先给一句短答案：一个指标测得准，远不足以保证按它行事能改善结局。 决定价值的是"知道了以后能换什么动作，而那个动作在不同类别里的收益差有多大"——判别力通过决定"每一类里都是些什么人"来影响这个收益差，但它本身替代不了对动作的检验。本篇用两项方向相反的试验把这句话变成可以算的东西，并以此收束整个专题。
本篇不建立任何跨癌种的通用监测或换药规则，也不构成治疗建议；健康议题按本库规矩只作研究。
一、三个不同的任务
"监测"这个词至少混着三个任务，它们各自需要的证据不同：
| 任务 | 问题 | 成立需要 |
|---|---|---|
| 分层 | 这个人风险高还是低 | 一个有判别力的指标 |
| 择时 | 什么时候动手 | 指标要有足够的预警时长，且检测频率跟得上 |
| 换药 | 换成什么 | 存在一个动作，其收益在不同类别里确实不同 |
三者互不蕴含。下面两项试验分别在第一个任务上大获全胜、在第三个任务上失手，以及在第三个任务上成功。
二、分得很开，换动作却没有显示收益
DYNAMIC-III（s3）在 III 期结肠癌术后 5–6 周查循环肿瘤 DNA，按结果随机到"按结果调整"与"标准处理"，中位随访 47 个月，968 例可评估：
预后分层很明显。 72.5% 阴性；三年无复发生存 87% 对 49%（复发风险比 3.9 倍）；阳性者按肿瘤 DNA 负荷四分位分层，三年无复发生存从 77% 一路降到 23%；治疗后仍持续阳性者的三年无复发生存 14%，对照 79%（这是摘要给出的对比，本篇只读到摘要，未核对 79% 具体对应哪一组人群，也不把它读成"由阳转阴"）。
要按分层这个词的字面读，不要升格成"接近完美的分类器"：阳性组里仍有约 49% 三年内没有复发事件，阴性组里也有事件；风险比大只说明两组分得开，不等于敏感度、特异度、校准或 AUC 好——摘要没有给这些。
未显示RFS改善，点估计偏低。
| 侧 | 动作 | 结果 | 变化（点估计） |
|---|---|---|---|
| 阴性（72.5%） | 降级 | 三年无复发生存 85.3% 对 88.1% | −2.8 个百分点，未达非劣效界值 |
| 阴性（72.5%） | 降级 | 奥沙利铂使用 34.8% 对 88.6% | −53.8 个百分点 |
| 阴性（72.5%） | 降级 | 住院 8.5% 对 13.2% | −4.7 个百分点 |
| 阳性（27.5%） | 加强 | 两年无复发生存 51% 对 61% | −10 个百分点，未显示优于标准处理 |
这张表要按"点估计"读。摘要没有给这两个差值的区间，本篇也没有取到原文（该文非开放获取），所以不能把 −2.8 与 −10 当成已经确定的真实损失。准确的陈述是：阴性侧的降级未达到预设的非劣效界值，因而按试验自己的标准没有被证明可以采用；阳性侧的加强未显示优于标准处理。"未证明不劣"与"已证明更劣"、"未显示更好"与"已证明更差"，都不是同一个命题。（本篇的审阅者 Codex 目读原文图 2 后记录：阴性侧差值约 −2.8 个百分点、95% 区间约 −8.0 到 +2.3，阳性侧风险比 1.16、95% 区间 0.87–1.53。本篇未取到原文，无法独立核对，只作为"区间确实存在且很宽"的旁证列出，正文的承重陈述不依赖这两个数。）
于是阴性侧是一笔带不确定度的交换：可能损失若干个百分点的无复发生存，换掉 54 个百分点的奥沙利铂暴露与 4.7 个百分点的住院。少用药与少住院本身也有价值，在没有定义效用之前，不能把整体价值一概称作零或负——这是一个需要患者偏好参与的权衡，不是一个已经算清的负数。
三、同样是循环肿瘤 DNA，换药那一侧成功了
SERENA-6（s1、s2）做的是另一个任务。一线芳香化酶抑制剂加 CDK4/6 抑制剂治疗中的激素受体阳性乳腺癌患者，每 2–3 个月查一次循环肿瘤 DNA 里的 ESR1 突变；检出突变且尚无影像学进展者随机到换用卡美司群（继续 CDK4/6 抑制剂）或继续原方案：
- 漏斗：3325 例筛查、3256 例接受检测、548 例在筛查关闭前检出突变（16.8%）、315 例随机（占受检者 9.7%，即每随机 1 例需要检测约 10.3 例）。
- 漏斗的 10.3 是每随机 1 例所需的受检人数，不是抽血次数，也不是"获得一例治疗获益所需的人数"。
- 中位随访 23.5 个月时，中位无进展生存 16.8 对 9.2 个月，风险比 0.45（95% CI 0.34–0.59）；第二次无进展生存的最终分析是 25.7 对 19.1 个月，风险比 0.63（0.46–0.86），p=0.0037。
两点值得单独说清楚：
其一，对照组的 9.2 个月不能直接当作"这项检测的预警时长"。 它是符合随机条件、继续原方案者从随机化到影像学进展或死亡的中位时间。要把它读成预警，至少要跨过三道坎：分子检出与随机化未经核对不能视为同一瞬间；无进展生存的事件不只有影像学进展；而这个队列本来就每 2–3 个月检测一次，这个数里已经含了一层采样延迟，不是"连续无延迟监测下的潜在预警"。所以本篇只把它当作入组条件下观察到的后续时间窗口：这批人在分子层面被识别出来之后，到影像学进展或死亡这一复合终点的中位时间为9.2个月。
其二，这个设计没有经典的领先时间偏倚，但它也不是"同一种药早换还是晚换"的直接比较。 前半句成立：两组的计时都从随机化开始，终点均为进展或死亡。后半句是本篇返修时补上的限定——对照臂继续原方案后，并没有被协议保证在影像学进展时换用同一种卡美司群组合；监管机构的原始会议文件明确记录未允许这种交叉用药，后续治疗由研究者决定（s4）。所以这项研究比较的是两条完整的序贯策略，不能用来回答"同一种药早用还是晚用"这个未被随机化的反事实。
在这个范围内，第二次无进展生存的结果仍然有分量：25.7 对 19.1 个月、风险比 0.63（0.46–0.86），p=0.0037——收益没有在下一线被抹平。总生存尚不成熟。（本篇此前记录"该数值被摘要截断"，返修时查明是本机提取脚本把摘要里的 "p<0·0001" 当成 HTML 标签起点、吃掉了后面一段，不是来源没有给数值；原件已重取。）
四、把判据写出来
两项试验的差别可以写成一个式子。设监测把人群分成若干类，$p_k$ 是第 $k$ 类的比例，$\Delta_k$ 是"在这一类里按结果换动作"相对默认处理的收益差，则
这个式子适用于同一终点、同一时间尺度下的一套指定"检测—行动"策略。判别力不显式出现在里面，但不能由此说它与价值无关：类别怎么划分，直接决定每一类里都是些什么人，因而决定 $\Delta_k$ 本身。
一个干净的反例：真实两类人各占一半，各有一种有益动作；默认始终采取 A，检测阳性才改成 B。取一个对称的分类器，它的阳性比例恒为 0.5，与准确率无关；但准确率取 0.5、0.75、0.95、1 时，$\Delta_{\text{阳性}}$ 分别是 0、0.5、0.9、1，策略的平均收益就是 0、0.25、0.45、0.5。$p_k$ 一动不动，价值却从零涨到满分，差别全部来自 $\Delta_k$，与估计误差无关。
还要把三件事分开：一套指定策略的效果、计入检测代价与患者偏好之后的净价值、以及在给定可选动作集合中、允许不改变默认动作时的信息价值。某一套策略失败，不等于这项信息在所有可选策略下都没有价值。
在这些限定之下：
- DYNAMIC-III 把两个 $\Delta_k$ 的点估计都直接测了出来：阴性侧 $-0.028$（三年无复发生存），阳性侧 $-0.10$（两年无复发生存）。两个终点的时点不同，不能加权成一个数——本篇此前给过一个 $-0.048$ 的人群加权值，那个数没有共同的结局含义，返修时删掉了。能说的是：分层很明显，而这两套动作都没有显示出正的收益。
- SERENA-6 只在一类里换动作（检出 ESR1 突变者），而那一类的 $\Delta$ 明确为正。
这给出本篇要交给后续工作的判据：任何一项监测研究，都应当报告那两个方括号（并写明终点与时间尺度），而不是只报告分层能力。 风险比、AUC、无复发生存的巨大分离都属于判别力；它们会通过 $\Delta_k$ 影响价值，但替代不了对"换动作有没有收益"的直接检验。
五、检测频率吃掉多少预警：一个脱离标定的示意
择时那一项也能算，但要先把它与上一节的临床数字脱钩。设某个指标的潜在预警为固定的 $L$（若能连续无延迟监测，能提前多久），检测按固定间隔 $T$ 进行、相位在 $[0,T)$ 上均匀、检测完美，则实际拿到的预警是 $\max(L-U,0)$，其期望为
两段不能混用：$T>L$ 时事件可能先发生、要等到下一次检测才看到，所以 $\mathbb E[\max(L-U,0)]\neq\max(L-\mathbb E[U],0)$——例如 $L=2$、$T=3$ 时前者是 0.667，后者只有 0.5。（本篇上一版一律用 $L-T/2$，$T>L$ 的那几行是错的。）
取 $L=9.2$ 个月作为一个示意值（下表不是对 SERENA-6 的标定，理由见上一节）：
| 检测间隔 | 1 月 | 2 月 | 3 月 | 4 月 | 6 月 | 12 月 |
|---|---|---|---|---|---|---|
| 平均保住的预警 | 8.7 月（95%） | 8.2（89%） | 7.7（84%） | 7.2（78%） | 6.2（67%） | 3.53（38%） |
这张表能支持的只有一句定性的话：潜在预警越短，采样间隔的相对代价越大。如果某个指标只提前两个月报警，那么每三个月查一次平均只剩 0.67 个月可用，几乎等于没有。它与 T98 第五节是同一件事的两种写法——那里的模型给出"每两个月才测一次时按状态调整反而比不调整更差"。
不要把这张表当成对某项试验的预测：本篇没有给出"保住的预警比例"与"无进展生存收益"之间的因果映射，因此也不能预言把检测间隔放宽后收益会按同一比例缩小。
六、专题到此收束
回看这八篇，同一个结构反复出现：一个综合读数被当成某个具体机制的度量。 下面这张表按三栏写：这个读数确实含着什么、它单独不能唯一说明什么、以及哪一类补充证据有助于区分。第三栏是"有助于"，不是"加上就解决了"。
| 篇 | 读数含着什么 | 它单独不能唯一说明 | 哪些补充证据有帮助 |
|---|---|---|---|
| T93 | 某个改变在今天所有癌细胞里 | 它现在是否仍是必需——而撤除实验还要先确认干预真的实现了功能撤除 | 可撤除模型、回补实验、靶点占据等药效学读数 |
| T94 | 杀伤曲线的形状与谱系条码的可复现度 | 是既有亚群还是药物诱导：单向诱导与既有亚群是同一族函数；可复现度给的是概率倾向，不是命运已定 | 停药后的再敏感化实验、独立重复、能区分谱系内部分支的读出 |
| T95 | 间质多少与预后的相关 | 是间质的生物学作用还是取样到的细胞组成；两者都可能贡献 | 不加药的生长与瘤内药量分开测，以及能映射到"支持"或"限制"的具体读数 |
| T96 | HLA 结合突变比相对期望的偏离 | 是免疫选择、背景模型偏差还是别的选择过程；单样本的检出能力还常常不够 | 组成期望与模拟对照、按统计量报功效、直接看逃逸事件与其时空位置 |
| T97 | 总负荷的平均轨迹 | 分裂与死亡各自多少：期望只依赖净增长率，但涨落与血浆 DNA 并不只由细胞数决定 | 单个细胞的突变积累（需先解决阶段归属）、能分辨涨落或释放过程的读数 |
| T98 | 无进展生存 | 有多少来自节律的生物学、多少来自记账规则；判据里的附加条件常常才是决定数值的那条 | 同时报告两种进展定义与完整判定规则、报告实际回涨幅度 |
| T99 | 表达变正常、增殖下降 | 是否失去成瘤能力：体内生长受抑与撤除干预后仍不成瘤是两环 | 移植与撤药后再移植、把"引出分化"与"针对病因"解耦的对照 |
| T100 | 风险分层能力 | 按结果换动作能不能改善结局；判别力通过改变各类别的组成影响收益差，但替代不了对动作的检验 | 直接测量各类别里换动作的收益差，并写明终点与时间尺度 |
所以八篇的共同建议不是"再加一项测量就能解决"，而是更朴素的一句：先说清手里这个读数由哪些东西共同决定，再决定它能支持哪一步推论。 上表第三栏里的补充证据能缩小候选解释的范围，但每一项都有自己的前提——撤除实验要确认干预到位，突变钟要先分清突变属于哪个阶段，两种终点并报也只是让读者看见记账的影响，而不是自动分出生物学。
七、边界、反例与可以检查的预期
本篇没有证明的：
- 三项试验的数字全部按原文引用（SERENA-6 的两篇与 DYNAMIC-III 都只取到摘要，后者非开放获取），本篇没有取得任何一项的逐患者数据，也没有复算其生存曲线。DYNAMIC-III 摘要没有给两个动作差值的区间，因此正文只把它们当点估计用；审阅者目读原文图 2 记录的区间在正文中作为旁证列出，本篇未能独立核对。SERENA-6 的第二次无进展生存数值此前被本机提取脚本截断（把摘要里的 "p<0·0001" 当成 HTML 标签起点），返修时已重取完整摘要并补上数值。
- 第四节的式子是一个记账框架，不是模型；它适用于同一终点、同一时间尺度下的一套指定策略，假定动作的收益可以按类别独立相加，忽略了检测本身的代价、假阳性带来的额外处理，以及患者对不同终点的偏好。判别力不显式出现在式子里，但它决定各类别的真实组成，因而决定收益差本身——正文给出了反例。
- 第五节是一个脱离具体试验标定的玩具模型：固定的潜在预警、均匀相位、完美检测。$T\le L$ 与 $T>L$ 是两段不同的公式，混用会低估。真实的检出还受肿瘤 DNA 脱落量、检测灵敏度与空间异步影响，这些因素可能改变大小与方向，本例不是所有真实检测系统的严格上下界。$L=9.2$ 只是示意取值，不是对 SERENA-6 的标定。
- 两项试验的癌种、分期、任务与终点都不同，本篇把它们并置是为了说明"同一类指标在不同任务上的成败"，不建立任何跨癌种的通用监测或换药规则。
- 风险分层、临床效用、一次进展、后续进展、总生存与代价在正文中分别陈述，未互相替代；SERENA-6 的总生存尚不成熟，且其对照臂未被协议保证交叉用药，因此它回答的是两条序贯策略之间的比较。
- 第六节的收束表是在 T93—T99 各自返修之后重写的；它列出的是各读数的成分与可能有帮助的补充证据，不是"加一项就能解决"的映射。
- 本篇不构成治疗建议。
被数据修正的预期： 开题时我预计 SERENA-6 的无进展生存收益里会有相当一部分是领先时间造成的记账效应（这是这类设计常见的批评）。核对设计后发现不成立：两组均从随机化开始计时，并随访到进展或死亡，不存在经典的领先时间偏倚；真正的疑问在下一线是否抹平，而那由第二次无进展生存回答。按此把第三节改写，不沿用那条现成的批评。
可以检查的预期：
- DYNAMIC-III 阴性侧的交换（点估计 2.8 个百分点无复发生存，换 54 个百分点奥沙利铂暴露与 4.7 个百分点住院）可以用患者偏好研究直接量化：把差值的不确定区间一并交给患者，看多数人愿不愿意接受。"未达非劣效界值"与"不该采用"不是同一回事，需要分别陈述。
- 若第四节的判据成立，则任何一项新的监测研究，只要它只报告分层能力而不报告两个方括号，其结论对临床决策的支持力就应当被视作未知；这是一条可以直接施加于文献的筛选规则。
- 放宽检测间隔应当减少可用的预警时间，这一点可以在已有数据里按实际检测间隔分层做探索性检验。但本篇不预测无进展生存收益会按保住的预警比例成比例缩小——从"少了多少预警"到"少了多少收益"需要一个本篇没有给出的映射。
- 若"换动作的收益"才是关键，那么在 DYNAMIC-III 阳性侧，值得试的是不同类别的动作而不是加强同一类化疗——该文自己的结论也指向这一点。但这不是"唯一可能改变结论的路线"：不同的强度、时点、人群选择或组合方式，都没有被这一次结果全面排除。