是否可以另寻蹊径？
格林及其同事推荐采用标有各种诊断信息及其对应概率的卡片。医生可以使用这些表格，根据患者的症状和检查结果乘以对应的概率，从而对患有某种疾病的总体可能性进行估计。这个估计值超过某个特定的临界值，就允许患者进入心脏重症监护室，否则，常规性病房监护就足矣。
在作出这个初步决定之后，继续采用辅助手段提高医生的诊断质量。尽管出错的可能性依旧很高，但是把不需接受特殊治疗的患者送进重症监护室的概率则大大降低。
当然，这可能与所采用的诊断工具确实发挥了作用有关。但是，作为一名富有科学严谨精神的优秀学者，格林等人认为，他们有必要对这个结论进行严格的检验。他们的做法是让医生在某几周里使用诊断工具，而后在其他几周不使用诊断工具。显然，如果说这些工具确实是改善诊断效果的源泉，我们就可以设想，在禁止使用诊断工具的几周里，医生的诊断质量将急转直下。
试验结果令人意外。无论是否使用诊断工具，医生的诊断质量均有所改善!这个意外的发现到底由于何种原因呢？是否是这些医生已经记住卡片上的概率值，并在没有卡片时继续使用卡片上的信息呢？
这似乎不太可能，因为卡片上标注的信息组合及变化五花八门，极难记忆。通过一个简单的测试，研究人员揭示出另一个不为人所关注的原因。实际上，通过以往的经历，医生们已经学会对正确线索进行适当的归纳。这就是说，在看到可用于诊断的正确条目时，医生们的注意力就会从虚假信息转移到真正有意义的要素上。他们开始寻找正确的“提示”!
简单是关键
根据这个实验，格林和大卫•梅尔在1997年设计了一个极其简单易用的决策辅助工具，这套“是/否”问题显然比最初建立的概率指标简化了几个数量级。该辅助工具的结构如图19-4所示。
图19-4 接收急性心肌梗死患者的决策工具
如果患者的心电图出现异常（ST段出现变化），那么，就允许他们直接进入重症监护室。否则，再考虑第二个提示：患者是否表现出足够程度的胸部疼痛症状？如果是，则允许患者进入重症监护室，以此类推。
这就让决策的关键性因素一览无遗地展现在医生面前。这个方法在实践中也极为有效。图中的坐标轴代表这个问题的两个主要维度：心脏病患者被正确诊断并送进重症监护室的比例（纵轴）以及非心脏病患者被诊断为心脏病并送进重症监护室的比例（横轴）。
图中的45度角直线代表纯概率事件。位于这条对角线上面的点表明诊断效果超过随机决策，而对角线以下的点则表示诊断效果不如撞大运。
密歇根医院的医生在最初的表现甚至还不及撞大运（如上所述）。尽管复杂的概率模型可以产生多种多样的组合，但我还是选择最优化的组合，以确保心脏病患者被正确诊断的比例保持最高。因为它显著提高了医生的个人诊断能力，最明显的标志就是提高了心脏病患者的确诊率，并大幅减少了不必要进入重症监护室的概率。
但简单的决策树模型效果更佳。它不仅提高了更高的正确诊断率，也进一步减少了非必要的重症监护室入住率!因此，在这个问题上，简便快捷的决策过程反而更有效。
