¿Cuál es el problema?

No podemos proteger a todos de todo, y podemos hacer daño al intentarlo.

Es cierto que las nuevas tecnologías de estudios que promueven intereses públicos, incluidos la salud, la seguridad y la verdad, chjocan con viejas limitaciones derivadas de leyes matemáticas universales, leyes cuyas implicaciones no son ampliamente reconocidas.

Así, a medida que avanzan las tecnologías, los programas propuestos siguen chocando contra el mismo muro, conocido en la teoría de la probabilidad como teorema de Bayes .

Bayes dice que la probabilidad de un evento cambia según el subgrupo.

Cuando se aplica a la detección masiva de problemas de baja prevalencia, la regla de Bayes implica que estos programas resultan contraproducentes bajo ciertas condiciones:

• Rareza. Incluso con una alta precisión y bajas tasas de falsos positivos , el gran volumen involucrado en la detección de problemas de baja prevalencia en poblaciones enteras genera muchos falsos positivos o muchos falsos negativos (la compensación entre precisión y error).
• Incertidumbre. Cuando las pruebas científicas del mundo real no pueden validar los resultados, persiste la incertidumbre inferencial.
• Dañar. Cuando la detección secundaria para reducir la incertidumbre conlleva costos y riesgos graves, el daño resultante puede superar el beneficio para la abrumadora mayoría de las personas afectadas.

El rastreo de cosas raras ocurre en diversos ámbitos, chequeos médicos, ingresos laborales, chequeos escolares, etc.

Todos comparten una estructura matemática común que puede poner en peligro a la sociedad.

A veces para subsanar el umbral de detección de una enfermedad o condición se puede recurrir a un umbral más bajo para reducir los falsos positivos pero haciendo eso se detectan menos Verdaderos positivos.