其实相对于他的体重而言表现不佳，尽管他举起的重量超过了其他人；而那位中量级选手相对于他的体重而言则表现超常。

    换句话说，从一位物理学家的竞赛场平等主义的角度而言，1956年奥运会上最强壮的人其实是那位中量级冠军，因为他的表现相对于他的体重而言是超常发挥的。

    具有讽刺意味的是，从这个科学比例角度而言，所有冠军中最弱的是那位重量级选手，尽管他举起的重量超过了其他人。

    更多的误导性结论和规模缩放的错觉：从大象的LSD剂量到儿童泰诺药剂量。

    规模和规模缩放的作用遍及医疗与健康领域，尽管规模法则内在的概念性框架并未明确无误地整合到生物医药专业中。

    例如，我们都知道，存在着标准表显示我们的身高、生长率、食物摄入量，甚至腰围应该如何与我们的体重相关联，或者这些指标在我们早期生长阶段应该如何发生变化。

    这些标准表正是被认为适用于普通健康人群的规模法则的表现。事实上，医生们接受培训来识别这些变量的平均值与病人的体重和年龄之间的关系。

    同样为人所熟知的还包括相关联的不变量概念，如我们的脉搏或体温，它们不会随着普通健康个体的体重或身高的变化而发生系统性变化。

    这些不变量的平均值所发生的显著偏差通常被用于诊断疾病或不健康状态。体温达到101°F（约38.33℃）或者血压达到275/154[2]就是身体出现问题的信号。

    现在，一次标准体检将产生大批此类数据，用于让医生评估你的健康状况。医疗与健康产业的一大挑战是，弄清楚生命的基础量化尺度，并由此扩大普通健康人群的一整套指标，包括能够容许的最大指标变化范围或偏差。

    不足为奇，许多医学上的重要问题都可以通过规模缩放的方式加以解决。

    在后文中，我们将看到从衰老、死亡、睡眠到癌症等所有人都关心的几个重要健康问题都将通过这一框架得以解决。

    然而，我在这里想卖个关子，先思考一些同样重要的医学问题，这牵扯到伽利略有关面积和体积那有悖直觉的缩放的洞见。这些问题将告诉我们错误的想法有多么容易产生，无意中使用的线性推断方法将会导致严重的误导性结论。

    在新药的研发及对许多疾病的研究中，许多工作都是在所谓的“模型动物”身上进行的，最典型的是标准的老鼠，它们被饲养并改良，专门用于研究。

    对医疗和医药研究而言，非常重要的一个问题是，这些研究得出的结论如何按比例放大到人类身上，以开出安全、有效的剂量，或者得出有关诊断和治疗流程的结论。

    一个关于如何实现这一目标的综合性理论尚未出现，尽管制药产业花费了大量资源用于在研发新药时解决该问题。

    关于这样的挑战和陷阱，其中一个经典例子便是早期对LSD在人体中的潜在疗效的研究。尽管“迷幻剂”一词早在1957年便被创造出来，但在1962年，除了精神病学领域外，其他人对该药物几乎一无所知。

    精神病医师路易斯·韦斯特（LouisWest）、俄克拉何马大学的切斯特·皮尔斯（ChesterPierce）及俄克拉何马城动物园的动物学家沃伦·托马斯（WarrenThomas）提议，用大象来研究这种药物的疗效。
    （本章未完，请翻页）