на прошлых достижениях, – перемежающихся периодами революционных изменений в научном мышлении. Эти эпизоды «меняют правила игры». Революционные открытия бросают вызов догмам и встряхивают научное сообщество. Но эти эпизоды в итоге приводят к новым парадигмам, меняющим мышление, стимулирующим дальнейшие новые открытия и тем самым способствующим прогрессу в этой области. Хотя размышления Куна относились прежде всего к физике, их легко применить к медицине.

Поэтому, чтобы сэкономить время и ресурсы, ученые сначала тестируют многие гипотезы на уже имеющихся и доступных данных, часто их называют in-house data (с англ. «домашние данные»), то есть такие данные, которые уже были собраны научно-исследовательской группой, возможно, даже для других целей. Если первичные результаты покажут положительный результат, ученые берутся планировать более масштабное исследование.

Побочным эффектом, или, как еще говорят, побочным ущербом (с англ. collateral damage), в нелинейном научном пути будет огромное количество научных публикаций, которые в последующем были или будут опровергнуты.

Стоит ли ругать ученых за ошибочные результаты?

Конечно, нет, ведь без них мы бы, возможно, никогда не продвинулись вперед. Врач-онколог и ученый Сидхартха Мукерджи в своей книге «Царь всех болезней. Биография рака» [5] так описывал важность предыдущих исследований в работе ученых: «Ученые изучают прошлое с той же одержимостью, что и историки, потому что немного других профессий так сильно зависят от него. Каждый эксперимент – это диалог с предшествующим экспериментом, каждая новая теория – опровержение старой».

Но что тогда делать со всем этим огромным массивом научных публикаций, многие из которых устарели или оказались ошибочными? Знать о них и относиться с пониманием. Многие современные эффективные методы лечения когда-то были экспериментальными. Однако не каждое экспериментальное лечение оказывается эффективным, и многие не лучше, чем существующие альтернативы. Важно собирать и анализировать доказательства, чтобы прекратить делать то, что не работает, и свести к минимуму вред для пациентов.

Недавно в одном клиническом протоколе по ведению пациентов с меланомой меня очень удивило, что одной из первых фраз стало такое предупреждение (с англ. disclaimer) – «отказ от ответственности».

«Медицина находится в процессе непрерывного развития. Поэтому все утверждения, в частности о диагностических и терапевтических процедурах, могут соответствовать только научным знаниям, существующим на момент публикации этого руководства. Лечащий врач, ссылающийся на эти рекомендации, должен учитывать научный прогресс с момента публикации руководства».

Рисунок 32. Внимание! Ведутся научные работы

О том, как быстро двигается научный прогресс и, соответственно, как быстро устаревают некоторые знания, следует помнить всем нам. И научиться объективно их оценивать.

2.2 Эволюция клинических рекомендаций

Эволюция касается не только отдельных изучаемых вопросов и направлений в исследованиях, но и всей медицины в целом. Артур Гарсон в своей книге Health Care Half-Truths: Too Many Myths, Not Enough Reality, выпущенной в 2010 году, утверждал, что меньше 15 % медицинских решений принимается на основе доказательств, все остальное – экспертное мнение.

50 лет назад соотношение было 0 к 100 %. 20–30 лет назад в педиатрии только 11 % клинических рекомендаций основано на РКИ [8], а 72 % – все еще на экспертном мнении. Сейчас, в 2023 году, я очень надеюсь, что соотношение сместилось в сторону доказательной медицины. Хотя не во всех областях. Анализ 51 клинического протокола по кардиологии показал: с 2008 по 2018 год количество доказательств высшей градации осталось прежним – около 10 % [9].

Среди научных исследований как источника доказательств тоже есть тенденция к повышению качества. Если раньше чаще проводились исследования «случай – контроль» и ретроспективные, то с развитием методов исследования и наличием крупномасштабных проспективных данных когортные исследования стали более популярными.

Иерархия доказательств в виде пирамиды, о которой мы говорили в первом параграфе этой главы, является самой распространенной системой оценки надежности исследований. Если серии случаев и исследования «случай – контроль» говорят, что эффект есть, а РКИ говорят, что эффекта нет, более вероятно, что его нет. Однако она не идеальна для полноценной и объективной оценки качества научных доказательств. Например, хорошо спланированное когортное исследование с использованием большой и репрезентативной выборки может быть лучше маленького и непродолжительного по времени РКИ. Особенно сложно сделать вывод о качестве доказательств в целом, если исследований много и они противоречат друг другу.

Поэтому клинические рекомендации часто включают другую градацию надежности научных доказательств под названием GRADE (с англ. Grading of Recommendations – «ранжирование рекомендаций», Assessment – «оценка», Development – «развитие», Evaluations – «интерпретация, суждение»). Градация GRADE отражает не только качество медицинских исследований, но и «силу рекомендаций» на основе качества. Таким образом, надежность рекомендаций оценивается четырьмя уровнями, исходя из