Что если исследователь нарушил правила проведения исследования, но его эксперимент перспективный, может быть воспроизведен?

Когда говорят, что доказательная медицина — это «набор формальных правил», «западная бюрократия» или «рыночные барьеры», упускают главное. В её основе лежит не регламент и не чья-то воля, а математика. Очень простая задача: как отличить реальный эффект от случайности, самообмана и шума в данных. Другого инструмента, кроме статистики и теории вероятностей, у медицины просто нет.

Медицина всегда работает в условиях неопределённости. Симптомы колеблются сами по себе, пациенты сильно различаются, эффект плацебо реален, измерения неточны. Если просто «посмотреть на данные» и поверить впечатлению, почти любое вмешательство будет выглядеть перспективным. Именно поэтому доказательство — это не вера, не интуиция и не авторитет исследователя, а заранее заданная вероятность ошибки. Если результат нельзя воспроизвести при честной проверке, он не становится истиной от того, что кажется логичным или многообещающим.

Это хорошо видно не только в теории, но и в реальных исследованиях. Крупные обзоры показывают, что там, где строго соблюдаются статистические методы, прозрачность и воспроизводимость, эффекты в целом подтверждаются. А там, где начинают менять гипотезы после анализа, проверять десятки показателей без поправок и выбирать удачные куски данных, «эффекты» исчезают при повторной проверке. Это не идеология и не политика, а наблюдаемая реальность науки.

Очень наглядный пример того, как это работает на практике, — история с глазными каплями SkQ-1. Она ценна именно тем, что выглядит правдоподобно и «перспективно» на уровне интуиции, но ломается при строгой математической проверке.

Во второй фазе клинического исследования у препарата была чётко сформулированная гипотеза: улучшение состояния определённой зоны роговицы. Этого эффекта не получили. Однако в ходе анализа множества параметров и участков глаза обнаружили небольшой эффект в другой зоне — центральной. Возникло естественное ощущение, что формальные требования мешают признать очевидное: ну не там, где ожидали, зато же улучшилось. А поправки на множественные тестирования — это просто бюрократия, которая мешает увидеть «реальный» результат.

Но здесь как раз вступает в силу математика. Если проверять много зон и показателей, вероятность того, что где-то появится статистически значимый результат просто по случайности, очень высока. Это не ошибка исследователей и не чья-то недобросовестность, а фундаментальное свойство вероятностей. Поэтому такой результат не считается доказательством, а считается гипотезой, которую нужно проверить заново, уже по заранее заданным правилам.

И именно это и сделали дальше. В третьей фазе исследования взяли тот самый «перспективный» участок глаза, заранее зафиксировали его как основную цель и попытались воспроизвести эффект в большем исследовании. И эффект не воспроизвёлся. То есть оказалось, что то, что выглядело как успех, было статистическим шумом. Не потому, что правила мешали, а потому, что без правил шум легко принять за эффект.

В этом и заключается смысл доказательной медицины. Её стандарты придуманы не для того, чтобы ставить барьеры, защищать рынки или тормозить новые идеи. Они нужны для того, чтобы математика действительно работала и чтобы мы не путали случайную удачу с реальным действием препарата. Вера в перспективность, логика «ну хоть где-то же сработало» и субъективное впечатление не заменяют воспроизводимость. Если эффект исчезает, как только его проверяют строго и заранее, значит проблема не в бюрократии, а в том, что эффекта изначально не было.