定義
ROC曲線は連続検査の判定閾値を変えたときの感度を縦軸、1−特異度を横軸に描く曲線である。AUCは曲線下面積で、ランダムに選んだ疾患例が非疾患例より高い検査値を示す確率として解釈できる。
イメージ
判定線を低くすれば見逃しは減るが誤警報が増え、高くすれば逆になる。その全てのトレードオフを一枚に描き、全体の順位づけ性能を面積でまとめる。
仕組み
各閾値で真陽性率と偽陽性率を計算しROC空間へ点を置く。完全識別なら左上へ近づきAUC=1、無情報なら対角線付近でAUC=0.5となる。AUCは有病率に直接依存しないが、臨床的価値、校正、予測確率の正確さ、特定閾値の利益を表さない。最適閾値はYouden indexだけでなく、見逃しと偽陽性の害、資源、対象集団を考えて選ぶ。相関データや検証不足はAUCを過大評価し得る。
例
スクリーニングでは感度を重視して低い閾値を選び、確定検査では偽陽性を減らす閾値を選ぶことがある。同じAUCでも採用閾値と用途は異なる。